머신러닝 지도학습 비지도학습 강화학습 딥러닝

최근 Chatgpt, Bard 등의 대화형 인공지능이 각광을 받으면서 인공지능 알고리즘에 대한 관심이 급격히 증가하였습니다. 인공지능의 기본적인 개념과 기능을 공부하는 것은 최근 트렌드 잘 이해할 수 있는 발판이 될 것이라는 생각이 듭니다. 그러면 머신러닝의 기본 개념과 지도학습 비지도학습 강화학습이란 무엇인지, 또한 딥러닝은 무엇인지에 대해 알아보도록 하겠습니다.

머신러닝이란?

머신러닝이란 인공지능과 컴퓨터과학의 한 분야로 인간이 데이터를 학습하면서 정확도를 개선하는 방식을 모방하여 컴퓨터가 데이터 학습을 통해서 정확도를 점진적으로 개선해나가는 알고리즘에 대한 연구분야로 1959년 미국의 아서 사뮤엘은 머신러닝은 컴퓨터에게 추가적인 프로그래밍 없이 학습하는 능력을 부여하는 것이라고 정의하였으며 1998년 톰 미쳴은 머신러닝 컴퓨터 프로그램은 특정한 테스크 T에 대해서 경험 E로 부터 학습하며 성과 지표인 P로 평가 하여 개선되는 경험 E를 보이면 이것이 머신러닝 정의하였다고 합니다. 머신러닝 알고리즘은 보통 지도학습(Supervised learning), 비지도학습(Unsupervised learning), 그리고 강화학습(Reinforcement learning)으로 나누어집니다.

머신러닝개념

출처: pixabay.com 인공지능

지도학습

지도학습(Supervised learning)은 컴퓨터에게 입력 값들과 결과 값들의 데이터들을 학습시키고 새로운 입력 값이 나왔을 때 결과를 예측할 수있는 방법론으로 데이터의 결과 값인 레이블(Label)이 있는 예측 알고리즘을 말하며 지도학습은 회귀분석문제(Regression problem)와 분류문제(Classification Problem)으로 나뉘는데 회귀분석 문제는 결과 값이 연속된 결과값(Continuos output)인 경우로 예를들어 건물의 면적에 따라 건물 가격을 예측하는 등의 사례가 있습니다. 분류문제 같은 경우에는 결과 값이 연속되지 않는 이산형(Discrete output)으로 받은 이메일을 스팸과 스팸이 아닌 것으로 나누는 등의 예시를 들 수 있습니다.

비지도학습

비지도학습(Unsupervised learning)은 결과 값인 레이블(Label)이 없는 학습 알고리즘으로 특정한 결과 값의 형태가 없으며 데이터들 간의 어떤 영향을 주는지에 대한 정의도 명확치 않은 학습 방법으로서 크게 군집 방법(Clustering)과 비군집 방법(Non clustering)으로 나뉘며 군집방법은 비슷한 특징을 가진 데이터들을 군집화 하여 결과를 예측하는 방법을 말하며 비군집방법은 혼란스러운 환경에서 어떤 구조(Structure)를 찾는 알고리즘을 말하며 그 예시는 칵테일 파티 문제로 칵테일 파티에서 여러 목소리와 음성이 섞인 파일을 개개의 목소리 음성으로 나누는 알고리즘을 들 수 있습니다.

강화학습

강화학습(Reinforcement learning)은 머신러닝의 한 영역으로 컴퓨터 에이전트가 역동적인 환경에서 반복적인 시행착오 상호작용을 통해 작업 수행 방법을 학습하는 방법입니다. 행동심리학에서 유래된 것으로 정의된 에이전트는 현재의 상태를 인식하여 선택 가능한 행동들 중 보상을 최대화하는 행동 혹은 행동 순서를 선택합니다. 또한 에이전트는 인간 개입 또는 작업 수행을 위한 프로그램 없이 작업에 대한 보상을 최대화 하는 결정을 내릴 수 있습니다.

딥러닝이란?

딥러닝은 머신러닝에서 더 심화된 내용이자 하위 개념으로 더 복잠한 문제들을 풀기 위하여 필요한 알고리즘으로 인간의 뇌 신경망을 모방한 인공신경망, 즉 Artificial Neural Network이다. 딥러닝은 일반적으로 진행되는 데이터 전처리 작업 중에 일부를 거치치 않아도 되며 텍스트와 이미지 음성과 같은 비정형적인 데이터를 수집하고 처리할 수 있습니다. 인공신경망은 기본적으로 세개 이상의 계층으로 설계되며 기본적으로 인간 두뇌의 생물학적 신경망으로 부터 영감을 얻어 표준화 하였으며 기본적인 머신러닝 모델 보다 훨씬 뛰어난 학습 프로세스를 제공합니다. 인간의 뇌는 1000억 개가 넘는 100조개 이상의 시냅스를 통해 서 연결되어 있고 인공신경망 또한 이를 모델링 한 것이며 최근에는 여러 신경망들이 다중으로 계층을 형성하는 구조로 많이 설계가 됩니다. 설계 된 후 에는 머신러닝과 같이 기울기 하강(Gradient Descent)과 역전파 프로세스(Backward propagation) 알고리즘을 통해 가중치와 편향을 학습하고 조정하는 것입니다. 딥러닝의 종류에는 ANN(Artificail Neural Network), CNN(Convolutional Neural Network), RNN(Recurrent Neural Network)등이 있습니다.

답글 남기기