[글] AI, 머신러닝, 딥러닝, 지도학습, 비지도학습

AI란 무엇인가?

AI는 기계가 사람을 흉내내도록 하는 것입니다.

따라서 기계의 학습은 AI의  개념과는 연관되지 않습니다.

인간의 행동을 복제하기만 하면된다. 

 

즉, 전통적인 프로그램에 어떻게 데이터가 들어갈 수 있는지 설명하고, 프로그램을 작성하고 기계가 따라가면 된다.

 

머신러닝이란?

컴퓨터를 특정한 프로그램 없이 학습할 수 있도록 하는 것이다.

모든 AI는 머신러닝이고 모든 머신러닝은 AI가 아닙니다.

 

딥러닝이란 ?

딥러닝은 머신러닝 안에 있다.

머신러닝 알고리즘을 통해 여러 신경망들을 복제하는 것을 의미한다.

 

즉 우리가 어렸을 땐 단어를 구분하지 못 한다. 하지만 나이가 들어가며 환경과 상호작용으로 학습을 할 수 있게 된다.

딥러닝을 위해선 최대치의 데이터가 필요하다.

인간이 학습하는 것은 딥러닝에 가깝다.

 

머신러닝의 활용 예시

스펨 메일 구분 알고리즘, 얼굴을 인식하는 알고리즘, 음악 추천 시스템, 자율 주행, 헬스 케어, 로보틱스 등이 있다.

 

머신러닝으로 패턴을 인식할 수 있다.

표정, 감정, 목소리 등..

 

이상 현상을 감지할 수 있다.

신용카드 거래 이상 감지, 기계 오작동 감지 등..

 

또 비트코인이나 주식과 같은 미래를 예측할 수 있다.

부동산이나 환율도 예측 가능하다.

 

머신러닝의 유형

Supervised learning

지도학습은 다른 사람에게 지도를 받으며 학습하는 것이다.

사람, 고양이, 개를 식별하는 알고리즘을 개발할 때 각 이미지에 대해 사람! 고양이 ! 개 !라고 알려줘야 한다.

 

즉 기계에게 답을 알려준다. 

인공지능 모델엔 Input과 Output이 있다.

 

Input은 특징을 담고 있다. 어떤 Input인가에 따라 모델이 달라진다.

어떤 종류의 기능이 있는지에 따라 어떤 레이블이 있는지에 따라 달라진다. 

 

모델은 회귀, 분류로 나눌 수 있다.

이는 데이터에 적용할 때 연속적인 값인지 이산적인 값인지가 중요하다.

 

연속적인 값은 무한할 수 있다는 것이다. 키나 몸무게 처럼.. (회귀 문제)

• 예) 나는 집을 샀고 이 집을 팔기를 원한다. 하지만 집의 가격을 모른다. 집값을 예상하는 방법 중 집의 크기를 고려한다는 것이다. 집값과 집크기에 대한 연속적인 값을 예측하려고 하는 것이 회귀 문제다.

분류를 할 땐 범주형 데이터를 사용한다.

예) 사람의 얼굴을 보고 기쁜지 슬픈지를 인지하고 어떤 사진을 봤을 때 그 사진이 개, 고양이, 사람인지 인지하는 문제

 

Unsupervised learning

여러 사진이 있을 때 그 사진들 중 비슷한 것끼리 그룹을 묶는 것이 비지도 학습의 군집에 해당된다.

각 사진의 특징을 찾아 그룹을 묶는 알고리즘이다.

 

이를 이용해 이상값을 탐지할 수 있다.

기존에 그룹화된 상태에서 너무 멀리 떨어진 값이 들어왔을 때 이상값이라고 판단할 수 있다.

 

PCA 차원축소

이미지의 해상도를 낮추는 것과 비슷하다. 즉 압축하는 것이다.

784x784 이미지를 184x184로 줄였을 때 점점 해상도가 줄어들게 된다.

 

이것은 로딩을 줄이거나 에너지를 줄일 때 사용할 수 있다. 가장 적은 수의 사진을 이용해 사물을 인식하고 싶을 때 사용한다.