머신러닝은 무엇일까?
학습여정
“제가 학습하고 있는 Coursera Plus의 다양한 강의를 개인적으로 정리하면서, ‘공유의 가치’도 관심이 있어 부족하지만 공유합니다. 함께 발전하길 바랄 뿐입니다.”
인공지능(AI) 발전의 핵심 동력인 머신러닝(Machine Learning), 특히 지도 학습(Supervised Learning)에 대한 소개입니다.
지도 학습의 정의
AI의 성장은 대부분 머신러닝, 그중에서도 가장 보편적인 '지도 학습'을 통해 이루어졌습니다.
지도 학습은 입력(A)을 받아 원하는 출력(B)을 내놓도록 학습하는 방식입니다.
지도 학습의 다양한 사례:
스팸 필터: 이메일(A)을 입력받아 스팸 여부(B)를 판별합니다.
음성 인식: 음성(A)을 텍스트(B)로 변환합니다.
기계 번역: 한 언어(A)를 다른 언어(B)로 번역합니다.
온라인 광고: 사용자와 광고 정보(A)를 기반으로 클릭 여부(B)를 예측하여 가장 수익성이 높은 광고를 노출합니다.
자율주행: 카메라 이미지(A)로 다른 차량의 위치(B)를 파악합니다.
제조업 불량 검사: 제품 사진(A)으로 결함 유무(B)를 찾아냅니다.
생성형 AI(LLM)와 지도 학습
챗GPT와 같은 대규모 언어 모델(LLM) 역시 지도 학습에 기반합니다.
인터넷의 방대한 텍스트를 학습하여, 주어진 단어들(A) 다음에 올 가장 확률 높은 단어(B)를 예측하는 작업을 반복함으로써 문장을 생성합니다.
지도 학습이 최근 급부상한 이유:
데이터의 폭발적 증가
인터넷과 컴퓨터의 발달로 디지털 데이터의 양('빅데이터')이 기하급수적으로 늘었습니다.
모델의 발전과 컴퓨팅 파워
전통적인 AI는 데이터가 많아져도 어느 시점부터 성능이 정체 되었습니다.
반면, 신경망(Neural Network)과 딥러닝 기반의 현대 AI는 데이터가 많아질수록, 그리고 모델의 규모(신경망의 크기)가 커질수록 성능이 지속해서 향상됩니다.
성공의 공식:
결과적으로 최고의 AI 성능을 위해서는
(1) 방대한 데이터와
(2) 거대한 신경망 모델을 훈련시킬 수 있는 빠른 컴퓨팅 파워(GPU 등)라는 두 가지 요소가 필수적입니다. (요즘에 ‘냉각’이 이슈가 되고 신 사업이 되는 이유)
파생 비즈니스가 계속 재 생산됩니다. (AI유지 보수를 위한, 보안, 냉각 기술, 화학 기술, 공조 기술 등)
※본 요약은 ‘공정 이용(fair use)’사용 목적으로, 모든 내용은 Stanford University 의 Coursera강의 ‘모두를 위한 AI’를 수강하며 작성한 요약이며, 직접적인 강의 내용 복사, 슬라이드 캡쳐등은 저작권에 의하여 엄격히 보호됩니다. - 앤드류 응(Andrew Ng)의 강의 by Coursera Plus - "Learning Notes and Summaries by Digitalian”
