[모두를 위한 딥러닝] 인공지능, 머신러닝

인공지능

우리에게 인공지능은 더이상 낯설지 않다. 인공지능(AI)은 인간이 하는 사고나 행동의 과정을 따라 기능하도록 구현한 시스템을 말한다. 우리가 좋아할 만한 동영상을 추천해주는 유튜브 알고리즘도, 얼굴을 인식해서 잠금을 풀어주는 스마트폰도 인공지능이다. 직관적인 판단이 필요한 바둑에서, 정점에 위치한 프로기사를 꺾어 수많은 사람들에게 충격을 주었던 '알파고' 역시 인공지능이다. 그렇다면 어떻게 인공지능은 우리가 원하는 것을 찾아내고, 얼굴을 알아보다 못해,  바둑에서 이세돌을 이길 수 있었던 것일까?

 

머신러닝

인공지능의 핵심에는 '학습'이라는 요소가 있다. 인공지능은 환경과 상호작용하며 정보를 얻는다. 그리고 그 정보를 이용해 목적에 맞게 예측하거나 새로운 규칙을 찾을 수 있도록 학습한다. 이 과정을 우리는 머신러닝(ML)이라고 한다.  조금 더 머신러닝을 세분화 하자면 이렇게 세가지로 분류할 수 있다.

• 지도학습 : 정답이 주어진 데이터를 이용해 규칙을 학습
• 비지도학습 : 정답이 없는 데이터로부터 새로운 패턴을 발견
• 강화학습 : 정답 대신 행동에 대한 보상을 이용해 학습

수천장의 개와 고양이의 사진에 '이건 고양이 사진이야' 혹은 '이건 개 사진이야' 라고 각각 태그를 달았다. 이것을 인공지능에 전달해 학습을 시키면, 태그가 없는 임의의 사진을 주더라도 개와 고양이의 사진을 구별해 낼 수 있다. 이는 사진에 대한 답이 정해져있고 같이 주어지므로 지도학습의 예라고 할 수 있다. 비지도학습은 손글씨 인식과 같은 분야에 활용이 된다.

 

강화학습

강화학습은 인간을 비롯한 모든 생물들의 학습원리를 기반으로  생겨났다. 반려견에게 '앉아!' 를 학습시키는 방법은 이렇다. 먼저 '앉아!' 라고 말하고, 만약 뽀삐가 땅에 엉덩이를 붙이고 있었다면 간식을 주는 것이다. 만약 말썽을 부렸다면 그 말썽의 반복을 막기 위해 간식 대신 혼을 낼 것이다. 이 경우처럼, 학습하는 대상이 행동에 대한 보상을 받고 시행착오를 겪으며 최대의 점수가 나오도록 최적화 하는 것을 강화학습이라고 한다.

얼추 무엇을 할지는 알았으니 다음 포스팅으로 넘어가 작업환경을 세팅해보자.