머신러닝과 딥러닝의 정의, 차이, 장단점

AI 기술의 발달로 '머신러닝(기계학습)'을 활용함으로써 업무를 효율화할 수 있다고 화제를 모으고 있습니다. 또 이와 비슷한 AI 기술 중 하나로 '딥러닝'이 있습니다. 그러나 이 두 가지 차이를 이해하지 못하는 사람도 많지 않을까요? 해당 글에서는 이 차이를 다뤄보려고 합니다.

 

머신러닝이란 무엇인가?

먼저 머신러닝에 대해서 알아보겠습니다. 머신러닝(기계학습)이란 AI 기술을 탑재한 시스템에 지식과 규칙을 학습시켜 고정밀 처리를 실시하는 기술을 말합니다. 프로그래밍 언어인 Python을 사용하여 구축되어 있습니다.

 

주로 다음과 같은 세 가지 유형의 학습이 이루어지며, 용도별로 학습 방법이 구분되어 사용되고 있습니다.

 

- 지도 학습 (얼굴인증, 날씨 예측)
- 비지도 학습 (EC 사이트의 추천 기능)
- 강화 학습 (게임, 자율주행)

 

이 세 가지는 답을 가르치느냐, 안 가르치느냐의 차이가 있습니다. 학습 방법을 바꿈으로써 '기대한 대로의 정답을 도출하는 시스템'과 '사람이 예기치 않은 답을 도출하는 시스템'을 만들어 낼 수 있기 때문에 구분해서 사용하고 있는 것입니다.

또, 머신 러닝을 실시할 때는, 빅 데이터를 읽어 들여서 학습시키는 것이 특징입니다. 과거 데이터를 대량으로 읽어들이는 것으로, 정밀도 높은 분석을 실시할 수 있습니다.

 

머신러닝과 딥러닝의 차이

다음으로 머신러닝과 딥러닝의 차이점을 알아보겠습니다. 머신러닝과 유사한 AI 기술로 딥러닝이 있습니다. 머신 러닝은 사전에 준비한 알고리즘의 지정 수에 따라 데이터를 분석합니다.

 

반면 딥러닝은 알고리즘의 수를 지정하지 않고도 자동으로 분석을 계층화합니다. 즉 다음과 같은 차이를 가지고 있습니다.

 

- 인간에 의한 지시가 필요한가?
- 판단 내용의 지시가 필요한가?
- 다각도의 시점에서 분석할 수 있는가?

이것으로부터, 머신 러닝은, 막대한 데이터 근거를 기초로 판단하는 "로봇"이며, 딥 러닝은, 검토를 포함한 AI 기반에 판단을 맡기는 "인간"에 가까운 것이 특징입니다.

 

나아가 머신러닝은 인간에 의한 지시가 필요하지만 딥러닝은 지시 없이도 자동으로 학습해 나간다는 점에서 유사한 AI 기능이라고 할 수 있습니다.

 

머신 러닝의 장점

머신러닝의 장점은 다음과 같습니다.

1. 작업 비용의 삭감

데이터 입력과 같은 반복 작업은 지금까지 인간이 실시하고 있었습니다. 그러나 이 작업은 집중력 저하로 인한 실수 발생과 같은 위험이 있습니다. 또한 데이터양이 막대하면 인간의 작업 비용이 늘어납니다.

머신 러닝을 도입해 학습을 진행시켜 가면, 인간의 작업이라면 시간이 걸려 버리는 처리를 한순간에 해결할 수 있습니다. 데이터 분류나 정리와 같은 인식 능력이 뛰어나기 때문에 작업 비용의 대폭적인 절약으로 이어집니다.

 

2. 복잡한 처리에 대응

머신 러닝은 단순 작업뿐만 아니라 복잡한 작업에도 대응할 수 있습니다. 과거의 정보로부터 장래 예측을 실시하거나, 자율주행 등의 핸들 조작이나 실시간으로 장해물 판단을 실시하는 등, 복수의 처리를 동시에 실시할 수 있습니다.

장기 게임이나 로봇 조작에도 활용할 수 있기 때문에, 다분야에서 주목받고 있습니다.

 

3. 저렴한 가격으로 이용 가능

머신 러닝은 AI 기술 중에서도 저렴한 가격으로 이용할 수 있습니다. 딥러닝은 고도의 심층 학습을 실시하기 때문에 이용 비용이 높게 설정되어 있습니다.

 

 

머신 러닝의 단점

머신러닝의 단점은 다음과 같습니다.

1. 대량의 데이터 학습이 필요

머신러닝을 이용할 때는 대량의 데이터를 불러와 학습시킬 필요가 있습니다. 그 때문에 소수의 데이터만으로 학습시켜도, 높은 정밀도의 분석을 기대할 수 없는 것을 파악해 둡시다.

학습 수가 적으면 사례가 적은 데이터 판단이 어렵고 올바른 답을 도출할 수 없습니다. 머신러닝은 빅데이터를 다루는 업무용이므로 우선 도입할 만한 가치가 있는지 확인해 봅시다.

 

2. 검토 내용이 블랙박스가 되기 일쑤

머신 러닝은 업무 효율화가 실현되는 시스템이지만, 검토 등의 정보를 출력할 수 없는 것을 알아 둡시다. 막대한 데이터를 처리하면서 답을 도출하기 때문에 검토 내용을 정리할 수 없습니다.

즉, 출력된 결과의 근거를 찾으려 해도 블랙박스가 되어 버리기 때문에 근거가 필요한 업무에 적용이 어렵다는 특징이 있습니다.

3. 남의 판단이 필요

머신러닝은 알고리즘의 규칙에 따른 판단을 실시하기 때문에 도출된 답이 반드시 옳다고는 할 수 없습니다.

 

학습 방법 중 하나인 '지도 학습'처럼 도출한 답은 최종적으로 사람에 의해 판단해야 합니다. 완전히 기계에 맡길 수는 없다는 것을 인지하고 있어야 합니다.