머신러닝과 딥러닝 차이점 알아보기

안녕하세요 에듀몬입니다. 지난 시간까지 우리는 머신러닝의 개념 및 유형, 그리고 딥러닝의 개념과 인공신경망에 대해 알아보았습니다. 이들을 설명하는 과정에서 둘의 관계 및 인공지능과의 관계를 설명하였는데요. 이번 시간에는 그것들을 정리해서 알아보는 시간을 갖도록 하겠습니다.

 

 

 

 

1. 인공지능, 머신러닝, 딥러닝의 관계

 

먼저 머신러닝과 딥러닝의 관계를 설명하기에 앞서 인공지능과의 연관성을 설명할 필요가 있습니다. 아래의 그림처럼 머신러닝과 딥러닝은 인공지능의 한 분야이며, 딥러닝은 머신러닝의 한 가지 방법입니다. 따라서 크게 묶으면 머신러닝과 딥러닝은 모두 인공지능의 기술이라고 할 수 있습니다. 이를 도식화 해서 나타나면 아래와 같습니다.

 

 

 

2. 머신러닝과 딥러닝의 차이점

 

  머신러닝(Machine Learning)은 인공지능의 분야의 하나로써 기존 컴퓨터 시스템이 미리 정해 놓은 알고리즘에 따라서 작동하는 것과 다르게 기계 스스로 패턴 및 추론을 거쳐 작업을 할 수 있는 알고리즘 및 통계 모델과 관련한 기술입니다. 

  즉  기계에 많은 데이터를 주고, 이를 처리할 수 있는 최소한의 모델을 부여한 뒤 일정 시간 훈련을 시킵니다. 그렇게 되면 기계는 스스로 학습을 하고, 데이터, 모델, 훈련시간이 더해져 자신이 학습한 지식을 다른 영역에도 적용 가능할 수 있도록 발전하는 것입니다.

 

   딥러닝(Deep Learning) 또한 새로운 개념이 아닌 기존 인공신경망(Artificial Neural Network)의 한 종류이며, 인공신경망의 여러 한계점을 극복하여 문제를 해결한 알고리즘입니다. 인공신경망은 두뇌의 신경세포를 모방하여 수학적으로 모델링한 것이며, 데이터를 학습시켜 분류 및 예측의 최적화를 진행하는 머신러닝의 한 분야에 속합니다.

  앞선 머신러닝은 기계에게 방대한 양의 데이터와 그것을 처리하기 위한 모델을 제시하고, 훈련시키는 형태인 반면, 딥러닝은 인공신경망을 통해 인간이 하는 행위, 즉 모델을 제시하고 훈련시키는 과정을 기계가 '인공 신경망'을 통해 직접 한다고 볼 수 있습니다. 즉 기계가 직접 데이터로부터 결과 도출을 위한 의사결정을 하고, 이를 스스로 추출하는 과정을 이릅니다.

 

출처: 객체인식, 알고있어야 할 3가지(세미나투데이, 정한영, 2018)

 

  위의 그림을 살펴보면 머신러닝의 경우 객체의 특징을 인간이 추출하여 기계에게 주는(Manual feature extraction) 과정이 있지요. 머신러닝을 위해서는 기계에게 학습을 위한 일종의 모델, 즉 분류는 해주어야 한다는 것입니다. 반면 아래의 딥러닝은 그러한 과정이 없습니다. 인공신경망을 통해 인간이 하는 작업을 기계가 직접 하는 것입니다. 즉 의사결정을 위한 데이터 추출 및 결과 도출을 모두 기계가 스스로 하는 과정이라고 할 수 있습니다.