머신 러닝 이란?

소개

안녕하세요 아임코딩입니다.

이번에는 인공지능 연구 분야 중 하나인 머신 러닝에 대해서 알아보도록 하겠습니다.

 

머신 러닝 이란?

머신 러닝은 "기계 학습" 이라고도 부르는 인공지능 연구 분야 중 하나입니다.

사람이 학습을 하는 것처럼 컴퓨터도 학습을 할 수 있다는 생각을 바탕으로 컴퓨터에 사람이 어떻게 학습하는지를 적용하여 컴퓨터도 학습을 통해 더 나은 결과를 도출하게 만드는 연구를 하는 분야입니다.

 

머신 러닝은 컴퓨터가 경험을 통해서 데이터를 기반으로 학습하고 예측하는 시스템입니다.

사람도 그동안의 경험을 통해서 학습하고 미래의 일이나 새로운 일에 대해서 대처합니다.

 

 

- 머신러닝은 인간이 학습을 통해 정확도를 점진적으로 개선하는 방식을 모방하기 위한 데이터와 알고리즘의 사용에 초점을 맞춘 인공지능(AI) 및 컴퓨터 사이언스의 한 분야입니다. (IBM)

 

 

- 머신러닝은 인공지능의 하위 집합으로, 많은 양의 데이터를 제공하여 명시적으로 프로그래밍하지 않고 신경망과 딥 러닝을 사용하여 시스템이 자율적으로 학습하고 개선할 수 있게 해줍니다. (Google)

 

- 기계 학습(機械學習) 또는 머신 러닝(영어: machine learning, ML)은 경험을 통해 자동으로 개선하는 컴퓨터 알고리즘의 연구이다. (위키백과)

 

이처럼 머신 러닝의 핵심은 데이터를 통해서 경험을 하고 그 경험으로 더 나은 선택을 하게 하는 것입니다.

 

최초의 머신 러닝

출처 : 위키백과

 

위 사진은 최초로 기계 학습 이라는 단어를 사용한 아서 사무엘 이라는 사람입니다.

아서 사무엘은 체커스 프로그램이라는 최초의 머신 러닝 프로그램을 개발했습니다.

 

출처 : 위키백과

 

위의 사진은 체커 게임의 사진입니다.

이 게임을 사람 대신 하는 체커스 프로그램을 개발한 것이 최초의 머신 러닝 프로그램입니다.

이 때부터 머신 러닝에 대한 사람들의 관심이 높아졌습니다.

 

 

머신 러닝 종류

 

머신 러닝은 크게 지도 학습, 비지도 학습, 강화 학습으로 나눠집니다.

 

지도 학습 

데이터에 이미 정해진 이름표(레이블)가 있습니다.

이 이름표를 이용해서 프로그램은 학습합니다.

예를 들어 고양이 사진을 "고양이" 라고 컴퓨터에게 미리 알려줍니다.

나중에 정체모를 사진이 왔을 때 이렇게 학습한 데이터를 기반으로 고양이인지 아닌지를 판단할 수 있습니다.

 

 

지도학습의 종류에는 다음과 같은 모델이 있습니다.

추가적인 학습을 원하시는 분들은 위키백과를 참고하시기 바랍니다.

 

서포트 벡터 머신 (support vector machine)

https://ko.wikipedia.org/wiki/%EC%84%9C%ED%8F%AC%ED%8A%B8_%EB%B2%A1%ED%84%B0_%EB%A8%B8%EC%8B%A0

서포트 벡터 머신 - 위키백과, 우리 모두의 백과사전

은닉 마르코프 모델 (Hidden Markov model)

https://ko.wikipedia.org/wiki/%EC%9D%80%EB%8B%89_%EB%A7%88%EB%A5%B4%EC%BD%94%ED%94%84_%EB%AA%A8%EB%8D%B8

은닉 마르코프 모형 - 위키백과, 우리 모두의 백과사전

회귀 분석 (Regression)

 

https://ko.wikipedia.org/wiki/%ED%9A%8C%EA%B7%80_%EB%B6%84%EC%84%9D

회귀 분석 - 위키백과, 우리 모두의 백과사전

신경망 (Neural network)

 

https://ko.wikipedia.org/wiki/%EC%8B%A0%EA%B2%BD%EB%A7%9D

신경망 - 위키백과, 우리 모두의 백과사전

나이브 베이즈 분류 (Naive Bayes Classification)

 

https://ko.wikipedia.org/wiki/%EB%82%98%EC%9D%B4%EB%B8%8C_%EB%B2%A0%EC%9D%B4%EC%A6%88_%EB%B6%84%EB%A5%98

나이브 베이즈 분류 - 위키백과, 우리 모두의 백과사전

 

비지도 학습 

비지도 학습은 지도 학습과는 다르게 데이터에 정해진 이름표가 없습니다.

주어진 데이터를 기반으로 프로그램이 스스로 모델을 구축하여 학습하는 방식입니다.

비지도 학습은 입력만 있고 출력이 없는 경우에 적용합니다.

입력 사이에 연관성을 찾는 것이 비지도 학습의 주된 목표입니다.

 

비지도 학습의 대표적인 예로는 클러스터링이 있습니다.

 

https://ko.wikipedia.org/w/index.php?title=%ED%81%B4%EB%9F%AC%EC%8A%A4%ED%84%B0%EB%A7%81_(%EA%B8%B0%EA%B3%84_%ED%95%99%EC%8A%B5)&action=edit&redlink=1

클러스터링 (기계 학습) 만들기 - 위키백과, 우리 모두의 백과사전

 

 

강화 학습 

강화 학습은 주어진 입력에 따라서 프로그램이 행동을 하고 그 행동에 따라서 프로그램에게 보상을 주고, 이 보상을 이용하여 학습을 하는 방식입니다.

강화 학습에서는 지도 학습이나 비지도 학습처럼 입력에 대한 출력이 정해지지 않습니다.

강화 학습은 주로 로봇, 게임, 내비게이션 등이 있습니다.

이세돌 9단과 바둑 대결을 한 알파고도 강화 학습을 통한 알고리즘을 사용했습니다.

 

강화 학습은 베이지안 정리 네트워크나 은닉 마르코프 모델을 기반으로 만듭니다.

 

https://ko.wikipedia.org/wiki/%EB%B2%A0%EC%9D%B4%EC%A6%88_%ED%99%95%EB%A5%A0%EB%A1%A0

베이즈 확률론 - 위키백과, 우리 모두의 백과사전

 

 

https://ko.wikipedia.org/wiki/%EC%9D%80%EB%8B%89_%EB%A7%88%EB%A5%B4%EC%BD%94%ED%94%84_%EB%AA%A8%ED%98%95

은닉 마르코프 모형 - 위키백과, 우리 모두의 백과사전

 

 

정리

머신 러닝은 기계 학습이라고도 불리는 인공 지능 연구 분야 중 하나입니다.

아서 사무엘 이라는 사람이 최초의 머신 러닝 프로그램을 개발했습니다.

머신 러닝은

 

지도 학습

비지도 학습

강화 학습 

 

으로 나눌 수 있습니다.