20년전 우리가 화면을 터치해서 인터넷을 할 수 있는 핸드폰을 사용할 것이라고 상상한 사람이 있었는가? 기술의 발전 속도는 우리가 상상하는 것 보다 훨씬 빠르다. 
이제는 머신러닝의 시대라고 할 정도로 모든 산업에서 머신러닝, 딥러닝 알고리즘을 채택하여 쓰고있다. 광고에 인공지능을 이용하여 개발한~~ 이라는 문구를 넣으면 뭔가 세련되 보이고 발전되 보이는 것은 덤이다. 필자가 누구인지 궁금해 하시는 분들을 위해 말하자면... 

필자는 컴퓨터 공학과는 아니지만 다른 학문에서 관련 공부를 하면서 머신 러닝을 적용한 질병 예측 모델에 관련하여 논문을 게재하였고, 현재도 계속 알고리즘 개발을 위해 고군분투 하고 있다. 앞으로 이어지는 포스팅에서는 머신러닝을 아주 쉽게 설명하는데에 초점을 맞추도록 할 것이다. 

1. 인공지능, 머신러닝의 정의 
일단 용어의 정의 즉, 인공지능 (Artificial Intelligence), 머신러닝(Machine Learning), 딥러닝(Deep Learning)이 각각 무엇인지를 알아보도록 하자.





위 그림에 보면 알다싶이 인공지능은 머신러닝, 딥러닝을 포함하는 개념이다. 

인공지능은 컴퓨터를 통해 사람의 지능 과정을 모방하여 이용하는 모든 과정을 포함한다. 

이에 구체적인 머신러닝이라는 개념은 컴퓨터 파워를 이용하여 "학습"하는 능력을 기르는 것이다. 
때문에 위에 무감독 학습, 감독 학습 이라고 적어 놓은 것 처럼 "학습"이 꼭 들어간다. 


2. 무감독 학습과 감독학습의 차이

머신러닝은 크게 두가지 학습이 있다.

 무감독 학습과 감독 학습이다. 도대체 뭐를 감독한다는 것일까? 

감독의 뜻은 학습을 통해 우리가 목표로 하는 "라벨.이름" 이 있는가다. 

예를 들어서, 여러 사람의 식습관 성별, 나이 등의 자료를 넣어서 이 사람의 비만 유/무를 예측한다고 가정해보자. 

이때 우리는 목표로 하는 라벨이 "비만", "정상" 과같이 존재하는 것을 알 수 있다. 이는 감독 학습의 예이다.

반면, 무감독 학습이란 학습을 통해 우리가 목표로 얻고자 하는 "라벨,이름"이 없는 경우다. 

이는 군집화라고도 하는데 비슷한 자료를 가지고 있는 샘플을 그룹화 시켜서 묶어주는 것이다. 아까 의 예를 다시 이야기 해보자, 여러 사람들의 식습관, 성별, 나이의 자료를 넣어서 비슷한 성향을 갖고 있는 사람들끼리 그룹별로 자동적으로 묶어주는 것이 무감독 학습이라고 할 수 있다. 


3. 딥러닝의 정의

딥러닝은 이러한 머신러닝에서 조금 더 나아가서, 인간의 뇌를 모방한 알고리즘들을 이용하여 하여 학습하는 것이다. 

인간의 뇌는 수만은 뉴런들이 상호 작용하며 의사결정을 하도록 이루어져 있다. 

이처럼 딥러닝에서는 뉴런을 모방하여 수만은 층(layer)들이 학습을 돕는것이다. 

때문에 좀 더 많은 컴퓨터 파워가 필요하지만 여러 장점이 있다. 이를 좀 더 자세히 이야기하기 위해서는 다음 포스팅에서 "Feature"와 "Sample"에 대한 이야기를 해야 한다.

다음 포스팅에서 만나도록 하자 :) Have a nice day