AI, Machine Learning, Deep Learning | 차이점

인공지능 (Artificial Intelligence, AI)

- 인간처럼 학습, 추론, 문제를 해결할 수 있는 지능을 가진 컴퓨터 시스템. AI는 가장 넓은 개념으로 광범위한 기술을 포함하며, 이 중 하나가 ML

- 다르게 표현하면 동적 컴퓨팅 환경에 내장된 알고리즘을 생성하고 적용하여 인간의 지능을 모방하는 기초적인 지능

- AI는 ML, 자연어 처리, 로봇공학, 컴퓨터 비전 등 다양한 분야를 포함

 

+ AI를 인간과 동등한 '지능을 가진' 것으로 간주하는 것은 지나친 단순화일 수 있다. AI의 '지능'은 여전히 인간이 설계한 알고리즘과 데이터에 의존하는 것으로 이해해야 함

머신러닝 (Machine Learning)

- 컴퓨터가 자동으로 데이터를 기반으로 학습하고 예측하며 패턴을 인식하는 능력을 개발하는 분야이고, 또 머신러닝은 특정 작업에 대한 성능을 개선. (ML은 인공지능의 하위 집합)

- 머신러닝은 지도학습(Supervised learning), 비지도학습(Unsupervised learning) 등 다양한 방법론을 포함

- 머신러닝 라이브러리 : 사이킷런(scikit-learn)

 

딥러닝 (Deep Learning)

- 특히 신경망(Neural Networks)을 사용하는 방법론을 말합니다. 딥러닝은 많은 레이어를 가진 신경망을 사용하여 복잡한 패턴을 학습하고, 이는 인간의 뇌가 작동하는 방식을 모방하여 개발됨. (DL은 머신러닝의 한 분야)

- 이미지 인식, 음성 인식, 자연어 처리 등에서 뛰어난 성능을 보여줌

- 딥러닝 라이브러리 : 텐서플로(TensorFlow, Google), 파이토치(PyTorch, 페이스북)는 인공 신경망 알고리즘을 다루고 파이썬 API 다룬다.

 

+ 인공 신경망은 인간의 뇌에서 신경 세포(뉴런)가 작동하는 방식을 모방한 것. 이러한 신경망은 여러 레이어로 구성되어 있으며, 각 층은 다양한 수준의 추상화와 데이터 표현을 학습할 수 있음

 

 

"인공지능 > 머신러닝 > 딥러닝"

 

요약하자면, 인공지능은 가장 넓은 개념이고, 머신러닝은 인공지능의 한 방법론으로, 데이터를 기반으로 학습하는 알고리즘들을 포함한다. 딥러닝은 머신러닝의 한 종류로, 특히 신경망을 사용하는 복잡한 학습 방법을 말한다. 따라서, 딥러닝은 머신러닝의 하위 집합이며, 머신러닝은 인공지능의 하위 집합으로 볼 수 있다.

 

 

---

<AI의 역사>

출처 : 혼자 공부하는 머신러닝 딥러닝

튜링 테스트

1950년에 앨런 튜링이 제안한 "튜링 테스트"는 인간과 구별할 수 없는 방식으로 대화하는 컴퓨터 프로그램의 능력을 평가하는 방법

<조사관이 블라인드 상태에서 컴퓨터와 글로 대화를 나눈 후, 대화 상대가 사람인지 컴퓨터인지 판단할 수 없게 되면 컴퓨터는 지능이 있는 것으로 튜링 시험에 합격 판정을 받는다>

 

튜링 테스트를 "통과"했다고 주장하는 몇몇 사례가 있지만 이런 주장들은 매우 논란의 대상이 되고 있고, 현재까지 인정받는 의미에서의 튜링 테스트를 완전히 통과한 컴퓨터 프로그램은 없다. 현대의 AI, 특히 자연어 처리 기술은 매우 발전했지만, 여전히 복잡한 인간의 대화 능력을 완전히 모방하는 데는 한계가 있다. 결론적으로, 튜링 테스트의 통과 여부는 프로그램의 성능을 평가하는 하나의 방법이긴 하지만, 이를 단순히 통과했다고 해서 그 프로그램이 진정한 인간 수준의 지능을 갖추었다고 보기는 어렵다.

 

 

AlexNet

2012년에 개최된 ILSVRC(ImageNet Large Scale Visual Recognition Challenge) 대회의 우승을 차지한 컨볼루션 신경망(CNN) 구조

 

텐서플로(TensorFlow)

구글리서치 산하의 딥러닝 팀인 구글브레인 팀이 오픈 소스로 공개한 머신러닝 라이브러리