[Theme 01] What is Artificial Intelligence / Machine Learning / Deep Learning?

안녕하세요 Pulluper입니다. 😀

이번에 Basic ML이라는 새로운 카테고리를 가지고 포스팅을 시작했습니다. 

여기서는 machine learning 의 개념과 기본적인 내용들을 다뤄볼 예정입니다. 

오늘은 그 첫번째 주제인 Artificial Intelligence와 Machine Learning  그리고 Deep Learning의 차이에 대하여 알아보겠습니다.  그럼 시작해보겠습니다. 

---

AI (Artificial Intelligence) 

 

인공지능이라고 불리우는 이 AI는 인간의 지능을 컴퓨터로 모방하는 것 입니다. 이 용어는 1956년 다트머스 회의 에서 처음 사용되었으며, 컴퓨터가 생각할 수 있는지를 논의 하였습니다. 인간의 지적 능력을 컴퓨터로 구현하는것이 AI의 목표입니다. 현재 2021년 11월에 죠슈아뱅지오 교수님께서는 아직 AI는 1살의 아기보다도 못한 지능을 가지고 있다고 말씀하셨습니다. AI는 Machine Learning  그리고 Deep Learning을 모두 포괄하는 개념입니다. 앞으로 점점 발전을 한다면 영화 AI 처럼 컴퓨터 또는 로봇이 하나의 인격체가 되어 우리와 어울려 사는 날이 올수 도 있습니다. 여러분은 어떻게 생각하시나요?

---

ML (Machine Learning)

 

머신러닝은 말 그대로 기계학습 입니다. 즉, 기계(컴퓨터)가 스스로 학습 할 수 있는 알고리즘 혹은 방법론을 포괄하는 개념입니다. 전통적인 프로그래밍은 프로그래머의 규칙과 프로세스를 통해서 어떤 문제를 해결하고 작업을 진행했습니다. 그러나 Machine learning은 data를 통해서 컴퓨터 스스로가 어떤 문제나 작업을 진행 할 수 있도록 스스로 학습한 규칙/프로세스를 학습하는 것 입니다. 이후에 data를 통해서 발견한 pattern이나 특징들을 통해서 규칙을 만들고 원하는 작업을 할 수 있게 하는 것 입니다. 

전통적 프로그래밍 vs ML

---

DL (Deep Learning)

 

딥러닝이란 사람의 뉴런을 본따서 만든 딥 뉴럴 네트워크를 사용한 머신 러닝의 한 분야입니다. 딥러닝을 학습하는것은 어려운 일이었는데 역전파 알고리즘이 성공적으로 딥 뉴럴 네트워크를 학습시키면서 이미지 인식, 음석인식등의 여러 분야에서 성능이 획기적으로 많이 올랐으며 최근의 연구 개발의 중심이 되었습니다. Deep의 뜻은 딥 뉴럴 네트워크(deep neural network)는 계층적 혹은 layer로 구성이 되어 있는데, 각 층이 깊다는 뜻 입니다. 🥰

---

Artificial Intelligence / Machine Learning / Deep Learning 의 관계

 

각각은 포함관계를 가지고 있습니다. Deep Learning $\subset$ Machine Learning  $\subset$ Artificial Intelligence

AI는 machine learning을 포함하며, deep learning 은 machine learning 의 한 분야 입니다.  😎😎

---

앞으로 우리는 Machine Learning에 대하여 정리를 해 갈 것 입니다. 

그렇다면 다음 주제로 ML(Machine Learning)의 종류에 대하여 알아 보겠습니다. 

 

Supervised Learning

supervised learning이란 지도학습 입니다. 예전에 구몬과 같은 학습지와 같은 학습방법으로 문제와 정답을 주어줍니다. data가 문제와 정답의 pair(x, y) 로 주어져서 기계는 새로운 x 에 대한 정답 y을 내놓도록 하는 학습방법입니다. 예를들어 regeression(회귀), classification(분류) 등의 문제가 있습니다.

classification vs regression

 

 

Unsupervised Learning

unsupervised learning은 비지도 학습입니다. supervised learing 과의 가장 큰 차이점은 data에 대한 정답이 주어지지 않고 문제 or data (x) 만 주어진다는 것 입니다. 이렇게 되면 학습을 할 수 있는 부분은 x 들에 대한 관계를 학습하게 됩니다. unsupervised learning 의 예로는 clustering(군집화), dimensionaly reduction(차원축소), generative model(생성모델) 등이 있습니다.  

군집화와 차원축소 for mnist dataset

 

Reinforcement Learning

강화학습(reinforcement learning)은 행동심리학에서 영향을 받았습니다. 이 개념은 위의 두 학습 방법과 달리 agent, environment, state, action, reward 등의 개념을 가지고 자신이 원하는 방향으로 행동을 할 때, reward를 받을 수 있도록 설계한 학습 방법입니다. 이 방법의 예로는 deep q learning, robot제어, game AI(알파고) 등이 존재합니다. 

 

reinforcement learning 의 개념

 

cf ) Semi-supervised learning?

Supervised learning 와 Unsupervised learning 를 결합한 학습입니다. 예를 들어 이미지 인식 모델에서 먼저 학습을 통해서 이미지의 feature들을 얻고 다른 많은 이미지에 대하여 clustering을 하여 분류된 이미지를 label에 맞게 학습합니다. Label을 만드는 것은 supervised 로 적용합니다. Deep Brief Networks DBNs등이 있습니다

 

마지막으로 다음 그림으로 이번 포스팅의 내용을 정리할 수 있겠습니다. 😎😎😎

 

AI/ML/DL의 관계와 ML의 종류

---

Quiz 

 

1. 다음 개념들을 비교를 통해 설명하세요.

• AI vs ML vs DL

2. 다음 개념을 설명하고 예를 들으세요.

• Supervised Learning
• Unsupervised Learning
• Reinforcement Learning
• Semi-supervised learning

 

Reference 

https://www.youtube.com/watch?v=dZ4vw6v3LcA&list=PLlMkM4tgfjnKsCWav-Z2F-MMFRx-2gMGG