인공 지능 대 기계 학습(ML) 대 딥 러닝 – 차이점은 무엇입니까

일상 생활에서 인공 지능(AI), 머신 러닝(ML) 및 딥 러닝(DL)이라는 용어를 들어봤을 것입니다. 또한 이러한 용어가 종종 같은 의미로 사용된다는 사실도 눈치채셨을 것입니다.

근데 이 3가지가 같은건가요? 서로 바꿔서 사용할 수 있는 자유가 있습니까? 알아 보자!

1955년으로 거슬러 올라가면, AI의 초기 대부 중 하나인 John McCarthy는 계속해서 인공 지능을 "인간처럼 목표를 달성할 수 있는 지능형 기계를 만드는 과학 및 공학"이라고 정의했습니다. 그리고 4년 후인 1959년에 Arthur Samuel은 머신 러닝을 "명시적으로 프로그래밍하지 않고도 컴퓨터가 학습할 수 있는 능력을 제공하는" AI 거래의 광대한 하위 분야라고 설명했습니다. 이것은 무엇을 수반합니까?

머신 러닝에서는 프로그램이 만들어지면 프로그래밍의 경계를 넘어 지능적인 작업을 수행하는 방법을 점차적으로 배우게 됩니다. 즉, 경험과 데이터를 통해 학습합니다. 이러한 점에서 ML 프로그램은 미리 정의된 일련의 동작 및 목표가 있는 특수 목적 프로그램과 다릅니다.

아마도 이 사진이 당신을 좀 더 명확하게 해 줄 것입니다:

이제 인공 지능, 머신 러닝, 딥 러닝과 그 차이점에 대해 자세히 살펴보겠습니다.

인공 지능 대 기계 학습

간단히 말해서 AI는 기계가 인간처럼 작동할 수 있도록 하는 특별한 컴퓨터 프로그램과 알고리즘을 설계하려고 합니다. AI에 대해 사람들이 가장 많이 하는 오해는 '시스템'이라는 것입니다. 진실 – AI는 시스템이 아닙니다. 그것은 인간이 수행하는 작업을 수행하기 위해 컴퓨터를 훈련시키는 방법과 관련된 연구 ("과학 및 공학" 앞에서 언급한 것처럼)입니다.

AI는 3가지 유형으로 분류할 수 있습니다.

• 내 로우 AI: 특정 작업을 수행하도록 기계를 프로그래밍할 수 있지만 인간보다 훨씬 나은 방식으로 AI를 의미합니다.
• 일반 AI: 인간과 동일한 정확도로 일련의 지능/지능 작업을 수행할 수 있는 AI를 말합니다.
• 능동 AI: 아마도 가장 발전된 형태의 인공지능인 능동 인공지능은 특정 작업에서 인간을 능가할 수 있습니다.

인공지능은 스마트 머신을 개발하는 연구나 개념이기 때문에 그 목적을 달성하기 위해서는 어떤 기술적 수단이 있어야 하지 않을까요?

그 수단 중 하나는 기계 학습입니다. ML은 우리가 AI 개념을 실행할 수 있는 방법 중 하나입니다. Carnegie Mellon University의 머신러닝 전문가인 Tom Mitchell에 따르면:

"머신 러닝은 컴퓨터 프로그램이 경험을 통해 자동으로 향상되도록 하는 컴퓨터 알고리즘에 대한 연구입니다."

따라서 AI의 목표를 달성하는 것 – 인간이 하는 것처럼 경험과 시행착오를 통해 학습할 수 있는 기계를 만드는 것입니다. ML 알고리즘은 데이터를 기반으로 학습합니다. 새 입력이 알고리즘에 입력될 때마다 이 변경에 대한 응답을 조정하여 새 작업을 수행합니다. 머신 러닝의 고전적인 예는 추천 엔진입니다. Netflix 및 Amazon과 같은 온라인 플랫폼에서 이것을 본 적이 있을 것입니다. 이 앱은 검색하는 콘텐츠를 기반으로 사용자가 '보고 싶은' 콘텐츠의 개인화되고 맞춤화된 추천 목록을 선별합니다.

AI가 초기 단계였을 때 과학자와 연구원의 목표는 지능이 필요한 작업을 수행할 수 있는 기계를 만드는 것이었습니다. 처음에 그들은 기본적인 논리적 문제를 해결하고 체스 및 체커와 같은 게임에서 인간과 경쟁할 수 있는 프로그램 을 개발했습니다. 예를 들어 IBM의 Deep Blue가 체스에서 세계 챔피언 Gary Kasparov를 꺾었습니다.

이것은 AI의 성공에 대한 최초의 사례 중 하나이며 말할 필요도 없이 컴퓨터와 기술 애호가들 사이에 엄청난 흥분의 물결을 일으켰습니다. 그것은 완전히 새로운 가능성이 있는 세상의 시작이었습니다. 오늘로 빨리 가서 AI가 현재 어떤 위치에 있는지 살펴보십시오. 오늘날 우리는 Google의 자율 주행 자동차, Robot Sophia, Apple의 Siri 및 Amazon의 Alexa와 같은 스마트 가상 비서, 스마트 홈 및 IoT와 같은 실제 AI 애플리케이션에 대해 자랑할 수 있습니다. 훨씬 더 많이. 이러한 모든 AI 발명에는 ML 알고리즘이라는 한 가지 공통점이 있습니다.

머신 러닝 대 딥 러닝

ML이 AI의 하위 집합인 것처럼 딥 러닝은 ML의 하위 집합입니다.

딥러닝의 본질은 인공신경망(ANN)이다. AI의 전체 아이디어는 인간 두뇌의 기능을 모방하는 것이기 때문에 인공 신경망이 만들어졌습니다. 딥 러닝을 ML의 진화적인 분기로 생각할 수 있습니다. 여기서 ANN은 이해할 수 없는 양의 뉴런으로 구성된 복잡한 웹으로, 레이어에서 서로 깊숙이 상호 연결되어 있습니다.

ANN은 기존 ML 알고리즘과 간단한 신경망이 할 수 없는 복잡한 문제를 해결하도록 설계되었습니다. 이것은 기존의 신경망이 단순한 방식으로 연결되어 있기 때문이 아니라 860억 개 이상의 뉴런이 있는 인간 두뇌의 무거운 역도를 수행할 수 없어 복잡한 스타일의 상호 연결을 형성합니다.

이제 앞에서 언급했듯이 딥 러닝은 머신 러닝의 하위 집합이라고 할 수 있습니다. 본질적으로 머신 러닝은 할당된 작업에서 점진적으로 향상되는 모델 개발에 관한 것이지만 여전히 일종의 지침이 필요합니다. ML 알고리즘이 부정확한 결과를 반환하는 경우 개발자가 개입하여 필요한 수정을 해야 합니다. 그러나 딥 러닝 모델은 인간 두뇌의 작업을 복제하는 인공 신경망을 사용하므로 인간의 개입 없이 자체적으로 예측의 정확성을 결정합니다.

결론 생각...

위의 논의는 AI, ML 또는 딥 러닝과 관련하여 가질 수 있는 많은 쿼리를 명확히 했을 것입니다. 본질적으로 세 가지 기술의 최종 목표는 동일합니다. 즉, 기계를 더 똑똑하게 만드는 것입니다. 그들이 취하는 길은 그들을 서로 다르게 만드는 것입니다.

무엇이 무엇인지 여전히 혼란스럽다면 언제든지 의견을 남겨주세요. 저희가 해결해 드리겠습니다!