머신러닝이란 어떤 것인가?

우리가 공부하고자 하는 인공지능은 여러가지 콘셉트로 구성되고 연구가 진행됩니다. (국립국어원에 따르면 Concept의 우리말 표기는 '콘셉트'입니다.)
그 중 하나가 머신러닝(Machine Learning, 기계학습)입니다.
즉 기계가 학습을 하도록 만드는 것이 기본 뼈대가 되는 연구 분야입니다.
그리고 머신러닝이 포함하는 다양한 연구 주제 중 하나가 신경망, 딥러닝 분야입니다.
그렇다면 먼저 머신러닝이 무엇인지 살펴본 후, 딥러닝을 공부하는 것이 순서에 맞겠지요.

머신러닝이란 학습용 데이터를 학습 모델에 적용하여 데이터가 가지는 규칙성과 패턴을 찾아내는 기술입니다.
학습모델을 통해 학습된 결과 데이터를 실제 현상에 적용하기 위한 인식, 판정 엔진 등에 넣어 우리가 원하는 결과를 얻고자 하는 것입니다.

 

머신러닝의 기본 형태, 개념

위의 그림과 같이 학습 단계에서 각 데이터로 학습을 수행하고, 학습결과를 판정 엔진에 적용한 후, 적용단계에서는 입력받은 실제 데이터를 판정 엔진을 이용해서 인식, 판정을 수행하는 것이죠.

이러한 학습 모델은 크게 지도학습, 비지도학습 방식으로 구분되는데 우리가 먼저 공부하고자 하는 방식은 지도학습 방식입니다.
입력한 데이터에 따라 올바른 결과를 사람이 미리 지정해 주고, 입력된 데이터는 지정된 결과가 나올 수 있도록 내부 데이터를 반복적으로 조정, 최적화하는데 이 과정이 바로 학습과정입니다.

이와 같은 지도학습을 이용하는 학습 모델은 주로 데이터의 분류를 위한 목적으로 사용됩니다.
데이터의 분류를 특정 규칙에 따라 변환, 확장, 적용함으로써 물체의 인식도 가능해 집니다.
그러나 데이터의 예측과 같은 분야에는 지도학습을 기반으로 하는 머신러닝 방식은 적절하지 않습니다.

이런 이유로 다양한 머신러닝 모델과 알고리즘이 고안되었는데...
최근의 딥러닝은 엄청난 컴퓨팅 파워와 대규모의 데이터를 이용해서 어느 정도까지의 예측에도 활용할 수 있도록 변화되어 가고 있습니다.
이에 해당하는 내용들은 이후에 다시 다루게 될 것입니다.

그럼 다음 글부터는 신경망, 딥러닝에 대한 이야기를 시작하도록 하겠습니다.
이후의 글에도 많은 관심을 부탁드립니다.