[디지털 트랜스포메이션이 만들 내일] (8) 머신러닝과 딥러닝 무엇이 다른가

머신러닝, 딥러닝, 인공신경망, 온톨로지….

어디선가 많이 들어본 말이죠? 최근 인공지능에 대한 사회적 관심이 커지면서 관련한 기술 용어들을 전문 뉴스뿐만 아니라 일상 생활에서도 흔히 접하고 있습니다.

특히 지난해 프로 바둑기사 이세돌과 ‘알파고’의 대국 이후로 인공지능 관련 단어들이 유행어처럼 퍼지고 있는데, 정작 많은 이들은 정확한 의미를 몰라 이렇게 질문을 하곤 합니다.

“머신러닝과 딥러닝의 차이가 뭔가요?”

“인공신경망은 인간의 뇌 구조를 참고했다는데 사실인가요?”

“‘왓슨’과 알파고는 같은 인공지능인가요?”

많은 이들이 가장 궁금해 하는 것 중 하나가 “머신러닝은 도대체 무엇이고 딥러닝은 또 무엇인가” 하는 질문인데요. 기본 개념과 사례를 설명하고자 합니다.

머신러닝은 ‘Machine’(기계)과 ‘Learning’(학습)의 합성어로 ’기계 학습’을 뜻합니다. 기계가 특정 규칙과 논리에 따라 방대한 데이터를 분석(Learning)한 뒤 이를 기반으로 어떠한 것을 예측(Prediction)한다는 뜻입니다.

딥러닝(Deep Learning)은 머신러닝의 일종으로 기계가 사람처럼 스스로 데이터를 분석·학습하고 특징을 추출하는 과정을 의미합니다.

딥러닝은 ‘인공신경망’이라고 하는 인간의 뇌 구조를 바탕으로 한 알고리즘을 기반으로 하고 있는데요. 여기서 인공신경망은 기계가 스스로 데이터를 분석하고 답을 내는 방식이라 할 수 있습니다.

결국 기계가 데이터를 학습하여 특정한 답을 얻기 위해 사용되는 기술이라는 점에서 머신러닝과 딥러닝, 두 개념은 유사합니다만 분명한 차이점이 존재합니다.

바로 기계의 ‘학습 방법’에 있습니다. 머신러닝은 ‘지도학습’(Supervised Learning)을, 딥러닝은 ’비(悲)지도학습’(Unsupervised Learning) 방법으로 각각 동작합니다. 비지도학습은 자율학습이라고도 합니다.

지도학습은 사람이 이미 알고 있는 답을 데이터로 컴퓨터를 학습시킨 뒤 새 데이터를 학습 모델(알고리즘)에 적용시켜 결과값을 예측하는 과정을 가리킵니다. 초기에 필요한 답을 찾기 위해 데이터를 분류하고 기계를 학습시키는 과정에서 사람의 노력이 일정 부분 필요하죠.

컴퓨터가 학습할 데이터를 선별하는 것부터 원하는 결과값이 나올 수 있도록 데이터와 알고리즘을 조정하는 일까지 사람의 개입이 발생하게 되는데요. 이는 우리가 일반적으로 알고 있는 머신러닝에 가까운 학습방법이라 할 수 있습니다.

이에 반해 비지도학습에서는 필요한 사전 정보가 없고 입력에 대한 목표 결과값이 주어지지 않습니다. 아울러 스스로 수집된 데이터 간의 유사성을 찾아 입력 데이터를 파악하는 과정을 뜻합니다. 즉 사람의 노력 없이 데이터를 던져주고 컴퓨터가 스스로 학습하여 특정 결론을 도출하는 학습법입니다. 물론 사람의 개입이 없어 컴퓨터가 도출하는 결론이 사람이 얻기를 바랐던 것과 상이할 수 있습니다. 이것은 우리가 일반적으로 알고 있는 딥러닝에 쓰이는 학습법에 가장 가깝습니다.

지도학습과 비지도학습을 구분하여 설명할 때 가장 쉽게 이해할 수 있는 예가 바로 이미지 분석입니다.

SK㈜ C&C의 인공지능 서비스 ‘에이브릴’(AIBRIL)의 이미지 인식 서비스(Watson Visual Recognition) 기반 응용 프로그램 인터페이스(API)를 활용하여 동물의 이미지를 분류하는 과정을 예로 들어 보겠습니다.

이미지별로 특징을 컴퓨터에 학습시키고 새 동물 이미지를 입력하게 되면 이미 정해진 결과값과 비교하여 답을 얻게 됩니다. 머신러닝, 즉 지도학습의 좋은 예라고 볼 수 있습니다.

비지도학습, 즉 딥러닝을 활용하면 단순 데이터 입력만으로 사물을 인식하게 됩니다. 학습의 바탕이 되는 데이터를 정리하지 않은 상태로 주고, 알고리즘이 회선 신경망(Convolutional Neural Network·CNN)을 이용해 스스로 분석한 뒤 답을 찾는 방식입니다. 대표적인 예는 구글(Google)의 ‘텐서플로우’(Tensorflow)로 딥러닝 기반 이미지 인식 기능을 제공하고 있습니다.

출처=플리커(Flickr)

그렇다면 머신러닝과 딥러닝은 어떤 조건과 목적으로 사용되는 것이 효과적일까요? 단적으로 말하자면 고성능의 하드웨어와 방대한 데이터가 확보되어 있다면 딥러닝을, 학습 과정에서 수많은 등급 분류를 사용해야 하거나 최적의 답을 빠르게 도출할 목적이라면 머신러닝을 각각 선택해야 합니다.

머신러닝과 딥러닝 중 무엇이 더 우수한 인공지능 학습법이냐에 대해 논의하는 것은 큰 의미가 없습니다. 인공지능이 필요한 특정 서비스와 상품에 어떤 학습법이 더 효과적인지 판단하고 그에 맞는 충분한 데이터를 확보하고 정교한 알고리즘을 개발하여 적용하는 것이 더 중요할 일입니다.

SK(주) C&C PR팀

*연휴 관계로 지난 2주간 기고가 게재되지 못했습니다. 미리 공지해드리지 못한 점 죄송합니다.