인공 지능 (Artificial Intelligence)
머신 러닝과 딥 러닝을 포괄하는 개념으로서, 인간만이 할 수 있다고 믿었던 생각과 행동들을 컴퓨터가 수행하게 하는 것을 목표로 하는 일련의 소프트웨어, 논리, 사고 등을 말한다. 매우 포괄적인 의미를 지니며 특정 기술 분야의 이름이 아니라 지능적인 요소를 가진 모든 것들을 말하기도 한다.
머신 러닝 (Machine Learning)
인공지능 분야의 일부로서, 기계학습이라고도 불린다. 기계(컴퓨터)가 직접 데이터를 학습하여 새로운 데이터가 주어졌을 때, 이를 학습된 모델을 기반으로 평가를 하는 것을 뜻한다; 데이터로부터 지식을 추출하는 작업 (데이터를 이용한 모델링 기법)
머신 러닝은 출력(답)이 주어지는가 아닌가에 따라 두 가지 유형으로 존재한다.
- 지도 학습 (Supervised Learning) : 입력에 대한 출력(답) 이 정해진 데이터들을 알고리즘에 학습시켜 주어진 입력에 대한 출력을 만드는 방법
예) 신용카드 부정 거래 감지 - 입력 : 신용카드 거래 내역, 출력 : 잘못된 거래라고 판단되어 신고된 거래 내역
- 비지도 학습(Unsupervised Learning) : 입력만 주어지고 출력(답)은 주어지지 않은 데이터들을 알고리즘에 학습시켜 데이터데 내재된 패턴, 특성, 구조들을 파악하는 방법
예) 텍스트의 주제 찾기 - 입력 : 텍스트, 출력 : 알 수 없음
* 강화 학습(Reinforcement Learning) : 앞선 두 가지(지도학습, 비지도 학습)가 데이터가 주어진 정적인 상태(static environment)에서 학습을 진행하였다면, 이와 달리 강화학습은 환경(state)이 있고 에이전트가 그 환경 속에서 어떤 액션을 취하고 그 액션에 따른 어떤 보상을 얻게 되면서 학습이 진행된다.
이때, 에이전트는 보상(reward)을 최대화 하도록 학습이 진행하게 되는데, 강화학습은 일종의 동적인 상태(dynamic environment)에서 데이터를 수집하는 과정까지 포함되어 있는 알고리즘이라 할 수 있다.
딥 러닝(Deep Learning)
머신 러닝의 일부로서 영상 인식, 음성 인식, 자연어 처리 등 머신러닝으로 해결하기 힘든 분야에 대해 머신 러닝과 구분되는 두 가지 특성을 지닌 학습 방법
1 . 데이터의 특징들을 명시하지 않고 데이터 자체를 학습 시킨다. (이를테면 동물들을 분류하려고 할 때, 머신러닝의 경우 해당 동물들의 특징을 명시하여 학습에 이용하지만 딥 러닝의 경우 특징들을 명시하지 않고 데이터들 자체를 학습에 이용한다.)
2. 인공 신경망(Artificial Neural Network) 구조를 이용한다.
- 인공 신경망이란 생물학의 신경망에서 영감을 얻은 통계학적 학습 알고리즘이다.
- 간단히 말하자면, 시냅스의 결합으로 형성된 인공 뉴런(노드) 네트워크에서 학습을 통하여 시냅스의 결합 세기를 변화시켜, 문제 해결 능력을 가지는 모델을 가리킨다.
