머신러닝과 딥러닝 차이

머신러닝(machine learning)

 

머신러닝은 인공지능이라는 큰 개념의 한 항목이다. 위에서 말한 그 50년대의 컴퓨터 과학 워크숍에 모인 학자들의 목표 중 하나가 스스로를 향상시킬 줄 아는 기계를 만드는 것이었는데, 그것의 현대화된 개념이 바로 머신러닝이라고 말할 수 있다. 경험과 학습을 통해 어떤 것이 더 발전된 방향인지 판단하고 그것을 직접 실행할 수 있는 기계를 그들은 꿈꿔왔다. 초창기 컴퓨터 과학자인 아서 사무엘(Arthur Samuel)은 머신러닝 능력을 갖춘 컴퓨터는 프로그램화될 필요 없이 학습을 진행할 줄 아는 것 이라고 정의했다. 이 정의는 아직도 유효하다.

그때부터 컴퓨터 과학자들은 여러 방법들을 고안해 학습하는 기계들을 만드는 시도를 해왔다. 지도 학습 혹은 감독 학습(supervised learning)이라고 하는 알고리즘을 개발하고 자율 학습(unsupervised learning)이라는 알고리즘(이 두 알고리즘은 6번과 7번에서 설명된다)도 개발했다. 기계에게 시간을 주고, 스스로 발전할 수 있도록 하는 알고리즘이었다. 그 알고리즘들은 이미 소비자들에게 도움을 주고 있다. 아마존이나 넷플릭스의 서비자라면 추천 아이템으로부터 도움을 받아본 적이 있을 텐데, 그것들이 바로 머신러닝이 상용화된 예다. 하지만 빅데이터 분석 분야에서 머신러닝은 가장 큰 기대를 모으고 있다.

 

출처: 요즘 IT-위시켓

 

딥 러닝(deep learning)

 

머신러닝이 인공지능의 한 축을 담당하는 것처럼, 딥 러닝은 머신러닝이라는 분야의 한 축을 담당한다. 다시 그 50년대의 워크숍으로 이야기를 돌려보면, 추상화와 개념화를 할 줄 아는 컴퓨터를 만드는 게 목표였다고 위에서 말했다. 이 부분을 담당하는 것이 바로 딥 러닝이라고 볼 수 있다.

 

 딥 러닝 시스템은 엄청난 양의 데이터를 소화시켜 카테고리를 만들어 분류할 줄 알며, 각 카테고리에 관련 데이터들을 배치시키기도 한다. 예를 들어 컴퓨터에게 개와 고양이를 구분하는 법을 가르치는 과제를 안고 있다고 생각해보자. 프로그래머들로서는 몇 가지 규칙을 뽑아내 고양이와 개란 무엇인지 정의를 내려서 입력할 수 있다. 하지만 컴퓨터가 항상 개와 고양이를 구분하게 하는 규칙을 뽑아내고 그걸 알고리즘으로 변형시킨다는 건 정말 어려운 일이다. 하지만 딥 러닝 시스템은 아주 많은 양의 동물 이미지를 흡수해 스스로 일반화 과정을 거친다. 그래서 뭐가 개고 뭐가 고양이인지, 둘의 차이는 무엇인지 익혀나간다. 물론 개와 고양이의 예만 보면 이는 기술 자체의 구현 어려움을 제외하고는 별 문제가 없어 보인다.

 

 그러나 딥 러닝을 가지고 정상인과 비정상인을 구분하는 법을 가르친다면 어떨까? 그 구분을 사람은 할 줄 알까? 딥 러닝이 여러 데이터를 익히게 돼 스스로 정상인과 비정상인에 대한 개념화를 한다면? 사실 이미 딥 러닝에서 인종차별주의적인 요소가 보고된 예도 있다. 딥 러닝 시스템은 신경망(5번에서 설명된다)이란 것과 그래픽 처리 장치인 GPU에 의존한다. GPU는 많은 데이터를 동시에 처리하는 데 매우 특화되어 있는 컴퓨터 칩이다. 물론 비디오와 그래픽을 처리하는 게 가장 큰 임무이지만, 빅데이터 처리에도 뛰어난 모습을 보이고 있어 인공지능 시대에 새롭게 각광받고 있다.

 

[참고자료: 보안 뉴스]