AI 산업시장 #1 머신러닝 – 딥러닝, 뭐가 다를까?

 

 

인공지능(AI)은 2016년 ‘알파고 쇼크’ 이후 일반인들에게도 초미의 관심사가 됐습니다. 구글에서 ‘인공지능’을 검색하면 3천810만 개가 넘는 검색 결과가 나옵니다. 그런 AI를 늘 따라다니는 단어가 있습니다. 바로 머신러닝과 딥러닝입니다. 여러분들도 한번쯤은 들어봤을 가능성이 큽니다.

머신러닝과 딥러닝이 대체 뭐기에 그렇게 자주 언급되는 것일까요.

먼저 AI를 간단히 설명하자면, AI는 인간지능의 일부 측면을 모방하는 기계의 능력이라고 할 수 있습니다. 그렇기 때문에 음성 번역, 제품 추천처럼 사람이 수행할 수 있는 인지 작업을 대신하는 소프트웨어 프로그램에 종종 적용됩니다.

그런데 AI의 성능은 학습 능력이 뒷받침될 경우 크게 개선될 수 있습니다. 많은 사람들이 ‘학습’ 능력이야말로 AI의 특징을 대변한다고 말하는 이유입니다.

 

머신러닝과 딥러닝이 중요한 이유도 여기에 있습니다. 머신러닝과 딥러닝은 말하자면, AI의 학습 방법입니다. 차이는 있습니다.

머신러닝은 규칙 기반의 프로그래밍에 의존하지 않고도 작업을 실행하는 방법을 학습할 수 있는 기술의 일종입니다. 여기에는 머신러닝 알고리즘을 사용해 데이터를 처리하는 방식이 수반됩니다.

기본적인 머신러닝 모델은 사람의 감독 하에 준비된 학습용 데이터 세트(실제 또는 시뮬레이션 데이터)를 활용해 발전할 수 있습니다. 이를 ‘지도 학습’이라 부릅니다. 많은 문제와 정답 속에서 패턴을 찾아 다음 문제의 정답 확률을 높인다고 생각하면 좀더 이해가 쉽습니다. 가령 과학자는 특정 유형의 장비 오작동에 대비해 과거 오작동에 관한 상세정보가 정리된 일련의 문서를 컴퓨터에 입력할 수 있습니다. 이를 통해 컴퓨터는 다양한 유형의 오작동 패턴을 식별하고 향후 오작동이 발생하게 되면 이를 감지할 수 있습니다.

‘비지도 학습’의 경우 컴퓨터가 스스로 수많은 데이터를 필터링하고 유의미한 징후를 감지하는 데 주안점을 둡니다. 특정 오작동을 감지하도록 학습하지 않고도 장비의 성능 이상을 유발하는 클러스터를 식별하는 것입니다. 데이터를 군집화해 패턴을 찾아내는 셈이죠. 비지도 학습은 매우 큰 데이터 세트가 동원될 때 최상의 기능을 발휘합니다. 따라서 컴퓨터가 가상 데이터를 대량으로 생성할 수 있다면 더 효과적입니다.

 

반면 딥러닝인간의 뇌를 모방한 신경망 학습 방식입니다. 딥러닝은 각 단계 또는 계층에서 엄청난 양의 데이터를 처리하는 작업이 따르게 되고, 각 층의 결과는 다음 층으로 전달되게 됩니다. 이는 체스 게임, 자율주행차 운전과 같은 실제 세계의 행동을 모방한 정확한 디지털 모델을 구축하기 위한 것입니다.

딥러닝이 자양분으로 삼을 빅데이터를 수집하는 센서는 매일 수백만 개씩 새로 배치되고 있습니다. 사물인터넷(IoT), 산업용 IoT(IIoT)의 등장 때문입니다. 센서 데이터는 AI 애플리케이션을 높은 수준으로 진화시키는 기폭제 역할을 할 수 있습니다. 특히 가상 데이터와 이미지·오디오 파일 같은 유형의 실제 데이터와 접목한다면 더욱 그렇습니다.

보스턴컨설팅그룹은 2020년이면 IoT, IIoT 솔루션에 대한 기업 투자 금액이 267억 달러에 이를 것으로 내다보고 있습니다. 이중 50%는 이산 제조, 운송 및 물류, 공익 사업 분야가 될 것으로 전망됩니다.

<참고링크>

AI 설명 영상 보러가기 <클릭>

www.3ds.com/ko/products-services/exalead/

다쏘시스템코리아

다쏘시스템코리아

다쏘시스템코리아

Latest posts by 다쏘시스템코리아 (see all)

댓글을 달 수 없는 글입니다.