인공지능(AI), 머신러닝, 딥러닝 차이와 분야별 활용 예시

 

---

 

 

 

 

 

1. 인공지능의 정의

인공지능은 학습능력, 추론능력, 지각 능력이 필요한 작업을 할 수 있도록 컴퓨터 시스템을 구현하려는 컴퓨터과학
간단히 말하면, 인간의 지적능력을 컴퓨터로 구현한 과학기술.

 

인공 지능 안에 머신 러닝이 있고, 머신 러닝 안에 딥러닝이 있음.
인공 지능 중에서 학습을 하는 인공 지능이 머신 러닝이고, 머신 러닝 중에서 인공 신경망(Artificial Neural Network)을 사용해 학습하는 머신 러닝이 딥러닝

 

머신러닝은 여러가지 상황을 학습하고 같은 상황이 발생할 경우 그에 대처할 수 있는 기계
딥러닝은 보통 한가지 또는 몇 가지 특정한 상황에 대해서 집중적으로 학습한 것

머신러닝은 딥러닝보다 더 많은 분야에 대해서 처리할 수 있는 기계

 

왜 딥러닝이 가장 하위 분야일까?
딥러닝은 보통 특정한 부분에 대해서만 사람을 흉내낼 수 있게 때문

 

2. 머신러닝(Machine Learning)

1) 머신러닝 정의

의사결정에 필요한 데이터를 사람이 정리해 기계에 알려주면 기계는 이 정보를 토대로 스스로 학습하여 판단이나  예측을 함 (개발자가 직접 데이터를 제공)

 

2) 머신러닝 사용사례

 (1) 스팸메일의 패턴을 감지하여 새로운 스타일의 스팸메일을 구분하여 분류함

 (2) 사기 범죄 행위나 비정상적인 금융 행위를 자동으로 탐지

 (3) 이탈 위험이 높은 고객의 패턴을 분석해 그 고객 대상으로 미리 프로모션이나 고객 서비스 활동에 참여

 

3) 머신러닝의 유형

(1) 지도 학습

(2) 비지도 학습

(3) 준지도 학습

(4) 강화 학습

 

3. 딥러닝(Deep Learning)

 1) 딥러닝 정의

인공신경망을 기반으로 데이터를 통해 의사결정에 필요한 패턴을 기계가 스스로 학습해 인간의 행위를 자동화   (컴퓨터가 스스로 데이터를 학습하고 분석)

 

 2) 딥러닝 사용사례

 (1) 범죄가 발생한 혼잡지역에서 행인이 제보한 수천장의 사진을 보고 범죄행위를 식별

 (2) 애플의 siri, 구글 Now 같이 사람의 말과 음성패턴을 인식

 (3) 아마존, 넷플릭스 처럼 고객이 관심을 보일것으로 예상되는 제품과 콘텐츠를 높은 확률로 맞추는 추천 시스템 제공

 

3) 딥러닝 유형

(1) 심층 신뢰 망

(2) 오토 인코더

(3) 합성곱 신경망

(4) 순환 신경망

(5) D.Q.N

4. 인공지능 분야별 적용사례

1) 제조

(1) 딥러닝 기술을 이용해 부품불량을 검수

(2) 물류 크기와 재질을 스캔해 분류하고 그에 맞는 상차대로 옮기는 로봇 프로세스 자동화   

(3) 설비가 고장나기 전에 미리 예측하는 예지보전

 

2) 금융

(1) 소비자의 소비패턴을 파악하고 분석하여 이에 맞는 솔루션을 추천하고 제안
(2) 머신러닝 기술을 이용해 사용자의 얼굴을 인식해 결제되는 안면인식 결제
(3) 원하는 내용에 대해 간편하게 상담받을 수 있는 인공지능 챗봇 서비스

 

3) 교육

(1) 인공지능 튜터와 상황별 영어 대화를 나누며 외국어 실력을 향상, 수학 문제의 오답 원인과 취약점을 파악 후 솔루션 을 제안

 

4) 헬스케어

(1)초음파 진단기기에 딥러닝 기술을 이용해 질병의 특성과 악성/양성 여부를 파악할 수 있는 시스템

 

5. 인공지능의 이점

1) 자동화

인공지능은 하드웨어에 기반을 둔 로봇 자동화와는 다른 개념으로, 수작업을 자동화하는 것을 넘어서서 반복적인  대량의 전산 작업을 간단하게 수행

2) 사람의 실수 감소

데이터 처리, 분석, 제조 조립 작업에서 수동 오류를 없앨 수 있음

3) 반복적인 작업 제거

인공지능을 사용하면 반복적인 작업을 수행할 수 있어 인적 자본이 더욱 중요한 문제에 집중할 수 있음

4) 빠르고 정확함

인공지능은 인간보다 더 많은 정보를 더 빠르게 처리하여 사람이 놓칠 수 있는 데이터의 패턴을 찾고 관련성을 발견함

5) 무한대의 가용성

휴식 없이 할당된 작업을 지속적으로 처리할 수 있음

 

 

6. 전통적인 프로그래밍과 머신러닝의 차이

1) 전통적인 프로그래밍

규칙과 데이터가 주어졌을 때 규칙에 따라 해답을 찾는 것, 규칙이 점점 길어지고 복잡해지므로 유지 보수하는데 어려움이 있다. 

새로운 패턴이 나타나면 파악하기 어려움

 

ex) 스팸메일을 차단할 때 특징을 하나하나 정의해 주어야 하며 새로운 스팸메일이 오면 걸러내지 못함

 

2) 머신러닝

데이터와 해답을 개발자가 넣어줬을 때 패턴을 분석해 규칙을 찾음, 새로운 데이터가 주어지면 규칙에 적용하여 예측함

 

ex) 스팸에 자주 나타나는 패턴을 감지해 어떤 단어와 구절이 스팸메일을 판단하는데 좋은 기준인지 자동 학습하여 새로운 유형의 스팸메일을 걸러냄
하지만 전혀 다른 종류의 스팸메일일 경우 추가 학습(개발자 투입)을 통해 업그레이드가 필요함

 

https://imvip.tistory.com/284

인공지능(AI)의 장단점 알아보자