AI와 머신러닝 관계

인공지능(AI), 머신러닝(ML), 딥러닝(DL) 계층 구조

AI (artificial intelligence) > 머신러닝 (machine learning) > 딥러닝 (deep learning)

AI (인공지능)

가장 광범위한 개념으로 인간처럼 사고하고 문제를 해결할 수 있는 시스템이다. 인간의 지능적인 행동을 모방한다. 단순한 규칙 기반 시스템에서 복잡한 자율주행 시스템에 이르기까지 포괄적인 개념

머신러닝

눈에 보이지 않은 학습 패턴을 찾아내는 것. 추천시스템,음성인식 같은 시스템. 데이터를 기반으로 학습하고 컴퓨터가 스스로 패턴을 인식하고 새로운 작업을 수행할 수 있도록 하는 기술. 아이에게 학습시키는 것과 비슷하다. 아이에게 사과와 오렌지를 설명하면 아이는 자연스럽게 오렌지와 사과를 구분할 수 있다. 잘못 판단하는 것을 인식할 시 지식을 업데이트한다. 여러 데이터를 바탕으로 업데이트를 하여 알고리즘을 만든다. 새로운 지식을 접할 때 올바른 결정을 한다.

1_지도학습(supervised learning): 입력 데이터와 정답을 제공하여 모델을 학습시킵니다.입력데이터와 정답을 함께 제공하여 모델을 학습. 이것은 사과야 오렌지처럼 알려주듯 이미지 분류시스템, 스팸 메일 필터링 등에서 사용되는 알고리즘이다.

2_비지도 학습(unsupervised learning): 정답 없이 입력 데이터만 사용해 모델을 학습시킵니다. 여러 데이터를 주고 이 속에서 혼자 특성이 다른 이상치를 찾아내거나 비슷한 성격의

데이터들끼리 그룹화하는 세크먼테이션 기법이 해당된다.

3_강화학습(reinforcement learning): 주어진 목표를 달성하기 위해서 스스로 보상과 벌점을 통해 모델을 학습시킵니다. 바둑이나 체스같은 게임에서 승리하는 방법을 학습하는 방법이다. 로봇제어와 같은 시스템에 쓰인다.

(인공지능의 알파고Google deep mind VS 이세돌 에서 알파고가 4:1로 승리하면서 딥러닝과 강화학습의 주요 기술들을 사용함. 딥러닝으로 수백만개의 바둑 기보학습을 익히고 수를 둘때마다 더 나은 전략을 찾도록 셀프플레이의 강화학습을 진행했다. )

딥러닝의 분야

딥러닝 : 다층 신경망을 기반으로 함. 이미지 인식, 자연어 처리, 자율주행 복잡한 패턴을 찾아냄. 딥러닝의 분야는 크게 CNN, RNN, GAN으로 나눠집니다.

- CNN(Convolutional Neural Networks): 이미지 인식과 처리에 특화된 신경망

이미지의 패턴과 특징을 자동으로 학습하는 신경망으로, 이미지 인식과 처리에 특화되었습니다. 강아지와 고양이를 구분할 때 귀와 코를 보고 구분하는 것처럼 특징적인 이미지로 구분함.

자율주행 차는 CNN을 활용해서 도로표지판과 보행자 등을 인식함

- RNN(Recurrent Neural Networks) 순환 신경망

시간 순서가 중요한 데이터를 처리하는 데 적합한 신경망으로. 이전의 입력을 기억해 현재의 출력에 반영합니다. 문장 해석과 번역할 때 이전까지 나왔던 단어들의 시퀀스를 기억했다가 현재 시퀀스에 반영하는 것. 자연어처리, 음성인식을 통해 텍스트로 변환하는 것도 가능하다.

- GAN(Generative Adversarial Networks):

생성자와 판별자라는 2개의 신경망이 경쟁하면서 데이터를 생성하는 모델입니다. 생성자는 새 데이터를 만들고 판별자는 그 데이터가 진짜인지 가짜인지 판단합니다. 이 과정을 반복하면서 사실 같은 결과물을 만들어 냅니다. 이미지 생성, 비디오 생성, 데이터 증강 등 다양한 분야에서 활용된다. 실제 사람얼굴과 같은 가짜 이미지 생성하거나 게임 캐릭터를 생성하는 창의적인 분야에도 사용됨.

내용 출처

Generative AI naver boost camp