AI를 알아보자!_1.머신러닝과 딥러닝의 차이

AI를 알아보자!

AI 하면 빼놓을 수 없는, 딥러닝.

'딥러닝'이 뭘까?

내용 출처 : http://www.zdnet.co.kr/view/?no=20170807140504   https://www.youtube.com/watch?v=-SgkLEuhfbg&feature=youtu.be

*하기 내용은 상기의 URL을 기반으로, 요약, 재해석한 내용입니다.

머신러닝과 딥러닝, 마치 한쌍의 세트처럼 다니는 이 두 개념에 대해서 알아보자.

 

우선, 머신러닝이 딥러닝의 관계를 보자. 

머신러닝은 딥러닝보다 더 포괄적인 개념으로, 머신러닝 안에 딥러닝이 포함되어 있다.

이 두 개념을 이해하기 위해서, 공통점과 차이점을 확인해보자.

딥러닝과 머신러닝의 공통점 : 학습 모델을 제공하여, 데이터를 분류하는 데 사용되는 기술.

이 두 러닝의 방식은, 사람의 러닝 방식과 닮아있다.

사람이 어떤 사물을 판별할 때, 기존에 학습되어진 데이터를 가지고 경험, 지식에 따라 현상을 파악하는 모습과 닮아있다. 

(인간의 귀납적 사고)

그렇다면 어떻게 데이터를 학습하고, 현상을 파악하는 것일까?

두 러닝방식의 차이를 알아보자.

일단 두 방식의 가장 큰 차이는 '인간의 개입' 유무라고 볼 수 있다.

머신러닝의 경우, 컴퓨터에 인지시킬 데이터를 분류하는 과정에서 관찰자의 연구 의도가 개입될 수 있는 반면

딥러닝은 인간의 개입이 전혀없는 것이라고 볼 수 있다.

1. 머신러닝 : 기계 학습

학습 및 결론 도출방법 : 

1) 주어진 소재를 인간이 먼저 처리(컴퓨터가 데이터를 분류하여 인지할 수 있도록 데이터를 알맞게 분류) 

2) 축적된 데이터를 가지고 컴퓨터가 특징을 분석/축적하는 과정

3) 축적된 데이터를 바탕으로 이미지의 특징을 종합해냄

머신러닝에서 재미있는 점은, 특징을 추출하여 정답을 찾아내는 과정에서 좀더 유연하게 여러 방식을 대입해 볼 수 있다는 점 같다.

2. 딥러닝 : 심층 학습

학습 및 결론 도출방법 : 

1) 방대한 로우데이터 제공

2) CNN(회선 신경망)을 이용하여, 스스로 분석한 후 답을 도출해냄

한마디로, 딥러닝은 인간이 하던 작업이 생략되고 스스로 분석하여 답을 알아내는 방식이다.

어느 상황에 어떤 러닝 방식을 써야 좋을까?

데이터의 양에 따라, 하드웨어의 성능에 따라, 허용되는 학습 시간에 따라, 구하고자 하는 내용에 따라 선택 방식이 달라진다.

많은 양의 데이터와, 고성능 하드웨어가 없을 경우에는 머신러닝 사용하고, 반대의 경우에는 딥러닝을 사용한다.

머신러닝을 쓰는 경우는?

1) 고성능 하드웨어가 필요 없음

2) 많은 데이터가 필요하지 않음

3) 데이터 학습시간이 짧음

4) 많은 분류기를 통해 모델을 학습시킬 수 있고, 더 나은 결과를 얻기 위해서 어떤 특징을 추출해야 할 지 알 수 있음

    즉, 머신러닝 알고리즘을 적용할 때는 유연성이 있다. 그렇기 때문에 서로 다른 분류기와 특징들을 사용해봄으로써, 

     어떤 조합이 데이터에 더 적합한 지 알 수 있는 특징이 있다.

딥러닝을 쓰는 경우는?

정확성이 높은 연구가 필요할 때 

1) 고성능 하드웨어가 필요함

2) 많은 데이터가 필요함

3) 데이터 학습시간이 김

4) 특징을 학습시킬 때, 인간의 개입이 없어 디버깅이 어렵기도 함

   딥러닝을 할 때에 특징은 스스로 학습되기 때문에 물체의 어떤 특징을 사용할 것인지 결정할 필요가 없다.