[혼자공부하는 머신러닝 + 딥러닝] 1_시작하며

01-1. 인공지능과 머신러닝, 딥러닝

1. 인공지능?

인공지능은 사람처럼 학습하고 추론할 수 있는 지능을 가진 컴퓨터 시스템을 만드는 기술을 말한다. 실제로 인공지능의 역사는 약 80여년 정도 밖에 되지 않았지만 인류는 훨씬 오래전부터 지능적인 시스템을 생각해 왔다.

1943년 위런 매컬러와 윌터 피츠는 최초로 뇌의 뉴런 개념을 발표했고 1950년에는 앨런 튜링(이미테이션 게임의 그 튜링이맞다.)이 인공지능이 사람과 같은 지능을 가졌는지 테스트 할 수 있는 유명한 튜링 테스트를 발표했다.

1956년 다트머스 AI컨퍼런스에서는 인공지능에 대한 전망이 최고조에 이르러 이 시기를 인공지능 태동기라 한다.

이후 인공지능의 황금기가 도래하는데 1957년 프랑크 로젠블라트가 로지스틱 회귀의 초기버전으로 볼 수 있는 퍼셉트론을 발표했고 1959년에는 데이비드 허블과 토르스텐 비셸이 고양이를 대상으로 시각 피질에 있는 뉴런기능을 연구했다. 하지만 이때는 컴퓨터 성능의 한계로 인해 간단한 문제를 해결하는것에 그치자 AI연구 붐이 식어가는 이른바 AI겨울이 도래했다. 이후 전문가 시스템이 등장하면서 두번쨰 AI 붐이 불었지만, 역시 한계를 드러내고 두번째 겨울을 맞이한다.

이 두번의 겨울을 거치고 컴퓨터 성능이 나날이 발전함과 더불어 인공지능은 다시 각광받기 시작했다. 영화, 드라마, 소설 등 다양한 대중매체를 통해 자주 접하게 되었다. 하지만 우리가 매체에서 접하는 인공지능을 현실에서 접하기는 어렵다.

우리가 영화에서 접하는 인공지능은 인공일반지능 또는 강인공지능 이라고 불리는 인공지능을 말한다. 터미네이터나 아이로봇 등에서 나오는 사람과 구분하기 힘든 지능을 가진 컴퓨터 시스템이 인공일반지능이다.

반면 우리가 현실에서 마주하는 인공지능은 약인공지능 이다. 약 인공지능은 아직은 특정 분야의 사람의 일을 도와주는 보조 역할만 가능하다. 음성비서, 자율 주행자동차, 음악추천, 기계 번역 등의 인간의 업무를 보조하거나, 한가지 일을 하는 등의 수준까지를 말한다. 알파고가 좋은 예일 것이다.

인류가 개발하는 인공지능은 인공일반지능에 도달함을 궁극적인 목표로 두고 있다고 볼 수 있다. 그 시기는 명확하게 알 수 없지만, 가능성에는 긍정적이다. 하지만 과거에도 이 분야의 장밋빛 미래를 엿보았지만 실패했기 때문에 누구도 단정짓기는 어렵다고 볼 수 있다.

2. 머신러닝?

머신러닝은 규칙을 프로그래밍하지 않아도 자동으로 데이터에서 규칙을 학습하는 알고리즘을 연구하는 분야를 말한다. 사이킷런이 대표적인 라이브러리로 볼 수 있다. 머신러닝은 통계학과 깊은 관련이 있다. 통계학에서 유래된 머신러닝 알고리즘이 많이 존재하며 통계학과 컴퓨터 과학 분야가 상호작용을 하면서 발전하고 있다. 하지만 최근에는 통계학이나, 수학 이론보다 경험을 바탕으로 발전하는 경우가 많이 존재한다. 현재는 컴퓨터 과학 분야가 발전을 주도하고 있다. 앞서 말했던 사이킷런이 대표적인 머신러닝 라이브러리다.

이 책을 공부하면서는 사이킷런의 다양한 머신러닝 알고리즘을 배우고 어떻게 활용하는지 살펴볼 것이다.

3. 딥러닝?

많은 머신러닝 알고리즘 중에 인공신경망을 기반으로 한 방법들을 통칭해 딥러닝이라고 부른다. 국내에서는 2016년 이세돌과 알파고의 대국으로 인해 딥러닝에 대한 관심이 크게 높아졌다. 딥러닝이 놀라운 성능을 발휘하게 될 수 있던 배경에는 복잡한 알고리즘을 훈련할 수 있는 풍부한 데이터들의 발생과 컴퓨터 능력 향상, 그리고 혁신적인 알고리즘의 개발의 삼박자가 골고루 맞아 떨어졌기 때문이라 할 수 있다. 과거의 시도들과 달리 현재의 딥러닝의 발전은 매우 긍정적이고 지속 가능할 전망이다.

4. 다짐, 목표, 이유

본격적으로 머신러닝과 딥러닝 공부에 앞서, 이론적인 내용을 살펴보고자 했다. 실제로 이번 시각화 공모전을 준비하고 나서 본격적으로 데이터사이언스에 전반적인 내용을 공부해보고 싶다는 마음을 다잡는 계기가 되었다. 시각화를 꾸준히 하면서, 머신러닝부터 차근차근 공부해 나갈 계획이다. (본래 핸즈온 머신러닝을 가지고 공부하려 했으나 너무 어려웠다…) 다음장에 코랩과 주피터 노트북에 대한 설명은 생략하고 바로 본격적인 내용을 공부하도록 하겠다.