[머신러닝]머신러닝이란?

최근 알파고 사건을 발단으로 인공지능에 대한 관심이 높아지고 있다. 인공지능은 무엇이고, 이에 수반하는 머신러닝은 도대체 무엇인가?

인공지능(Artificial Intelligence)는 strong AI와 weak AI로 구분된다. strong AI(Artifical General Inteligence)는 사람과 같이 스스로 생각하고, 여러 분야의 문제를 훌륭하게 해결할 수 있는 AI이다. weak AI(Narrow AI)는 특정 분야의 문제에 대해서만 뛰어난 해결 능력을 보이는 AI이다.

머신러닝은 약한 인공지능(weak AI)를 구현하는 알고리즘의 일종이다. 컴퓨터 프로그램이 경험을 통해 자동으로 개선되도록 하는 알고리즘이다. 구체적으로 말해서, 어떠한 측정 기준을 가지는 분야의 작업이 어떠한 경험을 통해 개선되었다면 그것은 컴퓨터 프로그램이 학습하였다고 할 수 있는 것이다.

딥러닝은 머신러닝 알고리즘 중 딥 뉴럴 네트워크에 기반을 둔 학습 알고리즘이다. 딥 뉴럴 네트워크는 데이터의 특징을 추출하기 위한 유닛들의 다층적인 구조, 그룹을 의미한다.

머신러닝에는 그 방식에 따라 지도학습(supervised learing)과 비지도학습(unsupervised learing), 준지도학습(semi-supervised learing)으로 나누어진다.

지도학습(supervised learing)은 데이터에 입력 값과 출력 값이 동시에 주어진 경우, 입력과 출력 값 사이의 관계를 학습하는 알고리즘이다. 주로 입력에 대한 출력을 나타내는 함수 개선을 목적으로 학습을 진행한다. 이러한 지도학습에는 분류, 회귀분석 등이 존재한다.

비지도학습(unsupervised learning)은 오로지 입력 값만 주어진 경우, 입력 값들의 패턴 등을 분석하는 알고리즘이다. 대표적인 알고리즘으로 군집화, 이상치 분석, 다양체 학습 등이 존재한다.

준지도학습(semi-supervised learing)은 일부 데이터에 대해서만 입력과 출력이 동시에 주어지고 나머지에 대해서는 입력 값만 주어진 경우에 모든 데이터를 활용하여 입력과 출력 관계를 학습하는 알고리즘이다.

이외에도 머신러닝에는 다양한 알고리즘이 있다. 강화 학습(Reinforcement learing), 능동 학습(Active learing), 전이 학습(transfer learning) 등이 있다.

머신러닝은 다양한 분야에 응용되고 있다. 대표적으로 컴퓨터 비전, 자연어 처리, 의료 진단 및 헬스케어, 자율 주행, 신소재 연구, 스마트 팩토리, 금융, 게임 등에서 사용되고 있으며, 그 영역을 점차 넓히고 있다.