[ AI ] 인공지능과 머신러닝, 그리고 딥러닝

👩🏻‍💻 K-MOOC 실습으로 배우는 머신러닝 강의

📙 해당 포스트는 K-MOOC 강의 내용과 추가로 다른 자료들을 찾아 내용을 작성하였으며, 이론 및 개념을 중심적으로 다룰 예정이다.

• [ AI ] 인공지능과 머신러닝, 그리고 딥러닝 - 👩🏻‍💻 K-MOOC 실습으로 배우는 머신러닝 강의
  • 인공지능과 머신러닝, 그리고 딥러닝
    • 🤔 인공지능 > 머신러닝 > 딥러닝
      • ➡️ 차이점
    • 🔎 고양이랑 강아지를 어떻게 구분할까?
  • 인공지능의 역사
    • 👶 인공지능 태동기
    • 🫅 인공지능 황금기
    • 🥶 첫 번째 AI 겨울과 두 번째 AI 겨울
    • 👑 LeNet-5의 등장
    • 👑 AlexNet의 등장
      • ➡️ 급성장 원인
  • 참고
    • 다음 포스트에서 만나요 🙌

인공지능과 머신러닝, 그리고 딥러닝

최근 머신러닝이 각광받으면서 많은 사람들이 머신러닝을 이용하면 이것이 인공지능이라고 생각하는 경우가 많다. 그렇지만 머신러닝은 인공지능의 하위 개념으로, 이외에도 인공지능을 구현하는 방법엔 여러 가지가 있다.

🤔 인공지능 > 머신러닝 > 딥러닝

• 인공지능 artificial intelligence
  • 사람처럼 학습하고 추론할 수 있는 지능을 가진 컴퓨터 시스템

• 머신러닝 machine learning

  • 머신 Machine = 기계
  • 러닝 Learning = 학습

  • 기계가 학습한다 / 컴퓨터가 학습한다

  • 규칙을 일일이 프로그래밍하지 않아도 자동으로 데이터에서 규칙을 학습하는 알고리즘을 연구하는 분야
  • 인공지능 하위 분야에서 지능을 구현하기 위한 소프트웨어를 담당하는 핵심 분야
  • 통계학과 깊은 관련이 있음
  • 대표 라이브러리 : Scikit Learn

• 딥러닝 deep learning

  • 많은 머신러닝 알고리즘 중에 인공 신경망 artificial neural network을 기반으로 한 방법들을 통칭
  • 종종 사람들은 인공 신경망과 딥러닝을 크게 구분하지 않고 사용
  • 대표 라이브러리 : Tensorflow, PyTorch

  

  • Tensorflow
    • 구글이 만든 딥러닝 라이브러리
    • CPU와 GPU를 사용해 인공신경망 모델을 효율적으로 훈련
    • 모델 구축과 서비스에 필요한 다양한 도구를 제공
    • 텐서플로 2.0부터는 신경망 모델을 빠르게 구성할 수 있는 케라스 Keras를 핵심 API로 채택
  • PyTorch
    • Facebook에서 개발하여 2016년 공개한 파이썬 기반의 오픈소스 머신러닝 라이브러리
  • Keras
    • 다양한 인공지능 엔진에서 지원
    • 2015년에 공개된 파이썬 기반의 오픈소스 신경망 라이브러리
    • 텐서플로, 파이토치와 함께 널리 사용

➡️ 차이점

인공지능은 컴퓨터가 인간의 사고를 모방하는 모든 것을 뜻하고, 머신러닝은 컴퓨터가 스스로 학습하는 것, 딥러닝은 인공신경망으로 머신러닝을 구현하는 등 인간 뇌의 동작 방식에서 착안하여 개발한 학습 방법이라고 생가갛면 될 것 같다.

🔎 고양이랑 강아지를 어떻게 구분할까?

강아지와 고양이 사진을 학습시켜서 최종적으로 강아지와 고양이를 잘 구분하는 함수를 만들어준다. 이 함수에 강아지랑 고양이 이미지를 넣어주면 인공지능 모형이 스스로 분류에 필요한 특징을 찾아내고 강아지인지 고양이인지 분류를 가능할 수 있게 된다.

인공지능의 역사

👶 인공지능 태동기

1943년 워런 매 컬러 (Warren McCulloch)와 월터 피츠 (Walter Pitts)는 최초로 뇌의 뉴런 개념을 발표했다. 1950년에는 앨런 튜링 (Alan Turing)이 인공지능이 사람과 같은 지능을 가졌는지 테스트할 수 있는 유명한 튜링 테스트 Turing Test를 발표한다. 많은 과학자가 참여한 1956년 다트머스 AI 콘퍼런스 (Dartmouth AI Conference)에서는 인공지능에 대한 장밋빛 전망이 최고조에 도달했다.

🫅 인공지능 황금기

대표적으로 1957년 프랑크 로젠블라트(Frank Rosenblatt)가 로지스틱 회귀의 초기 버전으로 볼 수 있는 퍼셉트론 Perceptron을 발표했다. 1959년에는 데이비드 허블 (David Hubel)과 토르스텐 비셀 (Torsten Wiesel)이 고양이를 사용해 시각 피질에 있는 뉴런 기능을 연구했다. 나중에 두 사람은 그 공로를 인정받아 노벨상을 수상했다고 한다.

🥶 첫 번째 AI 겨울과 두 번째 AI 겨울

컴퓨터 성능의 한계로 인해 간단한 문제를 해결하는 수준에 머무르게 되자 첫 번째 AI 겨울이 찾아왔다. 이 기간에는 인공지능에 대한 연구와 투자가 크게 감소했다. 후에, 전문가 시스템 expert system이 등장하면서 두 번째 AI 붐이 찾아왔지만, 역시 또 한계를 드러내고 두 번째 AI 겨울을 맞이한다.

👑 LeNet-5의 등장

🥶 두 번째 AI 겨울 기간에도 여전히 인공지능에 대해 연구한 사람들이 있었다. 이들의 연구가 차츰 빛을 보면서 다시 인공지능 기술이 주목받기 시작했다.

1998년 얀 르쿤 (Yann Lecun)이 신경망 모델을 만들어 손글씨 숫자를 인식하는 데 성공했다. 이 신경망의 이름을 LeNet-5라고 하며 최초의 합성곱 신경망이다.

👑 AlexNet의 등장

그 이후 2012년에 제프리 힌턴 (Geoffrey Hinton)의 팀이 이미지 분류 대회인 ImageNet에서 기존의 머신러닝 방법을 누르고 압도적인 성능으로 우승했다.

힌턴이 사용한 모델의 이름은 AlexNet이며 역시 합성곱 신경망을 사용했다. 이때부터 이미지 분류 작업에 합성곱 신경망이 널리 사용되기 시작했다고 한다.

➡️ 급성장 원인

LeNet-5나 AlexNet과 같이 인공 신경망이 이전과 다르게 놀라운 성능을 달성하게 된 배경으로 크게 3가지를 꼽을 수 있다.

1. 대용량의 데이터
2. 컴퓨터 성능의 향상
3. 혁신적인 알고리즘 개발

참고

🤖 AI란 무엇인가?

[AI 이야기] 어린이도 잘 아는 ‘강아지’와 ‘고양이’…AI는 왜 구별하지 못할까

K-MOOC 실습으로 배우는 머신러닝

다음 포스트에서 만나요 🙌

다음 포스트에서는 K-MOOC 실습으로 배우는 머신러닝 중 PCA에서 내가 부족한 부분들을 정리해 더 작성할 예정이다.