AI, 딥러닝으로 잘하는 분야∙능력 확장
[테크월드뉴스=이혜진 기자] 인공지능(AI)의 기본은 AI 분류, AI 기초 용어, AI의 동작 원리 이렇게 3가지다. 이 3가지를 이해하면 AI와 머신러닝(기계학습) 그리고 딥러닝(심층학습)의 차이를 이해할 수 있다.
먼저 AI의 분류부터 알아보자. <AI 시대, 문과생은 이렇게 말합니다>에 따르면 AI는 여러 각도에서 분류할 수 있다. 첫 번째는 ‘AI, 머신러닝, 딥러닝이라는 3대 분류’, 두 번째는 ‘학습방식 3가지’, 세 번째는 ‘활용 유형에 따른 AI의 8가지 분류’다.
AI, 머신러닝, 딥러닝이라는 3대 분류부터 기억하자. AI, 머신러닝, 딥러닝이라는 표현은 TV와 뉴스, 잡지 등에서 많이 접할 수 있다. 하지만 이 단어들의 차이를 정확하게 이해하고 사용하는 사람은 드물다.
약간 뜬금없지만 여기선 조선시대 ‘문관’과 ‘한성부판관’ ‘연암 박지원’ 사이의 관계를 예로 들어 AI의 분류를 생각해보자.
‘문관’은 가장 넓은 의미의 단어이며 그 안에 ‘한성부판관’을 포함한다. 그리고 한성부판관을 역임한 인물 중 ‘연암 박지원’이 있다. 다만 연암 박지원이 역사적인 인물이라서 그가 쓴 책과 몸 담았던 학파와 종교가 한성부판관이라는 직책보다 유명해진 것이다.
마찬가지로 ‘AI’는 가장 넓은 의미이며, 그 안에 ‘머신러닝’을 포함한다. 그리고 머신러닝의 하나로 ‘딥러닝’이 있다. 다만 ‘딥러닝’이 특별한 존재라서 머신러닝이 주목받고, AI 세계가 최근에 급격히 발달한 것이다.
어떤 이미지인지 그려지는가. 로봇의 세계라면 이렇게 예를 들 수도 있다. ‘로봇’은 가장 넓은 의미이며, 그 안에 인간형 로봇’을 포함한다. 그리고 인간형 로봇의 하나로 ‘우주소년 아톰’이 있다. 다만 ‘우주소년 아톰’이 특별한 존재라서 인간형 로봇이 주목받고, 세계도 급격하게 발달한 것이다.
이런 내용을 이미지로 떠올리며 AI, 머신러닝, 딥러닝이 어떤 뜻인지 알아보자.
- AI는 인간과 같은 지능을 실현하려는 기술.
- 머신러닝은 AI의 한 종류. 학습을 통해 특정 업무를 실행할 수 있는 AI. 학습할 때는 주로 사람이 특징을 정의.
- 딥러닝은 머신러닝의 한 종류. 인간 뇌의 신경세포(뉴런)를 따라한 학습법에서 발전. 주로 기계가 특징을 자동으로 정의.
여기서 ‘특징’은 ‘주목할 곳’과 같은 뜻이다. 예를 들어 이미지 인식에서 ‘주황 도깨비’인지 ‘노랑 도깨비’인지 식별하는 과제가 있다고 하자. 기존 머신러닝이라면 ‘주황 도깨비’인지 ‘노랑 도깨비’인지 구별하기 위해 ‘색상’을 주목할 곳으로 설정하지 않으면, 사람이 가르쳐줘야만 정확도를 높일 수 있었다. 하지만 딥러닝의 경우 ‘붉은 도꺠비’와 ‘파란 도깨비’의 사진 여러 장을 넘겨주면 과제의 ‘주목할 부분’이 ‘색’이라는 것을 스스로 이해할 수 있다. 참고로 딥러닝 이외의 현대적인 머신러닝 방식에서도 ‘특징’을 스스로 발견할 수 있다.
머신러닝과 딥러닝, 왜 생겼을까
AI라는 단어는 1950년대에 등장했다. AI의 개념이 만들어졌을 당시에는 컴퓨터가 게임이나 퍼즐을 풀거나, 미로의 경로를 해결하는 정도를 할 수 있었다. 이를 ‘1차 AI 붐’이라고 한다.
1980년대에 들어서며 전문가의 지식을 AI에게 가르치는 시스템을 만드는 것을 목표로 했다. 이를 ‘2차 AI 붐’이라고 한다. 그러나 예외적인 처리에선 해당 시스템이 제대로 대처할 수 없어 실용화 단계까진 발전하지 못했다. 이 때를 기점으로 AI는 한동안 암흑기를 보냈다.
이 시기에 고생한 이유 중 하나는 AI에 예외를 포함한 여러 정보를 사람이 입력해야 했기 때문이다. 이를 해결한 것이 AI가 스스로 학습한다는 발상에서 만들어진 머신러닝이다. 사람이 예외를 포함한 모든 것을 입력하지 않아도 일정한 데이터로 기계가 학습해서 정확도를 높인 것이다.
2000년대엔 기계의 처리 속도가 높아지며 실용화가 진행됐다. 이 시기를 ‘3차 AI 붐’이라고 한다. 기존 머신러닝은 사람이 특징을 정의한 학습 데이터를 갖고 배워가는 유형이어서 많은 과정에서 인간의 노동을 거쳐야했다. 이 때 3차 붐에 불을 붙인 것이 바로 머신러닝의 한 종류인 딥러닝이다.
딥러닝은 사람이 특징을 정의하지 않아도 기계가 스스로 특징을 정의한다. 높은 정확도로 학습을 진행할 수도 있다.
그래도 삭제하시겠습니까?