인공지능에서 머신러닝과 딥러닝의 차이

○ 인공지능이란?  인공지능은 인간의 지능을 모방하여 사람이 하는 일을 컴퓨터가 할 수 있도록 하는 기술임

 - 즉 컴퓨터가 사람처럼 생각을 하고 행동할 수 있으며 사람이 반복해서 했던 행동들을 대신해 주거나 사람이 실수할 수 있는 영역에서 그것을 대신해서 정확하게 판단해주는 역할을 함

 - 인공지능은 1950년대에 등장했으며 '컴퓨터가 사람처럼 스스로 생각하고 행동을 할 수 있을까?' 라는 생각에서 부터 시작됨

※ 인공지능 > 머신러닝 > 딥러닝

인공지능과 머신러닝, 딥러닝의 관계

 

○ 머신러닝(입력데이터를 이용해 알지못하는 변수를 반복적으로 학습해나가면서 예측하는 알고리즘)

 - 기계가 학습하는 모든걸 통칭하고 이미 있는 특징들을 이용해서 학습을 함

 - 훈련데이터를 통해 학습된 속성을 기반으로 예측 및 분류

 - 예를들어 사람의 얼굴을 분석한다고 했을 때 눈,코,입 등을 다 알려주고 시작(인간이 먼저 전처리를 해야함)

 - 딥러닝보다 상대적으로 학습시간이 짧다.

머신러닝

머신러닝의 종류

○ 딥러닝(인공신경망을 사용한 머신러닝 알고리즘)

 - 인간의 신경망 원리를 모방한 심층 신경망 이론을 기반으로 고안된 머신러닝 방법의 일종

 - 특징을 미리 알려주지 않고 방대한 양의 데이터 안에서 스스로 특징을 찾아내 학습함

 - 예를들어 사람의 얼굴을 통채로 집어넣고 눈,코,입을 가진것이 사람이다 라는것을 알려주고 시작

 - 학습시간이 길다.

 - 고사양의 하드웨어 필수(CPU, GPU, TPU)

 - 인공신경망은 머신러닝 방법론보다 구조 구축에 대한 자유도가 크다. 즉 연구자가 원하는 구조를 구현할 수 있기 때문에 다른 모델들 보다 뛰어난 성능을 얻을 수 있다.

딥러닝

○ 머신러닝과 딥러닝 비교

구분	머신러닝	딥러닝
동작 원리	입력데이터에 알고리즘을 적용하여 예측을 수행한다	정보를 전달하는 신경망을 사용하여 데이터 특징 및 관계를 해석한다.
재사용	입력데이터를 분석하기 위해 다양한 알고리즘을 사용하며, 동일한 유형의 데이터 분석을 위한 재사용은 불가능하다.	구현된 알고리즘은 동일한 유형의 데이터를 분석하는데 재사용된다.
데이터	일반적으로 수천 개의 데이터가 필요하다.	수백만 개 이상의 데이터가 필요하다.
훈련시간	단시간	장시간
결과	일반적으로 점수 또는 분류 등 숫자값	출력은 점수, 텍스트, 소리 등 어떤것이든 가능

 

 

 

 

 

 

 

참고: 딥러닝 텐서플로 교과서