AI, 머신러닝, 딥러닝의 차이점 -

최근 몇 년간 산업혁명 4.0의 폭발과 함께 인공지능(AI), 머신러닝, 딥러닝 등의 용어가 점차 대중화되어 4.0 시대의 시민들이 반드시 알아야 할 개념이 되고 있습니다.

이 세 가지 개념의 관계는 가장 초기의 아이디어인 AI가 가장 큰 원이고 그 다음이 머신러닝인 머신러닝이 뒤따르는 원, 마지막으로 현재를 주도하는 딥러닝이 이어지는 원으로 생각하면 설명할 수 있다. AI 붐 - 가장 작은 원입니다.

물론 AI 시스템을 구축하는 것은 매우 복잡하지만 이해하는 것은 그리 어렵지 않습니다. 현재 인공 지능의 대부분은 (우리의 두뇌와 유사) 정말 좋은 추측 기계일 뿐입니다. 시스템에 데이터 그룹(예: 1부터 10까지의 숫자)을 제공하고 시스템에 모델을 생성하고(0에서 시작하는 x + 1) 예측을 하도록 요청합니다. (다음 숫자는 11이 됩니다.) 마법은 없습니다. 인간의 두뇌가 매일 하는 일입니다. 우리가 알고 있는 것을 사용하여 미지의 것에 대해 추측하는 것입니다.

AI가 다른 컴퓨터 프로그램과 다른 점은 각각의 경우에 대해 특정 프로그램을 만들 필요 없이 AI(머신 러닝)를 완벽하게 가르칠 수 있고 자동으로 딥 러닝하는 기능도 있다는 점입니다. 이 세 가지 개념은 기본적으로 다음과 같이 정의할 수 있습니다.

인공 지능(AI):  인간의 행동과 생각을 모방할 수 있는 기계.

머신 러닝:  전문가가 데이터 패턴을 인식하고 예측하도록 AI를 훈련할 수 있는 AI 기능입니다.

딥 러닝:  기계가 스스로 훈련할 수 있도록 하는 작은 기계 학습 기술.

AI(인공지능)란?

AI는 지능적 행동의 자동화를 다루는 컴퓨터 과학의 한 분야로 정의할 수 있습니다. AI는 컴퓨터 과학의 일부이므로 해당 분야의 건전하고 적용 가능한 이론적 원리를 기반으로 해야 합니다. 간단히 말해서 인간이 만든 기계의 지능입니다. 이 지능은 인간 지능처럼 생각하고, 생각하고, 배울 수 있습니다. 인간보다 더 크고 더 규모가 크며 체계적이고 과학적이며 빠른 수준에서 데이터를 처리합니다.

그러나 현재 AI 기술은 여전히 ​​매우 제한적입니다. 예를 들어, 인공 지능 응용 프로그램의 가장 인기 있는 아이콘 중 하나인 훌륭한 가사도우미인 Alexa는 여전히 튜링 테스트를 통과하지 못합니다.

간단히 말해서 오늘날 우리가 AI로 하고 있는 것은 "협소한 AI"라는 개념입니다. 이 기술은 인간과 비슷하거나 더 나은 방식으로 특정 작업을 수행할 수 있습니다. 실제로 "협소한 AI"의 예로는 Pinterest의 이미지 분류 기술이나 Facebook에서 친구를 태그하는 얼굴 인식이 있습니다.

이러한 기술은 인간 지능의 일부 측면을 나타내지만 어떻게 그럴 수 있습니까? 그 지혜는 어디에서 오는가? 다음 서클인 머신 러닝으로 가보겠습니다.

머신 러닝이란 무엇입니까?

머신 러닝 – AI의 접근 방식

기계 학습은 수행 중인 작업을 개선하기 위해 컴퓨터를 가르치는 행위를 나타내는 광범위한 용어입니다. 보다 구체적으로 머신 러닝은 작업을 수행할 때 컴퓨터의 성능이 해당 작업을 여러 번 완료한 후에 향상되는 모든 시스템을 말합니다. 다시 말해 머신 러닝의 가장 기본적인 능력은 알고리즘을 사용하여 가용한 정보를 분석하고 학습한 다음 관련 항목에 대한 결정이나 예측을 하는 것입니다. 특정 작업을 수행하기 위한 자세한 지침과 작업으로 소프트웨어를 만드는 대신 컴퓨터는 작업을 수행하는 방법을 배우기 위해 많은 양의 데이터와 알고리즘을 사용하여 "훈련"됩니다.

머신 러닝이 없다면 현재 AI는 컴퓨터에 명시적으로 프로그래밍하지 않고도 상황을 파악할 수 있는 능력을 제공하기 때문에 상당히 제한적일 것입니다. 기계 학습 유형의 예로 다음과 같이 사진에서 고양이를 식별할 수 있는 프로그램을 원한다고 가정해 보겠습니다.

• 먼저 기계가 인식할 수 있는 털 색깔, 체형, 크기 등과 같은 고양이 특성 세트를 AI에 부여합니다.
• 다음으로, AI에 일부 이미지를 제공합니다. 여기서 이미지의 일부 또는 전체에 "고양이"라는 레이블이 지정될 수 있으므로 기계가 고양이 관련 기능 및 세부 사항을 보다 효과적으로 선택할 수 있습니다. .
• 기계가 필요한 모든 고양이 데이터를 수신한 후 사진에서 고양이를 찾는 방법을 알아야 합니다. "이미지에 특정 X, Y 또는 Z 세부 정보가 포함되어 있으면 사진에서 고양이를 찾을 확률이 95%입니다. . 아마도 고양이일 것입니다."

일반적으로 오늘날 기계 학습의 적용은 매우 대중적이며 그 유용성은 논쟁의 여지가 없습니다.

딥러닝이란?

딥 러닝 – 머신 러닝 기술

지금까지 AI는 많은 발전을 이루었다고 할 수 있습니다. 인간의 두뇌가 할 수 있는 것과 유사한 방식으로 데이터를 처리할 수 있는 심층 "신경망"을 갖춘 일종의 기계 학습으로 생각하십시오. 여기서 가장 큰 차이점은 인간이 딥 러닝 프로그램에 고양이가 어떻게 생겼는지 가르칠 필요가 없고 필요한 모든 고양이 사진만 제공하면 스스로 알아낼 것이라는 점입니다. , 자가 학습. 수행할 단계는 다음과 같습니다.

• 기계에 고양이 사진을 많이 주세요.
• 알고리즘은 이미지를 확인하여 이미지 간의 공통 기능과 세부 정보를 확인합니다.
• 각 이미지는 크고 일반적인 모양에서 더 작고 작은 타일에 이르기까지 다양한 수준에서 자세히 디코딩됩니다. 모양이나 선이 여러 번 반복되면 알고리즘은 이를 중요한 속성으로 표시합니다.
• 필요한 이미지를 충분히 분석한 후 알고리즘은 이제 고양이의 가장 강력한 증거를 제공하는 패턴을 알고 있으며 인간은 원시 데이터를 제공하기만 하면 됩니다.

간단히 말해서 딥 러닝은 기계가 스스로 학습하는 일종의 기계 학습입니다. 딥 러닝은 머신 러닝보다 훨씬 더 많은 데이터 입력과 컴퓨팅 성능이 필요하지만 이미 Facebook 및 Amazon과 같은 대기업에서 구현하기 시작했습니다. 그 중 머신 러닝에서 가장 유명한 이름 중 하나는 많은 세계 챔피언을 이길 만큼 가장 정확한 움직임을 예측할 수 있을 때까지 바둑을 스스로 할 수 있는 컴퓨터 AlphaGo입니다.

끝내다

딥 러닝은 인공 지능의 전체 영역을 확장하면서 많은 실제 기계 문제의 적용을 가능하게 했습니다. 딥 러닝은 모든 종류의 보조 기계를 인간과 비슷하거나 동일하게 작동 가능하게 만들어 인간의 작업 방식을 파괴합니다. 무인 자동차, 더 나은 건강 관리… 이 모든 것이 이 시대에 실현됩니다. AI는 세계의 현재이자 미래입니다. AI는 딥 러닝의 도움으로 우리가 오랫동안 상상해 왔던 공상 과학의 꿈을 실현할 수 있습니다.