인공지능, 머신러닝, 딥러닝 - 무엇이 다를까?

인공지능, 머신러닝, 딥러닝 - 무엇이 다를까?
우리 주변의 '사물들'이 점점 더 똑똑해지는 이유. 
여기서 '사물들'이라 함은 정말 주변의 모든 것을 의미합니다. 자동차, 스마트폰부터 인공지능 비서 그리고 로봇도 포함되죠. 사물이 똑똑해지고 있다는 것은 획기적인 새로운 기능들이 적용된다는 의미만은 아닙니다. 우리가 사용하는 전자 기기, 컴퓨터, 기계들이 지능적으로 업무를 처리하고 또 동작하는 것들도 포함하죠. 어떻게 이런 일들이 가능해진 것일까요? 바로 인공지능(Artificial Intelligence), 즉 AI 덕분입니다. 

'인공지능(AI)'이라는 단어가 처음 등장한 것은 인지과학자 존 맥카시(John McCarthy) 박사의 연구 제안서에서 였습니다. 맥카시 박사는 제안서에서 이렇게 설명합니다. "본 연구는 기계(Machine)가 이론적으로 인간의 학습이나 지능(Intelligence)의 특징을 매우 정확히 표현해 낼 수 있다는 추론을 바탕으로 전개됩니다." 이러한 그의 설명은 약간의 복잡성이 더해지긴 했지만 현재에도 통용되고 있는 개념입니다. 

여러분은 최근 '인공지능(AI)'이라는 단어를 아주 많이 들어 봤을 겁니다. 하지만 이에 덧붙여 여러 낯선 용어들이 함께 등장했죠. 머신러닝(Machine Learning, 기계학습)이나 딥러닝(Deep Learning, 심층학습)과 같은 것 말입니다. 머신러닝과 딥러닝은 자주 서로 바꿔서 사용되곤 하는데, 두 개념은 서로 연관은 있지만 동일한 의미가 아닙니다.

그러면 이들 용어들의 관계를 먼저 알아볼까요?
 
AI라는 전체 집합 안에 머신러닝이라는 부분 집합이 있고, 또 머신러닝 집합 안에 딥러닝이라는 부분 집합이 있다고 보면 됩니다. 즉, 머신러닝과 딥러닝은 AI를 가능하게 하는 기술 중 하나인 것이지, AI 자체와 동일한 개념이 아닙니다.
 
약간 헷갈리시죠? 여러분의 이해를 돕기 위해 사과와 오렌지를 이용해서 인공지능과 머신러닝, 딥러닝의 차이점을 설명해 드리겠습니다.

인공지능(AI) 
세 개념 중 가장 큰 범주인 인공지능은 기계가 주변 환경과 상호 작용을 하는 다양한 방법을 말합니다. 사람과 비슷한 뛰어난 지능 덕분에 AI기술이 탑재된 기계나 기기는 인간처럼 행동하거나 인간처럼 업무를 수행하죠. 

오늘날 우리가 주변에 접하는 인공지능과 관련된 많은 이야기들은 주로 음성 인식(인공지능 가상 비서 등), 안면 인식(SNS에서 많이 사용되고 있는 필터 기능 등), 혹은 사물 인식(사과나 오렌지와 같은 사물의 이미지로 검색하는 기능 등)과 관련한 것이 많습니다. 그렇다면 이런 기능들은 어떤 식으로 지능화되는 걸까요?

기본적으로 AI기술을 탑재한 기계는 사람들이 위의 물체들을 '사과'와 '오렌지'라고 인식하는 것처럼 인간의 사고 프로세스를 모방합니다.

머신러닝(기계학습) 
머신러닝은 AI의 부분집합으로, AI 접근방식의 하나입니다. 특정 업무를 처리하는 컴퓨터 프로그래밍 접근법이 아니라 '러닝(학습)'이라는 것에 초점이 맞춰져 있죠. 머신러닝이 가능한 기계는 복잡한 알고리즘을 이용해 대량의 데이터를 분석해 그 중 패턴을 인식하고, 그것을 바탕으로 예측을 합니다. 이 과정에서 인간이 소프트웨어에 특정 명령을 입력할 필요는 없습니다. 분석 과정에서 만약 치즈 과자를 오렌지로 잘못 인식했다면, 시스템의 패턴 인식 기능은 마치 인간처럼 스스로 오류를 수정하고, 실수로부터 학습하며 정확도를 점점 높여갑니다.

머신러닝이 가능한 시스템은 자신의 실수를 토대로 학습하며 패턴 인식 능력을 스스로 향상시킵니다.

딥러닝(심층학습) 
앞서 설명한 머신러닝의 부분 집합인 딥러닝은 컴퓨터의 지능을 한 차원 더 올려놓는 역할을 하며, 대량의 데이터와 컴퓨팅 기술을 활용해 심층신경망(Deep Neural Networks, 링크)을 구현합니다. 심층신경망의 기본적인 원리는 인간 두뇌의 연결성을 모방해 데이터 세트를 분류하고, 데이터 간 상관 관계를 찾아내는 것입니다. 이렇게 인간의 도움 없이도 새롭게 발견한 지식을 바탕으로, 기계는 다른 데이터 세트에 통찰력을 적용합니다. 처리하는 데이터의 양이 많아질수록 기계의 예측도 더 정확해집니다.

가령, 딥러닝이 가능한 기기는 과일의 색상, 형태, 크기, 최적 수확시기, 원산지 등 대량의 데이터 세트를 검토해, 이 사과가 홍옥 사과가 맞는지, 이 오렌지가 감귤인지 구분할 수 있는 것입니다.

딥러닝이 가능한 기계는 대량의 데이터를 처리해 복잡한 패턴을 인식하고 그 결과 더 구체적인 통찰을 제공합니다

이처럼 인공지능과 머신러닝, 딥러닝의 차이점은 사과나 오렌지의 구분만큼 명확하지는 않지만, 미묘한 차이가 있는 것이죠.  퀄컴은 이러한 인공지능(AI) 기술을 퀄컴 스냅드래곤 모바일 플랫폼에 적용, 주변의 사물과 사용자에 대해 학습하도록 하여 더 직관적이고 뛰어난 경험을 가능하도록 노력합니다.