딥러닝과 머신러닝

 딥러닝과 머신러닝, 이 두 개념은 우리가 인터넷과 같은 각종 매체를 통해서 '인공지능'에 관한 내용이 나올 때 자주 뒤따라오는 용어였다. 그리고 많은 경우에 두 용어가 묶여서 함께 사용되기도 했다.

 

그러던 중 '딥러닝? 알아서 깊게 배우나 보네~ 머신러닝? 기계가 알아서 배우나 보네~ ... 그러면 비슷한 거 아닌가? 차이가 뭐지?'라는 생각이 들어서 이에 대해 알아보았다.

 

딥러닝과 머신러닝

 딥러닝은 머신러닝의 한 분야로, 인공신경망을 사용해 데이터를 학습하고 분석하는 능력을 강화하는 기술이다. 딥러닝이 작동되는 과정을 살펴보면 다음과 같다.

 

앞서 말한 개념을 내가 이해한 만큼 그림으로 나타낸 것이다. 데이터를 딥러닝이라는 종류의 인공신경망 모델에 입력하면 뉴런들로 구성된 여러 레이어들을 통과한다.

 

레이어를 통과할 때는 녹색 세모로 표현된 뉴런들에 의해 활성화 함수가 적용된 출력값들이 나오게 된다. (이때 녹색 세모의 크기가 다른 이유는 각 뉴런마다 학습을 통해 자동으로 최적화된 가중치가 존재하기 때문이다.) 여기서 뉴런의 역할을 다시 언급하자면, 뉴런마다 각각 함수를 가지고 있고 데이터가 입력되었을 때 이 함수를 적용한 값을 출력하는 것이다.

 

같은 모델 안의 레이어일 지라도, 각 레이어에 필요한 입력값들은 다를 수 있다. 때문에 1번 레이어에 입력된 값과 2번 레이어에 입력될 값의 형태를 다르게 표현했다.

 

이러한 과정을 반복하며 여러 레이어를 통과한 후 출력 데이터를 얻는다. 이것이 딥러닝 모델이 작동하는 과정이다.

 

 

 여기서 최초로 통과하는 레이어를 Input Layer, 마지막으로 통과하는 레이어를 Output Layer, 이들의 중간에 존재하는 레이어들을 Hidden Layer라고 한다.

 

딥러닝을 설명할 때 Hidden Layer가 여러 개인 신경망 모형이다라고 말하기도 한다. Hidden Layer가 쌓임으로 더 복잡한 패턴을 인식할 수 있게 되며, 이로써 더 정확한 예측을 할 수 있게 된다.

 

 머신러닝은 데이터를 사용하여 기계가 스스로 학습하고 결정을 내리는 기술이다. 사진과 같이 새로운 데이터(메일)가 입력되었을 때 축적된 데이터(로봇의 경험)를 바탕으로 결과를 예측하거나 분류(스펨메일로 판단)한다.

딥러닝과 머신러닝의 차이

딥러닝과 머신러닝은 둘 다 데이터를 기반으로 예측 및 분류작업을 한다는 점에서 비슷하다.

 

그러나 딥러닝은 위의 작업을 더 정교하게 만들기 위해 사용되는 기술이다. 쉽게 말해 머신러닝의 작업을 더욱 정교하게 하는 기술이라고도 할 수 있다.

 

딥러닝은 입력 데이터 자체를 모델에 입력하지만 머신러닝은 입력 데이터의 특징을 추출한 후에 모델에 입력하는 방식이다.

 

딥러닝은 머신러닝보다 더 높은 정확도를 제공하고, 입력 데이터의 특징을 추출하는 작업을 자동으로 한다는 장점이 있다. 때문에 이미지, 음성, 텍스트 등의 다양한 데이터 유형에 대해 처리하는 능력이 탁월하다. 그러나 데이터셋의 양이 적거나 간단한 문제를 해결하는 작업에 있어서는 머신러닝보다 유리하지 않을 수 있다.

 

머신러닝은 적은 데이터셋에서도 작동이 가능하며, 결과를 쉽게 해석하고 이해할 수 있고, 학습 속도가 비교적 빠르다는 장점이 있다. 그러나 데이터가 충분한 경우에는 딥러닝보다 정확도가 낮을 수도 있다.