인공지능, 머신러닝, 딥러닝의 개념과 IT업종이 아니라도 공부 해야 하는 이유

안녕하세요. "기억하고자 하는 모든 것"을 담아내는 "리멤버미" 입니다.

 

요즘 인공지능 머신러닝 그리고 딥러닝 용어를 많이 접하실텐데요

1. 아직 개념이 정확히 잡히지 않으신분

2. 어디에 써먹는지 모르겠는분

3. 나도 공부해야할지 고민되시는분

이런 분들께 조금이나마 도움이 됐으면하는 바램으로 글을 씁니다.

 

의외로 인공지능이란 단어는 1956년에 처음 탄생되었습니다.

지속 발전해오면서 산업에 조금씩 스며들었지만 알파고와의 대전으로 딥러닝기법이 주목받으면서 급속도로 산업이 성장하기 시작했습니다. 

 

불가 몇년 전만 해도 비인기 연구 분야라 당시 연구했던 분들은 대부분 교수직 초빙을 받기도 하고 산업에서는 인공지능 관련 인력의 부족 사태를 겪고 있죠.

그런 인공지능 분야 중에서도 컴퓨터비전과 자연어처리에 가장 많이 활용되고 있는 머신러닝의 개념을 짚어보겠습니다.

※ 컴퓨터비전 : 시각적 세계를 해석하고 이해 (영상, 이미지 해석으로 대표적으로 자율주행을 위한 객체인식이 있습니다.)

    자연어처리 : 텍스트와 데이터를 처리하고 해석 (컴퓨터 입장에는 인간의 언어가 자연어라 일컫습니다.)

 

머신러닝이란 기계를 학습시키는 방법으로 인공지능에 속한 개념이며

딥러닝은 수 많은 머신러닝의 기법 중 하나로서 현재 인공지능 붐을 일으킨 장본인이기도 합니다. 

 

 

"그렇다면 머신러닝이란 무엇일까요?"

 

크게 나누면 지도학습, 비지도학습, 강화학습으로 구분할 수 있습니다.

 

지도학습은 데이터(X)와 정답(Y)을 알려줘서 컴퓨터를 학습 시키고 생성된 모델로 예측하는 것으로 분류(classification)와 회귀(regression)분석이 있습니다. 

분류는 강아지와 고양이 사진을 구분하는것을 떠올리시면 이해하기 쉬우실거고

회귀는 정량적인 데이터 값을 예측하는 것으로 이해하시면 되겠습니다.

 

비지도학습은 데이터(X) 만 있고 정답(Y)은 없는상태에서 학습 시키는 것으로 대표적으로 군집화(Clustering)방법이 있습니다.

예를들어 이 사진이 강아지인지 고양이인지는 모르겠으나 두 생명체의 차이를 구분하여 A집단과 B집단으로 나누는것을 상상하시면 되겠습니다.

 

마지막으로 강화학습은 데이터(X)도 정답(Y)도 없는 상태에서 환경(environments)과 행위자(Agent)의 action과 reward에 따라 실시간으로 모델을 학습시키는 것입니다.

대표적으로 바둑게임의 알파고가 있으며 로봇공학과 배치최적화, 게임등에서 활용됩니다. 

 

 

 

"저는 인공지능학과도 아니고 IT업계에 종사하지 않는데 인공지능을 공부해야하나요?"

 

저의 생각은 "YES" 입니다.

왜냐하면 딥러닝을 포함한 머신러닝기법들은 전 분야에 걸쳐 활용할 수 있기 때문인데요. 

AI 인력이 부족한 것도 있지만 자신이 종사하고 있는 산업의 전문가라면 더 빠르고 효율적으로 머신러닝을 활용할 수 있습니다.

예를들어 반도체 공정과 관련한 예측을 한다면 AI전문가라도 반도체 지식과 공정 데이터들을 이해하고 있어야만 합니다. 반면 반도체 전문가가 AI 지식이 부족하더라도 이미 만들어진 모델 라이브러리로 어느정도 활용 가능합니다.

 코딩이라는 장벽이 있을 수 있으나 향후에는 노코드, 즉, GUI 형태로 인공지능을 활용하는 날도 머지 않을 것입니다.

그렇기 때문에 머신러닝의 기법들의 공부하여 이해하고 있다면 자신이 속한 산업의 전문가이면서 동시에 인공지능 전문가로 성장할 수 있을 것입니다.