ML / DL 이란?

출처: bcgblog.kr

ML (Machine Learning, 머신러닝)

• 기계학습법, 많은 데이터를 컴퓨터에 입력하고 비슷한 것끼리 분류하도록 하는 기술
• 인공지능 연구 분야 중 하나로, 인간의 학습 능력과 같은 기능을 컴퓨터에서 실현하는 기술
• 1990년대 중반 이후에 인터넷의 등장으로 방대한 데이터를 수집할 수 있게 되면서 수많은 빅데이터를 분석해 인공지능 시스템 스스로 학습하는 형태로 진화
• 빅데이터 핵심 기술로 각광
• 새로운 데이터가 입력됐을 때 과거의 학습 경험을 토대로 이를 이해하고 분석함으로써 다가올 변화를 예측 가능
• 데이터가 포함한 내용의 특징을 포함하는 데는 한계 ▶ 딥러닝이 고안되면서 문제 해결
• 과거에는 데이터를 처리할 수 있는 컴퓨팅 성능의 한계가 있었으나, 최근 기술 수준이 빠르게 발전하면서 머신 러닝을 구현하기 위한 방대한 데이터 수집 및 분석이 효과적으로 이뤄질 수 있게 됨.

방대한 데이터를 분석해 미래를 예측하는 기술로, 인공지능 (Artificial Intelligence, AI)의 한 분야

 

 

[머신러닝 적용의 예]

• 포털사이트에서 제공하는 검색어 자동 완성 기능
• 엘리베이터 센서를 통한 속도-출입문 오작동 등의 정보를 분석하여 사고 발생 가능성 예측
• 전염병이 발생할 가능성이 높은 지역 예측
• 범죄자와 잠재적 범죄자의 심리나 행동을 분석해 범행이 어떤 시점 또는 어떤 장소에서 발생할 가능성이 높은지 예측

---

DL (Deep Learning, 딥러닝)

 

• 딥러닝 기술은 컴퓨터가 마치 사람처럼 생각하고 배울 수 있도록 하는 기술
• 사물이나 데이터를 군집화하거나 분류하는 데 사용하는 기술
• 다량의 데이터로부터 높은 수준의 추상화 모델을 구축하고자 하는 기법
• 방대한 양의 데이터 분석을 할 수 있는 컴퓨터의 개발에 따라 구현 가능
• 학습 자료의 양이 많을수록, 학습의 단계가 세분화될수록 성능 좋아짐.
• 기계학습 알고리즘 중 '인공신경망'의 후예 (인공신경망의 한계를 극복하기 위해 제안된 기계학습 방법)
• 딥러닝이 처음 제안된 때는 인공신경망이 탄생한 지 40여년이 지난 1980년 대이고, 2004년부터 주목을 받기 시작

▶ 컴퓨터가 스스로 외부 데이터를 조합, 분석하여 학습하는 기술. 딥러닝의 고안으로 인공지능이 획기적으로 도약하게 되었다.

 

[딥러닝의 핵심]

• 딥러닝의 핵심은 분류를 통한 예측
• 수많은 데이터 속에서 패턴을 발견해 인간이 사물을 구분하듯 컴퓨터가 데이터를 나누는데, 이는 '지도 학습(Supervised Learning)' 과 '비지도 학습(Unsupervised Learning)'의 두 가지의 분별 방식으로 나뉨.

1 )지도 학습: 컴퓨터에 먼저 정보를 가르치는 방법.
예를 들어, 사진을 주고 "이 사진은 고양이" 라고 알려주는 식이며, 기존 기계학습 알고리즘은 대부분 지도 학습에 기초.
2) 비지도 학습: 지도 학습의 배움 과정이 없고, 컴퓨터가 스스로 학습.
지도 학습에 비해 진보한 기술이며, 컴퓨터의 높은 연산 능력 요구
▶ 구글 유튜브의 영상 식별 기술

 

[딥러닝 적용 분야]

• 구글: 음성인식, 번역, 로봇의 인공지능 시스템 개발 등 (2014년 딥마인드 인수), 알파고
• 메타 (구 페이스북): 뉴스피드와 이미지 인식 분야에 딥러닝 적용
• X (구 트위터): 사진 분석에 활용
• MS: 2014년 7월, 개 품종을 컴퓨터가 분류하는 딥러닝 기술 공개. (당시 구글이 소개한 DNN 기술과 비교해 약 50배나 더 빠른 분석 속도)

▶ 기술 기업에서는 딥러닝을 주로 사진과 동영상, 음성 정보를 분류하는 쪽으로 활용. (데이터의 양이 풍부하고, 정확성을 요구하기 때문)

 

• 최근에는 자율 주행, 자율 로봇 등 다양한 분야에서 활발한 연구가 이루어지고 있음.

 

[국내 적용 분야]

• 네이버: 음성인식을 비롯해 테스트 단계의 뉴스 요약, 이미지 분석 등
• 카카오
• 최근 삼성 갤럭시 스마트폰 (S24) 에도 최첨단 딥러닝 기술 적용하여 높은 정확도와 메모리 사용 최적화 제공

---

ML 과 DL 의 차이

 

• 머신러닝이 축적된 데이터를 토대로 상관관계와 특성을 찾아내고 여기에 나타난 패턴을 통해 결론을 내리는 기술인데 반해 딥러닝은 축적된 데이터를 분석만 하지 않고 이 데이터를 통해 학습까지 하는 기계 학습 능력을 활용해 최적의 결론을 내림.
• 딥러닝은 머신러닝의 하위 개념
• 머신러닝은 데이터의 특징을 합슥해 예측 및 분류와 같은 작업을 수행하고, 딥러닝은 주로 복잡한 데이터에서 높은 수준의 추상화와 패턴 인식을 수행
• 머신 러닝은 알고리즘을 사용하여 데이터를 구문 분석하고 해당 데이터에서 학습하며, 학습한 내용에 따라 정보에 근거한 결정을 내림
• 딥 러닝은 알고리즘을 계층으로 구성하여 자체적으로 배우고 지능적인 결정을 내릴 수 있는 '인공 신경망'을 만듦.
  
  

[Machine Learning vs Deep Learning]

출처: 네이버 블로그 <Return True>

출처:  https://blog.naver.com/cjw531/222671913081

 

머신러닝은 인공지능을 달성하는 한 가지 방법이며, 딥러닝은 이를 수행하는 한 가지 방법이다.

 

---

[출처]

bloter.net, pmg 지식엔진연구소, 매일경제, 두피디아, 한국경제신문