인공지능, 머신러닝, 딥러닝 무엇이 다른가요?

AI⊃ML⊃DL 마트료시카처럼 쏙쏙! 3대 핵심 개념 완전 정복

AI, 머신러닝, 딥러닝.

요즘 누구나 한 번쯤은 들어본 단어죠!

근데 막상 "그래서 그게 정확히 뭐가 다른 건데?"라고 누군가 물어보면

'어, 좀 애매한데...' 하고 헷갈릴 때가 많잖아요.

아주 깔끔하게 정리해 드릴께요. 이 세 가지 개념이 서로 어떤 관계인지,

마치 그 러시아 인형 마트리오시카처럼 하나씩 착착 열어보면서 확실하게 알려 드리겠습니다.

---

AI, ML, DL.

인공지능, 머신러닝, 딥러닝.

대체 차이점이 뭘까요? 이게 뭐 완전히 별개의 기술들일까요?

아니면 뭔가 서로 연관이 있는 걸까요?

아마 다음 두 순간, 다들 생생하게 기억하실 거예요.

2016년에 알파고가 이세돌 9단을 이겼을 때. (그때 그 충격은 정말 대단했죠)

그리고 불과 몇 년 전 2022년에 GPT랑 처음 대화해 봤을 때 그 신기함.

바로 이 두 사건이 '인공지능'이라는 단어를 SF 영화 속 이야기가 아니라 우리 바로 옆에 있는 현실로 확 끌어당긴 계기가 됐습니다.

자, 그럼 이 거대한 변화를 이끈 개념들을 하나씩 파헤쳐 보죠. 가장 바깥쪽 껍질.

그러니까 모든 이야기의 시작점이자, 제일 큰 그림.

바로 인공지능, AI입니다.

여기서 중요한 것은 어떤 특정한 기술 하나를 딱 꼬집어서 말하는 게 아니라는 점.

인공지능, AI는 인간의 지능을 흉내낸다는 거대한 목표 또는 연구 분야 그 자체를 말하는 겁니다.

하나의 기술이라고 생각하기보다는 아주 아주 커다란 우산이라고 상상해 보세요.

인간처럼 생각하고 행동하는 기계를 만들고 싶다는 인류의 아주 오래된 꿈. 그 모든 걸 담고 있는

정말 광범위한 분야.

그게 바로 AI입니다.

그럼, 이 'AI, 인공지능'이라는 큰 인형을 열어봅시다! 그 안에는 무엇이 들어있을지 알아보죠.

옛날에는 개발자들이 컴퓨터한테 하나하나 다 가르쳐 주었습니다.

'만약에 이메일 제목에 무료나 경품 같은 단어가 들어가면 그건 스팸이야' 이런 식으로 수천 수만 개의 규칙을 사람이 직접 다 입력했습니다. 이것도 AI를 만들려는 시도 중 하나였죠.

근데 사람 이 세상의 모든 규칙을 다 알려줄 수는 없잖아요. 한계가 너무 뚜렷했습니다.

그래서 과학자들이 생각한 거예요.

일일이 가르쳐 주지 말고 기계가 스스로 배우게 하면 어떨까?

바로 이 생각에서 출발한 것.

그러다가 등장하게 된 것이 '머신러닝'입니다.

ML, 머신러닝은 말 그대로 기계, Machine(머신)이 학습, Learning(러닝)한다는 뜻이에요.

인공지능이라는 자동차를 실제로 달리게 만든 강력한 엔진이죠.

'머신러닝'은 '인공지능'이라는 큰 목표는 똑같고,

대신 그 목표에 도달하는 방법이 예전과 완전히 다릅니다. 규칙을 하나하나 알려 주는 것이 아니라

엄청나게 많은 데이터를 던져 주는 거예요.

그리고 기계한테

"네가 여기서 알아서 규칙을 찾아봐"라고 하는 거죠.

기계가 스스로 패턴을 발견하게 만드는 것.

이게 바로 머신러닝의 진짜 혁신적인 점입니다!

차이가 확실하게 느껴지시나요?

예전에는 사람이 '이 단어가 있으면 스팸'하고 규칙을 정해줬다면, 머신러닝은 그냥 스팸 메일 10,000 통을 휙 던져 주면서 이렇게 말하는 거예요. "자, 여기 스팸이 만 개 있으니까 네가 알아서 스팸이 뭔지 배워 봐."

완전히 접근 방식이 다른 거죠.

생각의 틀, 패라다임이 바뀐 겁니다.

근데 여기서 재밌는 얘기 하나. 사실, 이 머신러닝이라는 아이디어 자체는 꽤 오래 전부터 있었어요.

수십년도 더 됐죠.

그럼 왜 하필 지금 이렇게 폭발적으로 발전했을까요?

두 가지가 딱 맞아 떨어졌기 때문입니다.

첫째, 학습에 필요한 어마어마한 연료, 바로 인터넷 덕분에 생긴 '빅데이터'.

그리고 둘째, 그 방대한 데이터를 소화할 수 있는 강력한 엔진, 바로 'GPU'가 등장한 거죠.

원래 이 GPU라는 것은 그래픽 처리하려고, 그러니까 수많은 계산을 동시에 빠르게 하려고 만든 거였거든요.

근데 이게 머신러닝 계산에도 완전 찰떡 궁합이었던 거예요.

이 연료와 엔진의 만남이 바로 지금의 AI 혁명을 가능하게 한 겁니다.

이제 드디어 마트리오시카의 마지막 인형을 살펴볼까요? 가장 안쪽에 숨어 있는

가장 작지만 어쩌면 가장 강력한 핵심.

머신러닝의 여러 방법 중에서도 특별히 우리 인간의 뇌를 본떠서 만든 기술.

바로 '딥러닝'입니다.

딥러닝도 머신러닝의 한 종류예요. 그런데 아주 특별한 방법을 쓰죠.

바로 우리 뇌가 작동하는 방식을 따라하는 거예요.

우리 뇌 속에 수많은 신경 세포, 뉴런들이 서로 연결돼서 정보를 처리하잖아요. 그걸 그대로 흉내내서

인공신경망이라는 걸 만든 겁니다.

말 그대로 기계한테, '인공', 우리와 비슷한 구조, '신경망'을 만들어 주려는 시도라고 생각하시면 이해가 빠를 거예요.

그런데 왜 이름이 'Deep Learning' 즉, 깊은 학습일까요?

바로 이 인공신경망의 층이 아주 깊게 여러 겹으로 쌓여 있기 때문입니다.

이게 어떻게 작동하냐면요. 마치 우리가 아기 때 세상을 배우는 과정이랑 비슷합니다.

처음엔 그냥 단순한 선이나 점, 가장자리 같은 것만 인식을 해요. 그러다 다음 층으로 넘어가면

그 선들을 조합해서 '아, 이건 동그라미네. 이건 뾰족한 귀모양이네' 하고 좀 더 복잡한 형태를 알아보고요.

그리고 더 깊은 층으로 갈수록 이 모양들을 다 합쳐서 마침내 '아하, 이건 고양이구나!' 하는

최종 결론을 내리는 거죠.

단순한 특징에서 시작해서 점점 복잡하고 추상적인 개념으로 학습의 깊이가 깊어지는 겁니다.

우리가 열광했던 알파고, 그리고 지금도 매일 쓰고 있는 ChatGPT가 바로 이 딥러닝 기술의 대표적인 성공사례입니다.

정말 대단하죠. 하지만 딥러닝이 무슨 마법 지팡이는 아니에요. 단점도 분명히 있습니다.

일단 어마어마하게 많은 데이터를 밥으로 줘야 제대로 작동합니다.

또 하나는 가끔 얘가 왜 이런 결정을 내렸는지 그 이유를 설명하기가 어려울 때가 있습니다.

이걸 블랙박스 문제라고 하는데요. 마치 수학 문제는 기가 막히게 잘 푸는데 어떻게 풀었냐고 물어 보면

"그냥!"

하고 대답하는 학생 같달까요?

좀 답답할 때가 있는 거죠.

---

자, 이렇게 AI, 머신러닝, 딥러닝까지 하나씩 다 살펴봤는데요. 이 세세한 관계가 이제 한 눈에 들어오시나요?

'AI'는 제일 큰 개념이죠. 인간 같은 기계를 만들자는 아주 원대한 '목표'이자 꿈이에요.

'ML, 머신러닝'은 그 목표를 이루기 위한 '방법'인 셈이죠. 데이터를 줘서 스스로 배우게 하자는 방식입니다.

그리고 'DL, 딥러닝'은 머신러닝이라는 방법론 안에서도 인공신경망이라는 특별한 '도구'를 써 보자는 가장 강력한 기술 중 하나라고 볼 수 있습니다.

목표, 방법, 도구.

어때요? 이렇게 정리하니까 머리에 쏙 들어오죠?

그래도 헷갈리신다면, 바로 이 러시아 인형 마트리오시카를 상상해 보세요.

가장 커다란 인형, 이게 바로 '인공지능, AI'입니다. 이 인형을 딱 열면,

그 안에서 두 번째 인형이 나오죠. 그게 바로 '머신러닝, ML'이에요. 그리고 그 머신러닝 인형을 또 열면,

그 안에 가장 작은 마지막 인형이 쏙 들어 있죠. 네. 그게 바로 '딥러닝, DL'입니다.

그러니까 이 셋은 전혀 다른 게 아니라 이렇게

AI⊃ML⊃DL

AI 안에 머신러닝이 있고 머신러닝 안에 딥러닝이 있는 명확한 포함 관계라는 것.

이것이 오늘의 핵심입니다.

---

자, 그럼 이런 복잡한 얘기를 우리가 왜 알아야 할까요?

그냥 어디 가서 아는 척하려고?

아니죠.

이 개념들이 더 이상 먼 미래의 기술이 아니라 바로 지금 여러분의 일상을 바꾸고 있기 때문입니다.

우리 주변에서 찾아볼까요?

혹시 오늘 아침에 AI 스피커한테 날씨 물어보셨어요?

여러분의 목소리를 찰떡같이 알아듣는 그 능력, 바로 딥러닝 기술 덕분이에요.

인터넷 쇼핑하다 보면 '어, 이건 어떻게 알았지?' 추천 상품 뜨죠.

바로 여러분의 구매 패턴을 학습한 머신러닝이 하는 일입니다.

심지어 지금 여러분이 보고 계신 SNS 피드에 뭐가 먼저 보일지 결정하는 것도 다 머신러닝과 딥러닝의 역할이에요.

보세요, 우린 정말 AI의 세상 한가운데 살고 있는 거죠.

이제 여러분은 AI, 머신러닝, 딥러닝이라는 이 복잡한 세계를 탐험할 수 있는 지도를 손에 쥐셨습니다.

이 지도를 들고, 주변을 다시 둘러보세요.

이 기술들이

내 삶을 어떻게 더 편하게 만들고 있는지, 혹은 나도 모르게 나에게 어떤 영향을 미치고 있는지

한 번쯤 생각해 보는 거죠.

단순히 기술을 쓰는 소비자를 넘어서 그 원리를 이해하고 스스로 질문을 던질 수 있을 때

우리는 이 변화의 파도에 휩쓸리는 게 아니라

그 파도를 탈 수 있게 될 겁니다.