딥러닝과 머신러닝, 인공지능은 각각 무슨차이가있나요?
딥러닝과 머신러닝, 인공지능은 각각 무슨차이이며 어떤 성능을 기대할 수 있나요? 추가로 신경망을 프로그래밍 할 때 주의해야 하는 점이 있나요?
디멘션을 쌓을 때 수식의 변화와 디멘션의 추가 사이에서 결정하는 근거는 어떤점이 있나요?
안녕하세요 딥러닝 개발자입니다.
일단 간단하게 설명해드리면 (인공지능(머신러닝(딥러닝))) 이라고 보시면 됩니다.
인공지능이 가장 포괄적인 내용이고요 사실 인공지능 머신러닝 딥러닝 따로 구분을 명확히 하기엔 겹치는 내용이 너무나 많습니다.
일단 사전적 의미는 인간의 지능으로 할 수 있는 사고 학습, 자기 개발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 분야입니다.
인공지능이란 기계를 지능적으로 만드는 것인데요
어떤 문제를 해결할때 알고리즘을 기반으로 하는데
기존의 알고리즘은 입력값들에 대해 어떤 규칙을 정해줘서 그 규칙대로 출력값을 만들어라 라고 했다면
인공지능은 그 규칙을 자체적으로 생성하는 것입니다.
머신러닝은 인공지능의 하위 개념인데요
알고리즘을 이용하여 데이터를 분석하고 분석을 통해서 학습을 하고 학습한 내용으로 판단 또는 예측을 합니다.
딥러닝은 인공신경망에서 발전하였습니다. 사람의 뇌 뉴런의 구조와 유사하게 입출력 사이에 다양한 계층을 쌓아서 데이터를 학습합니다.
머신러닝과 딥러닝은 구분하기가 힘들정도로 사실 의미가 비슷합니다. 용어를 혼용해서 쓰기도 하고요 사실 사람마다 말하는게 다르지만 딥러닝은 머신러닝에 포함되는 개념이고요
최근 공부하고 있던 책에 나왔던 내용으로 설명해드리자면 머신러닝과 딥러닝을 아래와 같이 구분하고 있습니다.
머신러닝은 행과 열이 존재하는 행렬(정형 데이터)을 이용해 뭔가 에측 또는 분류 하고 싶을때 사용
딥러닝은 이미지 또는 텍스트와 같은 정형화돼 있지 않은(비정형 데이터)를 사용할 때는 딥러닝을 사용한다고 합니다.
다소 헷갈리고 부족한 답변이지만 도움이 되셨길 바래요 감사합니다.
그림[1]과 같이 인공지능의 한 부분이 머신러닝, 머신러닝의 한 부분이 딥러닝이라고 생각하시면 됩니다.
인공지능 : 인간의 일을 기계가 할 수 있도록 구현
머신러닝 : 알고리즘을 이용해 데이터를 분석하고, 분석을 통해 학습하며, 학습한 내용을 기반으로 판단이나 예측
딥러닝 : 완전한 머신 러닝을 실현하는 기술
신경망을 프로그래밍 할 때 주의해야 하는 점
1. 문제에 대한 이해
해결 하려는 문제가 어떤 문제인지 (regression? classification?) 알아야 신경망 구현시 어떠한 모델을 써야하고 층의 개수는 어느 정도 해야할지에 대한 감이 잡힙니다.
2. 너무 과한건 좋지 않다.
데이터의 구조를 확인하고 층의 개수를 정하기 마련입니다. 모델이 복잡할수록 Under fitting 될 확률은 낮아지는게 맞지만, 그만큼 시간과 비용의 소요가 상당합니다. 컴퓨터의 사양에 따라 이 차이는 더 커지게 되므로 적절한 파라메터 조정이 필요합니다.
3. 최적화
최적화가 딥러닝의 완성이라고 말할 수 있을 정도로 최적화 작업은 중요합니다. 하지만 최적화에 대한 개념은 이해가 어렵고 구현하기도 쉽지 않아 대부분의 사람들은 여러번 모델을 돌려보며 직접 최적 값을 찾습니다. (주로 Grid Search 방법을 이용합니다)
디멘션을 쌓을 때 수식의 변화와 디멘션의 추가 사이에서 결정하는 근거
-> 차원을 증가시킨다는 것이 신경망 모델에서 층을 쌓는 개념을 말씀하신 것이라면 역전파 알고리즘에 대해 공부하시면 좋을 것 같습니다.[2]
-> 신경망에서 층의 개수는 주로 데이터의 구조를 확인하여 정하게 됩니다. 모델의 input 변수로 들어가는 feature의 개수의 2배, 3배 등으로 설정합니다. 정답은 없습니다.
Reference
[1] https://blogs.nvidia.co.kr/2016/08/03/difference_ai_learning_machinelearning/
[2] https://ko.wikipedia.org/wiki/%EC%97%AD%EC%A0%84%ED%8C%8C
