머신러닝과 딥러닝의 차이점은

Machine Learning과 Deep Learning의 차이점은

인공지능(Artificial Intelligence, AI)을 이야기한 가장 많이 나오는 단어가 머신러닝(Machine Learning, ML)과 딥러닝(Deep Learning, DL)이다.

머신러닝(ML)과 딥러닝(DL) 모두 모두 인공지능(AI)이라는 포괄적인 개념에 포함되지만, 굳이 정리한다면 딥러닝(DL)은 머신러닝(ML)의 한 분야라고 할 수 있다.

정리하면

인공지능(AI)은 인간이 자신의 지식을 바탕으로 분석하고 예측하고 판단하는 지능을 컴퓨터가 구현하도록 하는 모든 것이 포함된다.

이런 인공지능의 구현을 위해 컴퓨터가 인간과 같이 예측하고 판단할 수 있도록 학습시키는 것이 필요하다.

머신러닝 (ML)은 컴퓨터가 예측하고 판단하는 인간의 지능과 비슷한 활동을 할 수 있도록 데이터를 통해 스스로 학습하도록 하는 모든 기술을 포괄하는 것입니다.

딥러닝(DL)은 머신러닝(ML) 기술 중에 인간이 기억하고 학습하고 예측하고 판단하는 행위가 이루어지는 뇌의 신경전달구조를 모방한 인공 신경망(Artificial Neural Network)을 여러 층 깊게(Deep) 쌓아 올려 학습하는 방법을 사용한다. 이것을 우리는 심층신경망(Deep Neural Network)이라고 하는데 여기서 머신러닝(DL)과 차이가 나타난다.

머신러닝(ML)이 단순한 암기식 학습이라고 하면 딥러닝(DL)은 이해식 학습이라고 할 수 있다.

예를 들어 컴퓨터가 강아지 사진을 보고 강아지라는 것을 판단하도록 학습시키려고 한다.

머신러닝(ML)은 컴퓨터를 학습시키기 위해 강아지가 가지는 중요한 특징(Feature) 들을 찾아서 데이터로 가공하고 그것을 하나하나 컴퓨터에 학습시킨다.

귀의 모양, 얼굴의 형태, 코의 형태와 같은 강아지로 판단할 수 있는 특징들을 학습한 컴퓨터는 어떤 사진이 주어질 때 그것이 강아지인지 아닌지를 판단할 수 있다.

이런 판단활동이 인고지능(AI)이다.

딥러닝(DL)은 수천 장의 다른 강아지 사진을 준비해 컴퓨터에게 학습시킨다.

그러면 컴퓨터는 수천 장의 강아지 사진에서 강아지가 가지는 특징을 스스로 학습해 다른 사진이 주어질 때 그것이 강아지 인지 아닌지를 판단할 수 있는 것이다.

심층신경망(DNN)은 이렇게 컴퓨터가 스스로 데이터에서 특징을 추출해 학습할 수 있는 기술을 제공할 수 있다.

정리해 보면 머신러닝(ML)과 딥러닝(DL)의 차이점은

앞서 언급한 것과 같이 컴퓨터가 단순한 암기식 공부를 하느냐 이해를 하고 공부를 하느냐의 차이라고 정리할 수 있다.

머신러닝(ML)은 학습시킨 데이터의 한계를 벗어나기 힘들지만 딥러닝(DL)은 데이터가 축적되고 반복될 수 록 정확도와 응용분야가 점점 더 확대될 수 있다.