인공지능(AI)의 정의, 머신러닝, 딥러닝 기술과의 구분 및 개념 정리

인공지능에는 다양한 용어들이 나온다. 강인공지능, 약인공지능, 머신러닝, 딥러닝, 전문가시스템, 심층신경망 등 다양한 용어에 혼돈이 올 수도 있다. 아래의 글을 통해 인공지능의 정의와 각 용어들의 계층 관계 및 머신러닝과 딥러닝의 차이점을 알아보자.

---

목차

인공지능(AI) 기술이란?
인공지능(AI), 머신러닝, 딥러닝 기술의 계층 관계
머신러닝과 딥러닝의 차이점

 

 

인공지능(AI) 기술이란?

 

1. 인공지능의 정의

인공지능(Artificial Intelligence) 기술에 대해 AI 기술의 대표적인 책인 "Aritificial Inelligence: A Modern Approach"에서는 인공지능을 다음과 같이 정의하고 있다. 

 

표. AI 교재에서 정의하는 인공지능

구분	정의	예시
강인공지능(Strong AI), 일반 인공지능(General AI)	인간처럼 생각하는 시스템	인지적 구조와 신경망
	인간처럼 행동하는 시스템	언어처리, 자동추론, 학습(튜링테스트 통과), 지식 표현
약인공지능(Weak AI), 좁은 인공지능(Narrow AI)	합리적으로 생각하는 시스템	논리, 추론, 최적화
	합리적으로 행동하는 시스템	의사결정, 인식, 계획, 학습,  추리, 대화,  행동로봇 구현

 

강 인공지능(Strong AI)과 약 인공지능(Weak AI)으로 크게 구분된다. 강 인공지능은 인간처럼 생각하고 행동하는 시스템이다. 아이언맨에 나오는 자비스가 그 예일 것이다. 현실적으로 아직 도달하지 못한 영역이다. 약 인공지능은 합리적으로 생각하고 행동하는 시스템으로 현재 많이 연구되고 있다. 

모든 전문가들이 공통적으로 정의하는 말은 아직 없다. 하지만, "지능적인 행동의 자동화"를 추구하고 있다. 

 

강인공지능의 예, 아이언맨의 자비스

 

2. 인공지능 기술의 현재

약 인공지능(Weak AI) 기술은 자율주행, 영상인식, 번역 등의 영역에서 크게 발전하고 있다. 인간 수준 또는 그 이상의 지능을 가지는 강 인공지능(Strong AI)의 기술 도약을 꿈꾸고 있지만, 당분간은 어려울 것이라는 전망이 많다.(미국 국가과학 기술 위원회(NSTC)). 현재는 생성형 AI를 바탕으로 하여, 실용적인 약 인공지능 기술이 주류를 이루고 있다.

 

 

인공지능(AI), 머신러닝, 딥러닝 기술의 계층 관계

 

인공지능은 가장 넓은 범위에서 사용하는 용어이다. 강 인공지능은 인간 동등 이상 수준의 인공지능으로 알파고처럼 특정 분야별로 학습하는 것이 아니라 인간처럼 다양한 내용을 범용적으로 학습하는 단계를 말한다. 그 하위 계층이 약 인공지능으로 현재 우리가 접하는 대부분의 인공지능의 기술이 여기 범주에 있다.

 

약 인공지능은 크게 전문가 시스템과 머신 러닝으로 구분된다. 둘의 차이는 학습을 하느냐 하지 않느냐로 나뉘게 된다. 전문가 시스템은 분야별 전문가의 지식을 입력시키고 일반인이 필요한 정보를 얻는 시스템을 말한다. 입력이 되어 있지 않은 정보는 답을 하지 못한다. 반면 머신러닝에 의한 지식은 부족한 부분이 있어도 학습을 통해 부족한 부분에 대한 대답을 채워 준다. 

 

머신러닝은 인간의 신경망을 따라 만든 인공 신경망(Neural Network)으로 발전하였다. 인공 신경망에서 입력층과 출력층 외에 겉으로 드러나지 않는 은닉층을 구성하면 다양한 해결책을 제시할 수 있다. 이 기술은 딥러닝 기술로 발전하였다. 현재의 음성, 이미지, 번역, 미술, 음악제작 등등의 다양한 분야에 근간이 되는 기술이다. 

 

인공지능(AI) 기술의 계층 구조

 

 

머신러닝과 딥러닝 기술의 차이점

 

머신러닝과 딥러닝은 둘 다 학습한다는 공통점이 있다. 계층구조는 "인공지능 ⊃ 머신러닝 ⊃ 딥러닝"이다. 그리고 머신러닝과 딥러닝을 구분하는 3가지 차이점이 있다. 

 

1. 인간의 개입 여부

머신러닝과 딥러닝의 첫 번째 차이는 사람이 개입하는지 안하는지로 구분된다.  머신러닝에서는 데이터의 특징을 추출할 때 사람이 개입하여 필요한 사양을 입력한다. 입력된 데이터를 통해 요구되는 해답을 도출한다. 반면, 딥러닝은 학습과정부터 사람의 개입이 없다. 오롯이 인공지능이 전체 학습을 다한다. 학습결과로 요구되는 출력을 제공한다. 

머신러닝과 딥러닝의 문제해결 방식 차이

 

2. 데이터 의존도

딥러닝 기술은 제시된 문제를 해결하기 위해 데이터의 중요 특징을 스스로 추출한다. 그렇기 때문에 초기에 데이터의 양이 충분히 많지 않다면, 딥러닝의 성능은 고전 알고리즘 보다 못하다. 하지만, 데이터가 충분히 많다면 딥러닝은 스스로 특징을 추출하고 학습하여 고전 알고리즘을 뛰어넘는 성능을 보인다. 게다가 데이터 양이 더 많아지면 인간이 놓치고 있는 부분까지 파악하고 해결책을 제시하기도 한다. 

데이터 양에 따른 성능비교. 데이터가 적을 때는 고전알고리즘이 효과가 더 있지만, 데이터가 많아지면 딥러닝의 성능이 더 좋다.

 

 

3. 심층 신경망의 사용 유무 

심층 신경망을 사용하는 것은 딥러닝의 뚜렷한 특징이다. 딥러닝은 심층신경망을 활용하여 데이터를 추출, 분석, 예측, 분류하는 특징을 가지고 있다. 

신경망과 심층 신경망의 차이

 

 

---

인공지능, 강인공지능, 약인공지능, 전문가시스템, 머신러닝, 신경망, 심층신경망, 딥러닝이라는 용어에 대한 개념에 대해 이해가 되었을 것이다. 그리고, 많이 헷갈려하는 머신러닝과 딥러닝과의 차이도 확인하였다. 인공지능의 역사에 대해서 좀 더 관심이 있다면 아래의 글을 확인해 보기 바란다. 

 

[Learn/과학공학기술] - 한 눈에 확인하는 인공지능(AI) 기술의 역사

한 눈에 확인하는 인공지능(AI) 기술의 역사