머신 러닝(Machine Learning)은 컴퓨터가 알고리즘을 활용하여 데이터에서 유의미한 패턴을 찾아내는 인공 지능의 기능입니다. AI는 일반적으로 어떤 것을 계획하고, 배우며, 추론하고, 문제를 인식해 해결하고 행동하는 능력을 가지고 있습니다. 머신 러닝은 인공지능(AI)에서 사용하는 많은 접근 방식 중 하나이며 모든 인공지능(AI)의 기술적 발전 뒤에는 머신 러닝의 알고리즘이 자리하고 있습니다. 이 글에서는 머신 러닝의 개념과 주요 용어를 살펴보도록 하겠습니다.
머신 러닝(Machine Learning)은 스스로 규칙을 수정하며 학습합니다.
전통적인 프로그램은 사람이 정해놓은 규칙에 따라 동작합니다. 사람이 일정한 규칙을 정한뒤 프로그래밍을 통해 컴퓨터에 입력하면 컴퓨터는 그 규칙에 따라 결과값을 사람에게 알려주고 사람은 컴퓨터가 도출한 결과값을 보며 그 규칙을 조금씩 수정해 나아가는 것이 전통적인 프로그래밍 방식입니다. 반면, 머신 러닝은 사람이 만든 프로그램이지만 규칙을 스스로 찾아 수정하는 과정을 진행합니다. 이렇게 규칙을 찾아 수정하는 과정을 학습이라고하며 머신 러닝의 가장 중요한 개념입니다.
머신 러닝(Machine Learning)에는 세 가지 학습 방식이 있습니다.
머신 러닝의 학습 방법은 형태에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 나눌 수 있습니다.
- 지도 학습(Supervised Learning)
지도 학습은 답이 정해져 있는 데이터를 컴퓨터에게 학습시켜 새롭게 확보하는 데이터에 대해 컴퓨터가 결과를 예측할 수 있도록 하는 학습 방법입니다. 즉 학습을 통해 예측하는 프로그램으로 이해하면 되는데 예를 들면 사과라고 표기된 사진을 학습시켜 모델을 만들고 만들어진 모델에 새로운 사진을 입력하면 그 사진이 사과인지 아닌지를 예측하는 방법입니다.
이러한 모델을 훈련시키기 위해 사용하는 데이터를 '훈련 데이터'라고 합니다. 그리고 훈련 데이터는 입력과 타깃으로 구성됩니다. 입력은 만들어진 모델이 풀어내야 할 일종의 문제라고 할 수 있으며, 타깃은 모델이 알아내야할 혹은 맞춰야 할 답과 같은 개념입니다. 문제에 대한 답을 미리 주는 방법으로 훈련시키는 것으로 모델은 새로운 입력에 대한 예측을 만들어 냅니다.
- 비지도 학습(Unsupervised Learning)
비지도 학습은 지도 학습과는 다르게 미리 정답을 알려주지 않고 예측하는 방법으로 데이터로부터 패턴이나 일정한 형태를 찾아 유사한 데이터들끼리 그룹핑하여 예측하는 학습 방법입니다. 어떤 기업이 자신의 고객의 성향에 따라 그룹핑을 하는 것과 유사한 형태로 그룹을 만들기 전까지는 어떤 그룹이 있는지 또 몇 개의 그룹이 만들어질지 알 수 없습니다. 지도 학습 모델에서 타깃이 없는 것입니다. 비지도 학습은 타깃이 없어 모델의 훈련결과를 즉각적으로 평가하기 어려운 특징이 있습니다.
- 강화 학습(Reinforcement Learning)
강화 학습은 학습에 필요한 데이터를 미리 준비시키지 않는 방법으로 에이전트(Agent), 환경(Enviroment), 행동(Action), 보상(Reward)의 개념이 있습니다. 강화 학습은 머신러닝 알고리즘으로 에이전트라는 것을 훈련시킵니다. 학습을 수행할 에이전트와 에이전트가 활동하게 될 환경이 생성되면, 환경에서 에이전트의 행동을 관찰하고 이 행동에 따른 보상을 주는 방식입니다. 이런 일련의 과정을 통해 에이전트의 행동이 더 개선된 방향으로 나아갈 수 있도록 하는 방식입니다. 에이전트의 목표는 가능한한 많은 보상을 받는 것으로써 주어진 환경에서 최대한 많은 행동을 수행하여 학습하게 됩니다. 강화 학습의 대표적인 예로는 알파고(AlphaGo)가 있습니다.
머신 러닝(Machine Learning)은 우리의 일상에 어떻게 적용되고 있나요?
머신 러닝의 응용 분야는 방대합니다. 우선 검색엔진에서 머신 러닝은 오랫동안 필수적인 부분이었습니다. 머신 러닝은 검색 엔진이 검색에서 더 관련성 있는 결과를 찾아낼 수 있도록 지속적으로 지원하며, 음성기반 검색, 이미지 검색 등 여러 검색 기능을 개선하고 발전시키는데 활용되고 있습니다. 또한 머신 러닝은 넷플릭스, 유튜브 등에서 나에게 맞는 서비스 추천을 위해 실행되고 있으며 의료분야에서도 의료 영상을 사용한 진단 등을 통해 광범위하게 적용되고 있습니다.
댓글