[AI 스터디] section 1 : 실습 준비 및 머신 러닝 개요

AI 종류

01. ANI (Artificial Narrow Intelligence)

 : 좁은 의미의 인공지능으로, 특정 분야에 특화된 인공지능을 말합니다.

   현재 우리가 말하는 보통의 인공지능은 대부분이 ANI 라고할 수 있습니다.

 

02. AGI (Artificial General Intelligence)

 : general한 의미의 인공지능으로, 사람과 비슷한 지능을 가진 인공지능을 말합니다.

   영화에 주로 등장하는 AI가 이 종류라고 할 수 있습니다.

 

그렇다면, AI, ML, DL의 차이는 무엇일까요?

01. AI란?

 : 가장 광범위하며, 인간의 지능을 컴퓨터로 시뮬레이션하는 모든 것을 의미합니다.

   로봇, 전문가 시스템 등 광범 위한 인간 지능을 시뮬레이션 하는 모든것을 통칭하는 말이죠.

 

02. Machin Learning이란?

 : 알고리즘에 의해 스스로 학습하게 하는 것을 의미합니다.

 

03. Neural Network 란?

 : ML 알고리즘 중 하나로 인간의 신경망을 모사한 것을 의미합니다.

 

04. Deep Learning 이란?

 : neural network를 심층적으로, large scale로 구현한 것으로, 다양한 인공지능 알고리즘 중 하나에 속합니다.

   요즘엔 성능이 뛰어나 인공지능 전체를 대표하는 것으로 바뀌는 추세입니다.

 

그렇다면, 머신러닝과 전통적인 프로그래밍의 차이점은 무엇일까요?

	전통적인 프로그래밍	Machine learning
Data	O	O
Rules	O	X
Answer	X	O
구현 방법	데이터 + 프로그램을 돌리기 위한 규칙을 If then else 문법을 이용하여 규칙을 적용	머신러닝 알고리즘에 데이터와 답을 동시에 넣으면 룰(패턴)을 찾아주게됨

 

전통적인 프로그래밍의 경우, 어떻게 저 데이터에서 저런 답이 나오게되는지 규칙을 찾기 어렵기 때문에, 한계가 존재했습니다.

하지만 머신러닝의 경우, 규칙을 모르더라도, 데이터와 답만 모델에 넣어주면, 규칙(패턴)을 찾아주기 때문에 한계가 없어지게 됩니다.

 

머신러닝에는 여러 종류가 있는데요,

 

01. 지도학습

: 우리가 정답을 아는 모든 종류의 데이터를 사용하는 경우를 의미합니다.

  이는 머신러닝 모델에 데이터와 정답을 같이 주면, 패턴을 찾게되고,

  정답이 없는 새로운 데이터를 같이 주면, 모델이 답을 예측하여 답을 주는 방법을 의미합니다.

 (1) 종류

  - 분류 : 크게 두 종류로 나누어지는 것으로, 이 사진이 고양이 사진이다. 개 사진이다. 같은 예측을 해주는 것입니다.

  - 회귀 : 연속된 숫자를 예측해 주는 것으로, 오늘까지의 주가를 보고, 내일의 주가는 얼마쯤 되겠다. 같은 예측을 해주는 것입니다.

 (2) 특징

  - 가장 획기적으로 성공한 모델입니다.

  - 현재, SNS 등의 발전으로 사용자가 플랫폼에 스스로 데이터를 업로드하면서 사용할 수 있는 데이터 양이 급격히 증가하는 추세입니다.

    그렇기 때문에, 현재 가장 성과를 많이 내는 인공지능이 되었습니다.

 

02. 비지도학습

: 정답을 모르는 경우이므로 데이터를 제공하고 패턴을 스스로 인식해, 군집화하는 문제를 의미합니다.

  이는, 모델에 정답이 없는 데이터를 제공하면, 모델이 패턴을 인식한 후, 군집화 및 특징을 추출하여 알려주고,

  새로운 데이터를 제공시, 어떤 군집화에 속하는지 분류해주는 방법을 의미합니다.

 

03. 강화학습

 : 이는 분류,예측을 하는 것이 아니라 스스로 가장 좋은 행동이 어떤 건지 의사결정, 행동을 결정하도록 하는 방법입니다.

  데이터 없이 시행착오에 의해서 스스로 학습하게 되는 것이죠.

  현재, 강화학습과 딥러닝을 함께 사용하여, 메모리의 한계를 벗어나게 되어, 뉴럴네트워크의 사이즈를 크게 할 수 있게 하여,

  많은 수의 근사치를 찾을 수 있어, 많이 사용되곤 합니다. 특히, 같이 사용시, 일반화 능력도 좋아지게 된다는 점이 특징입니다.

 

그렇다면, 딥러닝은 어떻게 발전하게 되었을까요?

 

엔트리온 교수는 딥러닝의 발전을 로켓에 비유하여 설명하였습니다.

로켓의 엔진 ⇒ 엔비디아 GPU 칩 + 경사하강법 & backpropagation 알고리즘 (딥러닝 알고리즘)

로켓의 연료 ⇒ 빅데이터 시대의 많은 레이블링된 데이터

딥러닝의 발전은 이렇게 강력한 엔진과 풍부한 연료가 만나 이루어졌다고 하는 것입니다.

 

전통적인 머신러닝과 Deep Neural Network의 성능을 비교해보자면,

 

전통적인 머신러닝에는 데이터가 일정 수준 이하일 경우 가장 정확한 성능을 보이는 것을 확인할 수 있습니다.

이후, 데이터가 아무리 많아져도 성능이 일정한 것으로 보아, 특정 성능 이상은 개선할 수 없죠.

 

하지만, 뉴럴 네트워크는 모델 사이즈가 클수록, 데이터가 늘어나면 성능이 증가함을 확인할 수 있죠,

 

이 이유는, 작은 사이즈의 뉴럴 네트워크, 전통적인 머신러닝의 패턴 기억공간은 제한적입니다.

그렇기때문에, 데이터가 많아도 그 공간에 다 기억할 수 없는 것이죠,

 

---

이는 파이썬을 활용한 머신러닝 딥러닝 입문 강의 수강 후, 복습 스터디를 진행한 내용입니다.

 

파이썬을 활용한 머신러닝 딥러닝 입문 강의 | YoungJea Oh - 인프런