[ Pytorch로 시작하는 딥러닝 ] 1. 인공지능, 머신러닝, 딥러닝

본문은 책 'Pytorch로 시작하는 딥러닝'을 보면서 공부하고 정리한 글입니다.

 

1. 인공지능

인공지능의 시작은 "기계가 생각할 수 있는가?"라는 논란에서 시작됐다.

기계로 인간이 풀기 어려운 문제를 풀도록 학습을 시키는 것인데 사람에게는 쉽고 직관적인 일들을 컴퓨터가 할 수 있도록 프로그래밍하는 것은 상당히 어려운 문제다. 따라서, 초기의 인공지능 머신은 논리적이고 잘 정의된 문제를 풀기위한 Hard code(하드코드)로 구현됐고, 이런 종류의 인공지능은 Symbolic AI라고 한다.

 

하지만, 이 Symbolic AI로 이미지 인식, 객체 검출, 언어 번역 등과 같은 복잡한 문제를 해결할 수 없기 때문에 머신러닝, 딥러닝 등이 제시되고 있다.

 

2. 머신러닝

 

머신러닝은 인공지능의 하위 분야로 기존에 확보한 데이터를 조사하고 분석하여 모델을 만들고 이 모델을 통해 새로운 데이터의 결과를 예측한다. 즉, 데이터와 결과를 통해 규칙을 알아내는 것을 학습하는 과정이다.

 

3. 딥러닝

머신러닝은 피처 추출을 직접 수행한 후 알고리즘을 학습시키지만, 딥러닝은 최신 기법을 사용하여 피처들을 추출하게 된다. 따라서, 딥러닝은 수많은 파라미터들을 이용하여 수학 연산을 수행해야하고 이 때문에 최근 하드웨어가 급격하게 발전하면서 각광받고 있다. 더불어 tensorflow, pytorch와 같은 딥러닝 프레임워크들이 기술의 복잡성을 추상화하고, 애플리케이션에 집중하는 데 도움을 주기 때문에 전보다 코딩을 하기 간편해졌으며, 수많은 데이터들을 수집할 수 있게 되었기 때문에 딥러닝은 최근 큰 이슈가 되었고, 그 성능 또한 지목할만한 성과를 보여주고 있다. 

 

따라서, 위의 헷갈리는 세 개념은 딥러닝(작은 개념) > 머신러닝 > 인공지능(큰 개념) 순으로 속해있다고 생각하면 된다. 

 

특히, 이 책에서 주로 사용하는 딥러닝 프레임워크인 파이토치는 직관적이게 파라미터들을 조정할 수 있어 많이 사용된다. 다음 홈페이지에서 파이토치를 설치하거나 확인해볼 수 있다.

 

 

Reference

Pytorch로 시작하는 딥러닝