유데미 인사이트

‘머신러닝’ ‘딥러닝’은 기술산업 분야의 핫이슈이자 트렌드입니다. 인공지능(AI), 자율주행 자동차 등을 다룬 글에서 많이 접해 보셨을 말입니다. AI 분야를 처음 접하는 경우 둘 사이의 차이점이 무엇인지 궁금할 수도 있을 것 같습니다.

이런 식으로 생각해 보세요. 딥러닝과 머신러닝은 모두 인공지능의 하위 집합입니다. 그리고 딥러닝은 머신러닝의 하위 집합입니다. 머신러닝은 AI 기술이며 딥러닝은 머신러닝 기술입니다.

머신러닝은 다양한 AI 기술 중 하나

AI는 연구 초기 하드 코딩된 규칙과 알고리즘에 의존했습니다. AI가 체스를 두는 것은 컴퓨터의 계산일 뿐입니다. 컴퓨터 프로그램은 가능한 모든 움직임을 미리 살펴보고 최상의 결과를 도출하기 위한 다음 행동을 선택합니다. 

AI 챗봇은 유저가 제공하는 특정 단어, 구문의 패턴을 찾아서 대화를 나누고, 프로그래머가 미리 짜 둔 대답을 내놓습니다. (현재 버추얼 어시스턴트는 아직도 이러한 기술에 의존합니다). 이 같은 시스템은 지능적으로 보일지 모르지만, 프로그래밍 된 지능에 의존하는 것입니다. 자신의 ‘경험’으로 학습할 수 있는 능력은 없습니다.

머신러닝 알고리즘은 문제를 해결하기 위해 하드 코딩된 규칙에 의존하는 대신, 실제 받아들인 데이터를 학습합니다. 그다음 머신러닝은 데이터와 예측하려는 것 사이의 패턴을 찾는 모델을 만들어냅니다. 이 같은 모델은 이전에는 볼 수 없었던 새로운 것들에 대한 예측을 가능하게 하고, 더 많은 학습 데이터에 노출됨에 따라 정확도가 점점 더 올라가게 됩니다. 

어떤 주택의 특성에 따라 매매가를 예측할 수 있는 시스템을 만든다고 예를 들어 봅시다. 머신러닝 알고리즘은 주택 위치, 평수, 욕실 수, 건축 연도 등과 함께 주택 매매가 관련 과거 데이터로 머신러닝 알고리즘을 학습할 수 있습니다. 이 알고리즘은 주택의 이러한 다양한 속성이 매매가에 어떻게 영향을 미치는지 찾아내고 각 속성이 주택 최종 매매가에 어떻게 영향을 미치는지 이해하는 모델을 구축하기 시작합니다.

머신러닝 알고리즘은 해당 모델로 시장에 공급된 새 주택 매매가를 자동으로 예측할 수 있습니다. 더불어 시간이 지나며 점점 더 많은 주택 매매가 시스템에 쓰이면서 정확도도 올라갈 겁니다. 머신러닝 시스템은 인간의 프로그래밍에 의존하지 않고, 실제 데이터를 기반으로 학습합니다.

딥러닝은 다양한 머신러닝 기술 중 하나

이 같은 주택 매매가 책정 시스템은 어떤 방식으로 작동하는 것일까요? 간단합니다. 주택 매매가 대비 평수 등 다양한 속성을 플로팅하고, 각 속성 간 커브피팅을 통해서 시장에 공급된 새 주택 매매가를 예측하는 것입니다. 이를 ‘다중 선형 회귀(Multiple regression)’라고 합니다.

또는 가격을 정확하게 예측 가능한 지점을 학습하는 ‘의사 결정 트리(Decision tree)’를 생성할 수도 있습니다. 의사 결정 트리는 주어진 지역의 매매가 범위에서 시작해 집 크기에 따라 가격을 구체화하고 이를 건축 연도에 따라 세분화해서 최종 매매가를 추정할 수 있을 때까지 계속해서 작동하게 됩니다. 그러나 이는 우리가 쓸 수 있는 많은 머신러닝 알고리즘 중 두 가지일 뿐이며, 둘 다 ‘딥러닝’은 아닙니다.