인공지능(AI) vs 머신러닝 vs 딥러닝
인공지능(Artificial Intelligence, AI)
인공지능이란 인간이 가지고 있는 지적 능력을 컴퓨터에서 구현하는 다양한 기술이나 소프트웨어, 컴퓨터 시스템 등을 가리키며, 알파고의 등장으로 4차 산업혁명의 메인 화두 중 하나로 손꼽히고 있습니다.
이러한 인공지능 기술의 발전은 신속하고 강력한 병렬 처리 기능을 제공하는 그래픽 처리 장치(GPU)의 도입과 폭발적으로 늘어나고 있는 빅데이터를 바탕으로 더욱 가속화되고 있는 추세입니다.
이러한 인공지능(AI) 분야는 딥러닝과 머신러닝보다 훨씬 더 큰 포괄적인 분야라고 할 수 있습니다.
머신러닝(Machine Learning)
머신러닝은 컴퓨터를 인간처럼 학습시킴으로써 컴퓨터가 새로운 규칙을 생성할 수 있지 않을까 하는 시도에서 시작되었습니다.
이처럼 머신러닝이란 컴퓨터가 스스로 학습할 수 있도록 도와주는 알고리즘이나 기술을 개발하는 분야를 가리킵니다.
일반적으로 머신러닝이란 알고리즘을 이용하여 데이터를 분석하고, 이러한 분석 결과를 스스로 학습한 후에 이를 기반으로 어떠한 판단이나 예측을 하는 것을 의미합니다. 따라서 머신러닝에서는 양질의 데이터가 매우 중요한 역할을 하며, 양질의 데이터를 많이 보유할수록 보다 높은 성능을 이끌어낼 수 있게 됩니다.
이러한 머신러닝 분야는 인공지능의 한 분야로 딥러닝을 포함하고 있는 분야입니다.
딥러닝(Deep Learning)
초기의 머신러닝 연구자들은 인간의 뇌가 가지는 생물학적 특성 중 뉴런의 연결 구조를 본떠서 인공신경망(Artificial Neural Network, ANN)이라는 머신러닝 모델을 만들게 됩니다. 그러나 이러한 인공신경망은 기본적인 작업에도 굉장히 많은 양의 연산을 수행해야만 했기에 당시 기술로는 상용화에 무척이나 어려움을 겪게 됩니다.
하지만 토론토 대학의 제프리 힌튼 교수와 같은 일부 교육 기관에서 인공신경망에 대한 연구 개발을 지속적으로 진행해왔고, 병렬 연산에 최적화된 GPU라는 하드웨어가 등장함으로써 그동안 구현할 수 없었던 딥러닝 이론들이 하나 둘씩 실현되게 됩니다.
딥러닝은 이러한 인공신경망에서 더욱 발전된 형태의 인공지능으로, 인공신경망을 여러 개 연결하여 인간의 뇌와 유사한 정보 입출력 계층을 만듦으로써 데이터를 학습하게 됩니다. 이러한 딥러닝의 등장으로 인공지능 분야는 폭발적인 발전을 맞이하게 됩니다.
딥러닝 분야는 머신러닝 모델의 한 종류이므로, 인공지능과 머신러닝에 포함되는 분야입니다.
인공지능 vs 머신러닝 vs 딥러닝
딥러닝 기술의 등장으로 머신러닝의 효율은 급격히 증대되었으며, 인공지능 분야 또한 이전과는 비교할 수 없을 정도로 그 영역을 빠르게 넓혀가고 있습니다. 이러한 인공지능과 머신러닝, 딥러닝은 각각의 개별적인 분야가 아니라 서로가 서로에게 영향을 주는 다음과 같은 포함 관계를 가지고 있는 것입니다.
인공지능 ⊃ 머신러닝 ⊃ 딥러닝
