Article : AI가 평범한 알고리즘과 다른 점

https://yozm.wishket.com/magazine/detail/949/

AI가 평범한 알고리즘과 다른 점 | 요즘IT

 

 

<아티클 내용 요약>

AI vs 알고리즘

규칙에 기반해 방아쇠를 당기는 알고리즘

알고리즘은 특정한 문제를 풀기 위해 거쳐야 하는 일련의 과정들을 묶어 놓은 절차나 방법이라는 사전적 의미를 지니고 있다. 특정한 문제를 푸는 방법을 알고리즘이라는 형태로 구조화하고 이와 똑같은 혹은 유사한 문제를 다음에 또다시 풀어야 할 때, 해당 알고리즘을 그대로 이용할 수 있도록 활용한다. 

 

알고리즘의 구체적인 작동 방식은 사람이 설정한다. 그렇기에 알고리즘이 어떤 문제를 풀기 위해선 명확한 규칙이 존재해야 한다.  

 

알고리즘은 명확한 규칙에 의거한 결과를 종합하여 최종적으로 트리거(Trigger)를 발동한다. 이때 트리거(Trigger)는 원래 방아쇠를 당긴다는 뜻의 영어 단어이지만 IT 분야에서는 어떤 신호가 주어졌을 때 그 즉시 그에 맞는 행동을 진행한다는 의미로 많이 사용한다.  

 

결국 알고리즘은 명확한 제보를 제공받고 그 결과를 종합하여 우리가 원하는 답을 내놓도록 방아쇠를 당기는 방식을 취한다.  

 

 

스스로 학습하여 결과를 도출하는 인공지능

인공지능 역시 특정한 문제를 해결하기 위해 컴퓨터에게 무언가 명령을 내린다는 점은 알고리즘과 같다. 하지만 컴퓨터가 문제를 해결하는 방법을 찾는 과정에서 인공지능은 일반적인 알고리즘과 큰 차이를 보인다. 

 

인공지능은 몇몇 개의 명확한 규칙으로만 정답을 찾으려 하지 않는다. 입력받은 정보가 '규칙에 맞다' 혹은 '규칙에 어긋난다'를 알아내려 하지 않고 '제공받은 데이터 A와 풀고자 하는 문제의 정답 B'의 관계를 스스로 학습하려 한다. 

 

물론 인공지능은 너무나 광범위한 의미를 내포한 단어이기에 모든 인공지능이 학습을 진행함으로써 작동하지는 않는다. 인공지능이라는 단어 자체에는 학습의 의미를 내포하고 있지 않지만, 방법론 중 하나인 머신러닝이 워낙 인공지능 생태계에서 대세로 자리 잡고 있어 인공지능 자체가 학습의 의미를 내포하는 것처럼 보이고 있다고 이해할 수 있다.  

 

 

인공지능과 머신러닝, 딥러닝 

인공지능과 머신러닝이라는 단어는 혼용되어 많이 이용되고 있는 추세다. 여기에 머신러닝과 단어 생김새가 비슷한 딥러닝까지 곁들여져 인공지능, 머신러닝, 딥러닝이 거의 동의어처럼 사용되고 있다. 하지만 본래 인공지능과 머신러닝, 딥러닝은 다른 개념이다. 더 정확히 말하자면 인공지능이라는 거대한 개념 안에 머신러닝이 포함되어 있고, 머신러닝이라는 개념 안에 딥러닝이 포함되어 있다. 

 

그리고 인공지능과 마찬가지로 머신러닝, 딥러닝 역시 알고리즘이라는 단어가 뒤에 붙어 머신러닝 알고리즘, 딥러닝 알고리즘이라는 용어로 사용되곤 한다. 하지만 머신러닝과 딥러닝 역시 인공지능 사례와 같이 평범한 알고리즘의 일종이라고 받아들이기보다는 머신러닝과 딥러닝을 그 자체의 개념으로 받아들이는 추세다. 

 

머신러닝 안에서도 수많은 알고리즘이 존재하고 딥러닝 안에서도 수많은 알고리즘이 존재하지만 이는 모두 컴퓨터에게 학습을 실행시키는 방식의 차이라고 이해하면 된다.

 

 

인간 지능의 모방을 총칭하는 인공지능

AI 즉, 인공지능은 원래 인간의 지능을 모방하려는 방식을 모두 총칭하는 용어다. 결과적으로 인공지능은 컴퓨터에게 특정한 명령을 수행시키는 '방식'이라기보다 컴퓨터가 인간처럼 작동되고 있는 '상태'라고 이해하는 것이 더 정확하다. 

 

모든 인공지능이 일반적인 알고리즘과 차별되는 학습의 특성을 내포하지는 않는다. 오히려 2000년대 이전으로 한정한다면 인공지능과 알고리즘은 크게 다를 점이 없다. 

 

 

컴퓨터에게 스스로 학습을 시켜 인공지능을 구현하는 머신러닝 

인공지능이 일반적인 알고리즘과 다르게 분류되기 시작한 것은 머신러닝이라는 새로운 방법을 채택한 이후다. 머신러닝은 컴퓨터가 스스로 학습할 수 있도록 알고리즘과 기술을 개발하는 분야다. 머신러닝에서는 규칙을 기반으로 컴퓨터에게 문제를 풀도록 하는 것이 아니라 빅데이터를 기반으로 데이터와 정답 간의 관계에 대한 학습만 진행하도록 한다. 

 

 

뉴런의 작동 방식을 기계학습에 이용한 딥러닝

딥러닝은 머신러닝 방법론 중 하나로 인간 뉴런의 작동 방식을 그대로 알고리즘화 하여 학습을 진행하는 방식이다. 딥러닝의 이름을 풀어스면 'Deep Neural Network Machine Learning'으로 여기서 Neural Network는 인간 뉴런의 신호 전달 시스템을 뜻한다. 결국 딥러닝이라는 단어 자체는 '깊은 신경망 방식을 이용한 머신러닝'이라고 이해할 수 있다. 

 

수많은 머신러닝 알고리즘 중에서 굳이 딥러닝이라는 이름을 붙여 이 알고리즘만 따로 통칭하는 것은 딥러닝이 다른 알고리즘과는 비교가 되지 않을 정도로 너무나 정확도를 보여주고 있기 때문이다. 결국 '인간 지능을 흉내내기 위해 만든 인공지능 분야에서, 인간의 신호 전달 시스템인 뉴런을 모방한 방식이 가장 효과적이었다'라는 결론에 도달한다. 

 

 

AI 최고의 장점은 높은 정확도와 확장 가능성이다. 

평범한 알고리즘과 비교했을 때, 인공지능이 어떤 특성을 지니고 있는지 알아봤다. 

요약하자면, 명확한 규칙에 의해 문제를 풀어나가는 것이 아닌 학습을 기반으로 문제를 풀어나가도록 설정했다는 것이 가장 큰 차이점이었다. 

 

최근까지도 많은 연구자들이 평범한 알고리즘을 이용하지 않고, 머신러닝과 딥러닝을 이용해 인공지능을 구현하는 이유는 간단하다. 바로 빅데이터 기반 학습 방식이 사람이 직접 규칙을 몇 개 설정하는 알고리즘 방식보다 훨씬 정확하기 때문이다. 

 

결국 학습에서 시작해 학습으로 끝나는 것이 인공지능의 가장 큰 작동 원리라고 할 수 있다. 

 

 

 

<알게 된 개념>

인공지능, 머신러닝, 딥러닝 이 세 가지의 차이점과 포인트를 알 수 있었다. 

세 가지의 개념이 헷갈리고 어떻게 다른 것인지 궁금했는데 궁금증을 해소할 수 있는 좋은 기회였다.