오늘부터 몇 회에 걸쳐 ‘AI'( Artificial Intelligence)에 대하여 몇 가지 기초 지식과 정보를 소개해 드리겠습니다. 이전 단계에서 제가 작성한 글에 대하여 무슨 이야기하는 줄 모르겠다는 내용이 있었고, 그렇게 계속 작성하는 것이 무슨 의미가 있을까 고민하였습니다. 이번 기회에 저 자신도 다시 공부하면서 정리도 하고, 읽으시는 분이 제 글을 읽으면서 AI에 대하여 쉽게 이해한다면 저도 보람을 느낄 수 있을 것 같다는 생각하였습니다. 그 첫 번째로 오늘은 인공지능의 가장 기본인 ‘학습'(러닝:Learning)에 대해 설명해 드리겠습니다. ‘러닝'(Learning)에는 인공지능의 하위 분야인 기계 학습( Machine Learning)과 기계 학습의 한 분야인 딥 러닝( Deep Learning) 나뉩니다. 기계 학습에는 지도학습, 비지도 학습, 강화 학습의 3가지 유형으로 나눌 수 있습니다. 오늘은 그 중에서 ‘지도 학습'(Supervised Learning)과 ‘비지도 학습'(Unsupervised Learning)에 대해 설명 드리겠습니다.
1. AI의 ‘기계 학습'( Machine Learning)
인공지능의 ‘기계 학습'(Machine Learning)란, 컴퓨터가 데이를 통해 학습하고 그 학습한 내용을 바탕으로 결정이나 예측을 내릴 수 있는 하나의 툴( Tool) 혹은 기술이라 생각할 수 있습니다. 최근 이러한 기술을 이용한 인공지능은 여러 분야에서 적용되고 있으며 앞으로도 의료, 금융, 고객 서비스 그리고 제조업까지 그 활용 분야는 더 다양해질 것으로 생각됩니다. 이런 여러 가지 분야에 적용하기 위해서는 인공지능의 ‘학습'( Learning)이 필요합니다. 오늘은 기계 학습(Machine Learning)에 해당하는 지도 학습(Supervised Learning)과 비지도 학습(Unsupervised Learning)에 대하여 설명하겠습니다.
1-1. 기계 학습 중 ‘지도 학습’ ( Supervised Learning)
‘지도 학습'(Supervised Learning)이란, 입력 데이터와 그에 대한 정답( 레이블: Label) 주고, 모델이 대량의 데이터와 정답을 학습하게 합니다. 그 후 새로운 데이터에 대한 예측할 수 있도록 하는 방법입니다. 예를 들어 ‘사과'(Apple)를 보여주고 사과의 특징을 입력한 후 이것이 ‘사과’라는 정답까지 보여주고 학습하게 합니다. 다양한 사과에 대한 정보와 그 정답을 보여 주며 학습합니다. 대량의 데이터를 학습한 인공지능은 다른 색깔의 사과를 보여 주었을 때도 ‘사과’라고 대답을 할 수 있지만 동그랗고 빨간색 쿠키를 보여줘도 ‘사과’라고 대답할 확률이 높습니다. 인공지능이 학습한 범위에서 답변이기 때문에 학습량을 더 늘리면 맞는 대답을 할 가능성이 높습니다. E-메일에서의 스팸 필터링 기술도 지도 학습에 해당합니다. 지도 학습의 사용 사례는 이미지 데이터 세트에서 이미지 분류, 특정 검사를 바탕으로 하는 의료 진단, 과거 데이터를 이용한 주가 예측 등에도 적용할 수가 있습니다.
1-2 기계 학습 중 ‘비지도 학습'(Unsupervised Learning)
‘비지도 학습'(Unsupervised Learning)이란, 입력 데이터에서 패턴이나 특정 구조를 찾아내어 레이블(정답)을 찾아가는 방법입니다. 다시 말해서 입력 데이터에 대한 레이블(정답)을 주지 않기 때문에 모델은 스스로 패턴을 찾아내어 학습합니다. 비지도 학습의 주요 목적은, 데이터 간의 관계를 파악하는 것이지만, 데이터의 숨겨진 구조를 이해할 수도 있습니다. 데이터의 포인트를 이용하여 유사한 특성을 가진 소규모의 그룹으로 나눌 수도 있고, 데이터 간의 흥미로운 관계를 발견하면서 ‘Basket Analysis'(장바구니 분석) 등에서 자주 사용됩니다. 예를 들어 ‘신선한 회 종류나 생선을 사는 사람은 와인을 함께 사는 경향이 있다’라는 규칙을 발견할 수 있습니다. 이와 같이 비지도 학습은 데이터의 구조를 이해할 수 있으면서 새로운 인사이트를 얻을 수 있는 중요한 역할을 차지하고 있습니다. 주로 마케팅에서의 고객 세분화, 이미지의 분류, 비정상적인 데이터를 식별하는 곳에 사용이 가능합니다.
2. 마무리
이와 같이 기계 학습은 더 다양한 분야에서 활용할 수 있으며 이미지 인식은 물론 자연어 처리까지 각종 여러 응용 프로그램에서 중요한 역할을 하고 있습니다. 러닝의 규모 범위로 보면 AI(Artificial Intelligence)> Machine Learning > Deep Learning 순서로 AI 인공지능이 가장 큰 범위를 나타내고 그 안에 기계 학습 포함되며, 그보다 작은 개념이 딥 러닝(Deep Learning) 입니다. 다음 시간에는 딥 러닝( Deep Learning) 에 대해 알아보겠습니다.