인공지능, 머신러닝, 딥러닝 구분

1. 인공지능 : Artificial Intelligence 

• 인간의 지적 능력을 인공적으로 구현하여 컴퓨터가 인간의 지능적인 행동과 사고를 모방할 수 있도록 하는 소프트웨어이다. 
• 인공지능 수준에 따른 분류 

수준 1 : 단순 제어 프로그램 

수준 2: 고전적인 인공지능 (적절한 판단을 내리기 위해 추론/탐색을 하거나 기존에 보유한 지식 베이스를 기반으로 판단하는 시스템)

수준 3 : 기계학습 인공지능 (정제되어진 데이터를 바탕으로 학습하고 문제 해결을 위한 해결책을 판단하는 인공지능 시스템)

수준 4: 딥러닝 인공지능 (대규모의 데이터를 기반으로 자동적으로 학습하고 복잡한 문제 해결을 위해 사용되는 인공지능 시스템)

 

2. 머신러닝 (기계 학습)

• 인공지능의 분야 중 하나로 인간의 학습 능력과 같은 기능을 컴퓨터에서 실현하고자 하는 기술
• 환경과의 상호작용에 기반한 경험적인 데이터로부터 스스로 성능을 향상시키는 시스템을 연구하는 기술

분류	설명	사례
지도학습	입력 X에 대한 출력 목표값을 제시하여 학습 입출력의 쌍으로 구성된 학습 예제들로부터 입력을 출력으로 사상하는 함수를 학습	신경망, 회귀분석
비지도 학습	입력 X에 대해 목표값을 스스로 추론하여 학습 입력은 주어지나 대응되는 출력이 없으며, 입력 패턴들의 공통적인 특성을 파악하는 것이 학습의 목적	k-Means 알고리즘, 주성분 분석
강화 학습	입력 X에 대해 행위의 포상을 기억하고 학습 감독 학습과 무감독 학습의 중간 형태로, 입력에 대해 학습자가 행동을 선택하고 그 행동에 대해서 교사가 제공하는 보상치에 따라서 학습하는 방법	Q-Learning, 몬테카를로 트리 탐색

 

• 인공신경망 : 기계학습과 인지과학에서 생물학의 신경망(ex ) 뇌 )에서 영감을 얻은 통계학적 학습 알고리즘 
• 회귀분석 : 관찰된 연속형 변수들에 대해 두 변수 사이의 모형을 구한 뒤, 적합도를 측정해 내는 분석 방법 
• K-means 알고리즘 : 데이터 집단을 K개의 임의의 집단으로 군집화하고 집단 내의 거리를 측정하여 더 이상 이동하지 않는 그룹으로 군집화 하는 군집 알고리즘 
• 주성분 분석 (PCA) : 고차원 공간의 표본들을 선형 연관성이 없는 저차원 공간으로 변환하는 알고리즘 
• Q-Learning : 특정 상태에서 취할 수 있는 각 행동에 대해 효용값을 미리 계산하여 마르코프 의사결정 과정에서 최적의 정책을 찾는 강화학습 기법 
• 몬테카를로 트리 탐색 : 최소, 최대 알고리즘의 성능을 개선하여 전체 경로 탐색이 불가능 할 때 효율적 경로 탐색이 가능한 알고리즘 

 

3. 딥러닝 (Deep Learning)

사람의 개입이 필요한 기존의 지도학습에 보다 능동적인 비지도학습이 결합되어 컴퓨터가 마치 사람처럼 스스로 학습할 수 있는 인공지능 기술

심층신경망(DNN: Deep Neutron Network) : 입력 계층과 출력 계층 사이의 다단계의 은닉계층을 통해서 비선형 관계에 대한 모델링이 가능한 인공신경망 

합성곱 신경망 (CNN: Convolution Neural Network) : 필터에 의한 컨볼루션과 서브 샘플링 과정을 반복하는 비지도 학습으로 입력 데이터의 특징을 극대화하면서 차원을 축소하는 딥러닝 알고리즘

순환 신경망 (RNN : Recurrent Neural Network) : 연속된 데이터 상에서 이전 순서의 은닉 노드의 값을 저장한 이후, 다음 순서의 입력 데이터로 학습할 때 이전의 값을 이용, 연속적인 정보의 흐름을 학습에 이용하는 딥러닝 알고리즘