개인적으로 급격하게 머신러닝에 대한 관심이 커져서 한동안 머신러닝에 빠져있었다. 공부를 하며 정리한 내용들을 공유하려한다.

머신러닝

머신러닝은 인공지능, 딥러닝, 빅데이터 등과 뗄 수 없는 관계에 있다. 모두 다 비슷해 보이지만 사실은 조금씩 다르다. 머신러닝은 한마디로 명시적으로 정의되지 않은 패턴을 컴퓨터가 데이터를 학습하여 결과물을 만드는 학문이라고 할 수 있다.

인공지능, 머신러닝, 딥러닝

머신러닝의 기반은 인공지능이라고 할 수 있다. 즉 인공지능이라는 큰 원 안에 머신러닝이 포함되어 있다고 볼 수 있다. 딥러닝 또한 머신러닝에 포함되어 있는 모양으로 설명할 수 있는데, 인공지능 - 머신러닝 - 딥러닝 순으로 포함된 작은 원이 된다.

머신러닝의 역사

머신러닝은 인공지능과 뗄 수 없기 때문에 역사는 1950년쯤 부터 시작된다고 볼 수 있다. 인공지능에서 딥러닝까지의 시대를 간략히 훑어보자.

인공지능의 시대

인공지능은 컴퓨터로 인간의 지능을 구현하려는 시도에서 시작되었다. 인공지능은 여러 규칙들을 조합하는 방식으로 설명되며 1950년부터 활발히 연구되었다. 이러한 규칙기반의 인공지능 기법이 60년대에 들어서면서 인간의 신경망을 본딴 신경망 기반의 인공지능으로 발전한다. 퍼셉트론이라는 신경망이 개발되어 입출력이 유연한 인공지능을 만들 수 있었지만, 데이터를 구하기 어렵고 마빈 민스키가 한계를 증명해버리는 바람에 당시의 연구는 그다지 빛을 발하지 못하였다. 이 한계는 마빈 민스키의 증명이후 약 20년 뒤인 1986년에서야 겨우 깨지게 된다. 이 20년에 가까운 시기를 인공지능의 겨울이라고 한다.

머신러닝의 시대

규칙을 기반으로 한 인공지능이 대새였던 20세기 중반과는 다르게 20세기 후반에는 데이터 중심의 통계학적 접근이 큰 성과를 냈다. 이렇게 통계학적 접근이 가미된 방법을 머신러닝이라고 불렀다. 닷컴버블 이후 웹에서 쏟아지는 정보들을 비약적으로 좋아진 하드웨어와 기술들을 이용해 처리할 수 있게되었다. 특히 분산처리, 대용량 저장등과 빅데이터의 결합은 엄청난 시너지를 내게 되었다.

딥러닝의 시대

2010년 빅데이터 붐이 일고, 하드웨어(특히 GPU)의 발전으로 다시 신경망연구에 연구자들의 눈길이 가기 시작했다. 빅데이터와 새로 개발된 이론들을 융합하니 통계학적 머신러닝보다 성과가 좋게 나오기 시작한것이다. 이때 사용한 신경망의 깊이가 깊어져 이를 딥러닝이라고 부르게 된다. 어느정도 무르익은 통계학적 머신러닝기법과 쏟아져나오는 데이터의 신경망과의 융합은 폭발적이었고 이는 2017년 현재까지도 트렌드이다.

머신러닝의 분류

머신러닝은 학습방법과 기법에따라 분류할 수 있다. 학습방법에 따라 지도학습, 비지도학습, 강화학습으로 분류할 수 있고, 기법에 따라 통계적기법과, 딥러닝으로 분류할 수 있다.

다음시간에는 머신러닝의 분류에 대해 조금 더 자세히 알아보자.

2023년 새해에는 성장하고 함께하고 싶다면?

Pre A 단계 이상의 스타트업 C 레벨들이 모여서 커뮤니티를 만들었습니다. 같이 스터디하고 친해질 일잘러를 찾습니다.