딥러닝과 머신러닝은 인공지능의 하위 개념으로 컴퓨터가 스스로 학습하여 수행하는 기술입니다. 학습 방식, 데이터 의존도, 인식 능력을 통해 딥러닝과 머신러닝의 차이를 이해할 수 있습니다. 아래 포스팅에서 딥러닝과 머신러닝의 차이에 대해 알아보겠습니다.
딥러닝과 머신러닝의 차이
1. 학습 방식
딥러닝은 머신러닝의 하위개념으로, 인간의 두뇌 신경망을 모델로 인공 신경망이라는 계층화된 알고리즘 구조를 사용합니다. 알고리즘 구조가 스스로 학습을 함으로써 올바른 결과값을 도출해내는 방식입니다. 대표적인 예로는 구글의 알파고, 인스타그램과 페이스북의 얼굴 인식 기능, 음성 인식 기능이 있습니다.
머신러닝은 사람이 수작업으로 정의를 내려주는 방식입니다. 활동 내역을 기반으로 사람들마다 관심이 있을법만 광고에 매칭 시켜줍니다. 앞서 말한 타겟팅 광고, 음악 스트리밍 서비스, 유튜브 검색 알고리즘 등이 머신 러닝에 해당됩니다.
2. 데이터 의존도
하나의 과제를 해결할 때 머신러닝은 딥러닝에 비해 요구되는 데이터 양은 적습니다. 단, 데이터 양이 엄청날때는 딥러닝의 작업 속도가 머신러닝보다 빠릅니다. 알파고를 생각하시면 이해하기 쉽습니다. 딥 러닝으로 구글 알파고를 학습시켰을 때는 스스로 학습하면서 가속도가 붙어 시간이 지날수록 엄청난 데이터를 학습하는데 긴 시간이 걸리지 않았습니다. 하지만 구글 알파고를 머신러닝으로 작업을 한다고 생각하면 엄청난 수의 엔지니어들이 하나하나 결과값에 근거한 정의를 입력하고 이 과정을 반복한다는 것인데 상상만으로도 끝이 보이지 않습니다.
3. 인식 능력
머신러닝은 사람이 직접 이미지를 보고 결과값을 내리는 반면에 딥 러닝은 자체 학습을 통한 결과로 이미지 속 대상이 누군지 알아냅니다. 추상적인 것도 인식이 가능하며 고양이와 개의 인식여부를 봤을 때 머신러닝은 인식하지 못하지만 딥러닝은 인식할 수 있습니다. 딥러닝은 인간과 비슷한 인식 능력으로 발전이 가능해 음성 인식, 얼굴 인식에 활용됩니다.
이상으로 딥러닝과 머신러닝에 대한 포스팅을 마칩니다. 위 3가지 차이를 참고하시면 딥러닝과 머신러닝을 이해하기 쉬워집니다.
댓글