Last updated on 3월 7th, 2024 at 02:13 오후
![딥러닝](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202201/153831-620/ti302a8110-n.jpg)
요즘 특히 인공지능 머신러닝 딥러닝 등 용어를 자주 접하셨을 것 같아요.
그런데, 머신러닝 딥러닝 차이 제대로 알고 계신가요?
이처럼 각각의 개념과 차이점을 명확히 아는 사람은 극소수일 것입니다.
따라서 본 포스팅에서 인공지능 머신러닝 딥러닝 개념 정리 후
과연 딥러닝은 언제 쓰고, 어떤 기술에 구현됐는지 설명해보려고 합니다.
인공지능 vs 머신러닝 vs 딥러닝
![인공지능 머신러닝 딥러닝](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202201/154238-620/%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5-%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EB%94%A5%EB%9F%AC%EB%8B%9D-%EA%B4%80%EA%B3%84%EB%8F%84.png)
딥러닝 ⊂ 머신러닝 ⊂ 인공지능 포함관계로 한 번에 설명될 수 있습니다.
즉, 인공지능이 가장 넓은 개념이고 그 다음으로 머신러닝 딥러닝 순입니다.
그러면 인공지능 머신러닝 딥러닝에 대해서 더 알아보겠습니다.
✔ 인공지능(Artificial Intelligence)
– 인공지능은 학습, 추론 능력, 패턴 인식 등과 같이 주로 인간 지능과 관련된 능력을 인공적으로 구현하는 컴퓨터 공학 분야입니다. 쉽게 말해서, 인공지능은 기계를 지능적으로 구현하는 것이라고 할 수 있죠.
– 기존 알고리즘은 사람이 직접 수신하는 입력값들에 대해서만 출력을 정의하는 규칙을 설정하는 반면, AI 알고리즘은 자체적으로 시스템을 구축할 수 있습니다.
✔ 머신러닝(Machine Learing)
– 인공지능에 속해 있는 머신러닝은 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야입니다. 사람이 학습할 데이터를 직접 제공하지만 더 나은 예측을 위해 알고리즘을 통해 일일이 명시하지 않은 동작도 학습하고 실행합니다.
✔ 딥러닝(Deep Learing)
– 인공신경망을 사용하여 머신러닝 학습을 수행하는 것입니다. 사람이 학습할 데이터를 직접 제공하지 않아도 스스로 학습하고 예측합니다.
![머신러닝 딥러닝 차이](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202201/155335-620/ck-ti302a8102.jpg)
여전히 차이점을 명확하게 감이 안 오시는 분들을 위해 머신러닝과 딥러닝을 다시 한 번 정리하자면,
머신러닝은 인공 지능을 구현하는 구체적인 접근 방식이고, 딥러닝은 머신러닝 방법 중 인공신경망을 사용하는 기술입니다.
더불어 가장 큰 차이점은 다음과 같습니다.
– 딥러닝 : 데이터를 스스로 학습할 수 있습니다
– 머신러닝 : 학습하는 데이터를 수동으로 제공해야 합니다.
이렇게만 들으면 흔히들 딥러닝이 머신러닝보다 항상 낫다고 생각할 수 있습니다.
그러나 꼭 그런 것은 아니기 때문에, 상황과 목적에 따라 머신러닝 딥러닝을 적절하게 사용해야 합니다.
그렇다면, 언제 딥러닝을 사용하는지 알아보겠습니다.
![딥러닝 기초](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202201/161911-620/%EC%B4%88%EA%B2%A9%EC%B0%A8-%ED%8C%A8%ED%82%A4%EC%A7%80-%ED%95%9C-%EB%B2%88%EC%97%90-%EB%81%9D%EB%82%B4%EB%8A%94-%EB%94%A5%EB%9F%AC%EB%8B%9D%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5-bg--1-.png)
언제 딥러닝을 사용하는가
딥러닝 사용 전 고려해야 할 점은 다음과 같습니다.
1) 데이터의 종류, 개수, 레이블링 등
: 딥러닝은 엄청난 수의 데이터를 학습하고, 모델의 성능을 향상시킵니다.
적은 데이터, 레이블을 가지고 있다면 딥러닝을 학습한다는 것 비효율이라고 할 수 있죠.
2) GPU 성능
: 수많은 양의 데이터를 활용하기 위해서는 빠르고 정확하게 처리할 수 있는 성능 좋은 하드웨어가 필요합니다.
3) 현 목표에 고도화된 알고리즘이 적합한지 종합적으로 고려해야 합니다.
지금까지 인공지능 머신러닝 딥러닝 차이와 사용 전 고려사항까지 알아봤습니다.
그렇다면 우리가 접할 수 있는 기술과 서비스에 딥러닝이 활용된 사례를 알아볼까요?
딥러닝이 구현된 기술 및 서비스
![자연어처리](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202201/162155-620/translate-g2e8afac02-1280.png)
딥러닝이 구현된 대표적인 기술은 자연어처리입니다.
우리가 흔히 과제 또는 프로젝트를 할 때 사용하는 구글 번역기와 파파고가 대표적인 서비스라고 할 수 있죠.
그리고 여러 이커머스에서 고객센터나 배달서비스 위치 조회 등 간단한 질문은 챗봇에서 해결 가능한데, 이 또한 자연어처리가 결부된 서비스입니다.
![음성인식](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202201/162445-620/ck-psxtg0711435.jpg)
음성인식과 앞서 말한 자연어처리의 결합도 딥러닝이 구현된 기술입니다.
최근 기술 기업들이 개발과 개선에 몰두하고 있는 스마트한 비서, 가장 대표적인 예시로 시리와 빅스비가 있죠.
![자율주행](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202201/162752-620/ck-tii219a2608.jpg)
딥러닝이 적용된 기술 중에 영상인식도 있습니다.
테슬라, 현대 등 다양한 기업에서 자율주행 자동차를 발전하는 데에 노력을 기울였었죠.
완전 자율주행 자동차의 시대가 도래할지 기대가 됩니다.
![가상인플루언서](https://storage.googleapis.com/static.fastcampus.co.kr/prod/uploads/202201/162900-620/%EA%B0%80%EC%83%81-%EC%9D%B8%ED%94%8C%EB%A3%A8%EC%96%B8%EC%84%9C.png)
(출처: 파라다이스 공식 SNS)
최근에는 딥러닝과 컴퓨터 그래픽 기술이 이용하여 가상 인플루언서 (Virtual Influencer)를 구현해냈습니다.
아직 여러 논란이 있지만, 점점 많은 기업에서 전속모델로 가상 인플루언서를 선택하고 있습니다.