[개념] 딥러닝 기초 개념 정리 (1) 머신러닝과 딥러닝의 개념 및 차이점

 

이번 여름방학(24/7/1~7/26)동안, 수도권 ICT 이노베이션 스퀘어 강의인 인공지능 중급 강의를 수강하며 스스로 정리하고 추가 조사한 내용을 토대로, 공부의 목적으로 딥러닝 개념 정리를 해보고자 한다. 

 

딥러닝을 알아보기 전에, 딥러닝과 높은 연관성을 가지고 있는 머신러닝이 무엇인지 짚고 넘어가자.

머신러닝은 ‘미지의 일을 예측하는 원리’로, 기존 데이터 안에서 규칙을 발견하고, 그 규칙을 새로운 데이터에 적용해서 새로운 결과를 도출해낸다. 더 정확한 예측을 해내기 위하여 지금까지 다양한 머신러닝 알고리즘이 개발되어왔고, 그 결과 퍼셉트론이라는 개념이 제시되면서 오늘날의 '딥러닝'이 탄생하였다. 

 

머신러닝과 딥러닝의 차이

그럼 머신러닝와 딥러닝은 어떤 차이가 있을까?

둘은 같은 인공지능 카테고리로 묶여있다. 간단하게만 말하자면, 아래와 같은 관계성을 가지고 있다. 

인공지능 > 머신러닝 > 딥러닝

 

딥러닝은 '인공 신경망' 개념을 적용한 머신러닝이다. 

 

딥러닝의 작동방식은 인간의 뇌, 신경망을 모방하여, 인간이 어떠한 정보를 받아들이고 이를 바탕으로 추론하여 나름대로의 결론을 내리는 것과, 유사한 과정으로 이루어진다. 

 

머신러닝의 경우 데이터를 제공할 때 어느정도의 '가이드라인'을 제공해주어야 한다. 예를 들어 고양이와 개를 구분하기 위해 고양이의 특징과 개의 특징을 먼저 알려준 다음에야 분류를 할 수 있다. 

 

그러나, 딥러닝의 경우, 고양이와 개의 특징을 알려주지 않고, 고양이와 개의 사진을 제공하면 스스로 고양이와 개의 차이를 인지하고 분류해내는 것이 가능하다. 즉, 특정 배경지식이 부족하더라도 딥러닝 알고리즘을 사용한다면 편리하게 분류 작업을 할 수 있다. 몇천개의 이미지를 바탕으로 식물의 종을 분류하기 위해 식물의 종에 대한 특징, 외관 등을 미리 정리하거나 알아두지 않아도 딥러닝 알고리즘이 알아서 다 처리해준다는 것이다. 

 

오늘은 머신러닝과 딥러닝의 개념 및 주요 차이점에 대해 알아보았다. 

다음 챕터에서는 이 차이점에 대해 구체적으로 설명하며, 딥러닝의 다층 퍼셉트론 개념에 대해서 알아보도록 하자.