AI란 무엇인가

  • AI란 무엇인지 기본적인 AI 개념에 대해 알아보겠다.
  • 요즘 가장 많이 사용하는 AI 학습 방법에는 Supervised Learning이 있다.

Supervised learning

  • input에서 output을 얻는것을 Supervised Learning이라고 한다.
  • 조금 더 와닿게 말하자면, label이 있는 즉, 명시적인 답이 있는 input에서 output을 얻는 것이다.
  • 예를 들어, 이메일(input)에서 스팸인가(output)를 얻을 수 있다.
  • 또 다른 예시로는, 오디오(input)에서 텍스트 스크립트(output)를 얻을 수 있다.

Data 모으기

  • AI가 학습하기 위해서는 Data가 필요하다.
  • Data를 모을 수 있는 여러 방법 중 하나는 직접 labeling 하는 것이다.
  • 또 다른 방법으로는, 행동을 관찰하는 것이 있다.
  • 예를 들어, 회원들의 접속 시간은 언제였는지, 사용한 돈은 얼마인지 등이 있다.
  • 하지만, 가장 많이 사용하는 방법은 이미 수집되어 있는 데이터셋을 다운로드 하는 것이다.

Machine Learning vs Data Science

  • Machine Learning이란 AI를 사용하고 있는 시스템을 일컫는 용어이다.
  • 예를 들어, AI를 사용하고 있는 웹사이트, 모바일 앱 같은 것이다.
  • 반면, Data Science는 데이터셋에서 유의미한 결론을 내는 작업을 일컫는 용어이다.
  • 그래서 Data Science의 output은 데이터에 대한 해석을 담고 있는 Slide가 될 수 있다.
  • 그래서 Machine Learning과 Data Science는 사실 사뭇 다른 용어이다.

Deep learning

  • input 데이터를 통해 output 결과를 낼때,
  • input 데이터가 통과하는 알고리즘을 Neural Network이라고 한다.
  • 이런 Neural Network가 여러 겹 있는 것을 Deep Learning이라고 한다.
  • 최근에는 Neural Network나 Deep Learning을 동일하게 취급한다.

ML이 할 수 있는 것

  • 요즘 ML은 인간이 몇 초안에 생각하거나 할 수 있는 작업은 대부분 할 수 있다.
  • 반면, 시장을 분석해서 리포트를 작성하는 것과 같이 인간도 오래 걸리는 작업은 아직까지 ML로 하기 힘들다.
  • 또, ML은 새로운 Data 타입에 대한 결론을 내는 것에 대해 약하다.

AI 관계도

  • AI는 ML을 포함하고, ML은 Deep Learning을 포함한다.
  • Deep Learning은 Neural Network와 동일한 개념이다.
  • 또, ML과 Data Science는 일부 중첩되지만 조금은 다른 개념이다.
  • 즉, AI는 요즘 핫한 분야의 대부분을 포괄적으로 의미하는 것이다.

관련 글