머신러닝과 딥러닝

소개글

"머신러닝과 딥러닝"에 대한 내용입니다.

목차

1. AI, 머신러닝, 딥 러닝의 관계성
2. 머신러닝과 딥 러닝의 차이
3. 머신러닝과 딥 러닝의 활용
4. 인공지능의 문제점
5. 결론 및 발전 방향

본문내용

1. AI, 머신러닝, 딥러닝의 관계성
먼저 인공지능은 1940년대 후반, 1950년대 초반에 이르러서 수학, 철학, 공학, 경제 등 다양한 영역의 과학자들에게서 인공적인 두뇌의 가능성이 논의되었다. 1956년에 이르러서 인공지능이 학문 분야로 들어섰다.
인공지능과 머신러닝, 딥러닝은 모두 밀접한 관련이 있으며, 이를 도식화 하면 아래와 같다.

<중 략>

그림에서 보듯이 인공지능, 머신러닝, 딥 러닝은 각각의 하위개념에 속하며 그 관계가 밀접하다. 즉 이들 모두 모델을 학습하고 데이터를 분류할 수 있다는 공통점을 가진다. 하지만 그 기술력에 관해서는 다소 차이가 있다. 오늘날 우리가 사용하는 AI의 의미는 좁은 AI의 개념에 포함된다. 좁은 AI는 소셜 미디어의 이미지 분류 서비스나 얼굴 인식 기능 등과 같이 특정 작업을 인간 이상의 능력으로 해낼 수 있는 것이 특징이다. 머신러닝과 딥 러닝의 단계로 갈수록 그 기술의 복잡성이 증가해지는 특징을 가지고 있다.

2. 머신러닝과 딥 러닝의 차이
머신러닝은 인공 지능을 구현하는 구체적 접근 방식이라고 정의할 수 있고, 딥 러닝은 완전한 머신 러닝을 실현하는 기술이라고 정의할 수 있다. 쉽게 말해 머신러닝보다 딥 러닝의 기술을 구현하는게 더 복잡하고 어렵다는 의미이다.
머신러닝과 딥 러닝을 구분할 때 가장 많이 사용되는 예시가 개와 고양이의 구분이다.

사람은 개와 고양이의 구별을 당연하게 할 수 있다. 그렇다면 사람은 어떻게 개와 고양이를 구별할 수 있는 걸까? 사람이 개와 고양이 이미지를 봤을 때 판별할 수 있는 이유는 해당 이미지를 뇌에서 분석하고 특징을 확정 지은 뒤, 지식과 경험에 따라 판단할 수 있는 능력이 갖춰져 있기 때문이다. 여기에서 핵심은 인간의 지식과 경험이다. 우리가 보통 이야기하는 지능, 세상을 알아보는 능력은 설명을 통해 배우는 것이 아닌 경험과 학습을 통해 배우는 것이다.

참고 자료

https://blogs.nvidia.co.kr/2016/08/03/difference_ai_learning_machinelearning/
http://www.yoonsupchoi.com/2017/08/08/ai-medicine-4/
http://www.zdnet.co.kr/view/?no=20170807140504&from=Mobile
김대식의 인간 VS 기계.2016
https://www.sas.com/ko_kr/insights/analytics/machine-learning.html
https://namu.wiki/w/%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5/%EB%85%BC%EB%9E%80#s-8
file:///C:/Users/Owner/Downloads/173302.pdf
http://journal.kiso.or.kr/?p=7976