용어 사전 - 기계 학습 : 딥 러닝

기계학습을 설명드릴 때 말씀드린 것처럼 경험도 곧 데이터라는 관점에서 볼 때 인간은 수없이 많은 경험을 하며 살아 갑니다.

이러한 경험을 토대로 우린 삶의 방향성을 잡고 순간순간 의사결정을 내리게 되죠.

하지만 모든 경험을 다 할 수 없고 입력되지 않은 경험에 당황스러워도 의사결정은 반드시 해야 되는 상황이 발생하기 마련입니다.

이럴 때 인간은 본인의 경험을 토대로 가장 합리적인(?) 의사결정을 하게 됩니다.

이러한 인간만이 취할 수 있는 고유 권한을 알고리즘이 대신 담당하는 시대가 오고 있습니다.

이것이 바로 심화학습의 핵심적인 영역이 되는 것이죠.

임기응변에 아주 탁월한 알고리즘이라 볼 수 있겠죠?

심화학습을 설명드리자면 꽤나 복잡하고 머리가 아픕니다.

그래서 제 기준에서 아주 간략하고, 간단하고, 짧게 설명을 드리고 심화학습은 마무리하겠습니다.

뭐 굳이 복잡한 개념을 완벽히 이해할 필요는 없으니까요.

제 나름대로 결론을 내리자면 결국 심화학습도 기계학습의 하나라고 볼 수 있다는 점이죠.

그러니까 가장 기본이 되는 학습이론이 기계학습이고 이를 기반으로 다양한 심화학습 방법이 파생되었다고 저는 생각합니다.

심화학습에 대한 설명을 드리자니 인공지능이라고 하는 AI를 빼고는 설명이 어렵습니다.

이 둘의 관계는 분명 다른 영역에 속하지만 제가 좋아하는 상관관계가 전혀 없다고 볼 수는 없습니다.

심화학습에 대표격이라 할 수 있는 알고리즘이 신경망(Neural Network)인데요 느낌이 왠지 인공지능스럽지 않나요?

인공지능에 대한 설명은 기회가 되면 별도로 소견을 올리도록 하겠습니다.

하지만 이왕 얘기가 나온 김에 인공 신경망 알고리즘에 대해서 잠깐 살펴보도록 하겠습니다.

먼저 신경(neural)망이라는 단어에 주목할 필요가 있습니다.

아래 그림처럼 인간의 몸을 구성하는 요소 중 하나입니다.

저는 생물학자는 아니니 신경망에 대해 깊이 설명 드리기는 힘들어요.

아무튼 생물학적 용어인 것만은 확실합니다.

이것을 알고리즘을 통해 구현하면 인공 신경망이 되겠네요.

아주 간단합니다.

알고리즘은 IT영역이고 신경망은 BT의 영역입니다.

여기에 데이터 분석(통계)이 결합되어 의사결정이 이루어 지게 되는 것이죠.

인간은 저마다의 개성이 뚜렷합니다.

그리고 주관적인 판단을 하게 되죠.

그러니 인공 신경망은 매우 복잡하고 구현이 힘든 알고리즘일 것으로 추측이 가능합니다.

조금 더 원론적인 이야기를 하자면 인공 신경망 역시 데이터를 통해 학습한 결과입니다.

즉 기계학습의 한 꼭지라는 것이죠.

아까는 인공 신경망이 심화학습에 대표적 알고리즘이라고 해놓고 뚱딴지 같습니다.

말씀 드렸자나요.

어차피 심화학습도 기계학습에서 파생된 것이니 특별히 헷갈릴 부분도 없습니다.

다시 강조 드리지만 데이터(경험을 포함한)가 없어도 판단이 가능하면 심화학습이라고 생각하면 편해요.

물론 전적으로 제 이론입니다.

이쯤에서 심화학습에 대한 이야기는 마무리하겠습니다.

더하면 머리만 아픕니다.

기계학습에 대한 이해가 더 중요합니다.