인공지능AI / 머신러닝ML / 딥러닝DL / IoT / 챗GPT

-AI, 머신러닝
인공지능 ⊃ 머신러닝 ⊃ 딥러닝

<인공지능AI> 컴퓨터가 사람처럼 생각하고, 판단하게 만드는 기술
인공지능(AI)은 학습, 문제 해결, 패턴 인식 등과 같이 주로 인간 지능과 연결된 인지 문제를 해결하는 데 주력하는 컴퓨터 공학 분야입니다.

<머신러닝ML> (인공지능의 한분야) 인간의 학습능력과 같은 기능을 컴퓨터에 부여하기 위한 기술
과거에는 인공지능을 개발할 때 해당 분야의 전문가들이 만든 많은 양의 샘플들을 데이터 베이스화 하여 자료들을 일일이 수작업으로 컴퓨터에 직접 등록하는 방법을 사용했습니다. 하지만 이런 방법은 대부분의 작업이 사람의 손을 거쳐야 하므로 필연적으로 많은 시간과 노력, 비용이 발생하게 됩니다.

또한, 시대가 발전함에 따라 사람조차 명확하게 구분할 수 없는 지식(no explicit knowledge)을 구현해야 하거나, 사람이 일일이 구현하기에는 너무 많은 양의 규칙들이 필요한 경우가 생겨나기 시작합니다.

이러한 경우에 사용할 수 있도록 고안된 방법이 머신러닝(Machine Learning)입니다.

일반적으로 머신러닝이란 알고리즘을 이용하여 데이터를 분석하고, 분석 결과를 스스로 학습한 후, 이를 기반으로 어떠한 판단이나 예측을 하는 것을 의미합니다. 따라서 머신러닝에서는 양질의 데이터가 매우 중요한 역할을 하며, 양질의 데이터를 많이 보유할수록 보다 높은 성능을 이끌어낼 수 있게 됩니다. 이러한 양질의 데이터를 얻기 위해 데이터 분석 과정 중에 데이터 정제 과정을 거칩니다.

데이터로부터 사람 수준의 간단한 지능을 구현할 방법을 고민하게 되었고, 데이터에 사람이 생각하는 정답(label)을 매겨서 계산하고, 사람의 생각과 차이가 나는 오류를 줄여가는 방법으로 수정하고, 이러한 과정을 반복함으로써 사람의 생각과 유사하게 만들 수 있을 것이라는 방법을 생각했습니다.

이러한 과정을 학습(training)이라고 부르고, 학습 결과로 얻어진 지능을 실제 응용에 적용하는 이 기술을 바로 “머신러닝(Machine Learning)”이라고 부릅니다.

[머신러닝단점]
초기 훈련은 비용과 시간이 많이 소요되는 과정입니다. 충분한 데이터를 사용할 수 없으면 구현이 어려울 수 있습니다.
사내에 하드웨어를 설치하는 경우 막대한 초기 투자가 필요한 컴퓨팅 집약적 프로세스입니다.
전문가의 도움 없이 결과를 정확하게 해석하고 불확실성을 없애기 어려울 수 있습니다.

[머신러닝 사례]
이미지 분류, 텍스트 분류(자연어 처리), 텍스트 요약 자연어 이해, 추천 시스템, 음성인식


<딥러닝DL> (인공지능 신경망을 기반으로 한 머신러닝 방법론 중 하나) 빅데이터 기반으로 스스로 학습하며, 판단하는 기술


https://modulabs.co.kr/blog/machine-learning/

동물의 신경세포들의 합성인 ‘신경망(Neural Network)’을 따라 만든 ‘인공신경망(Artificial Neural Network)’에서 여러 계층 쌓아서 만든 깊은 신경망(Deep Neural Network), 다른 이름 ‘딥러닝’이 만들어졌습니다. ‘층’이 깊다(Deep)고 해서, ‘심층 학습, 깊은 학습’으로 불리는 학습 방법입니다.



머신러닝은 인공지능의 세부 하위 집합입니다. 대부분 인공지능(AI), 머신러닝(Machine Learning), 딥러닝(Deep Learning)을 비슷한 내용으로 이해하고 있습니다. 하지만 인공지능은 가장 넓은 개념이며, 인공지능을 구현하는 대표적인 방법 중 하나가 바로 머신러닝입니다. 또한 딥러닝은 머신러닝의 여러 방법 중 하나의 방법론으로 인공신경망(Artificial Neural Network)의 한 종류입니다.


인공지능(Artificial intelligence)은 인간의 학습 능력과 추론 능력, 지각 능력 등을 컴퓨터 프로그램으로 실현한 기술을 말하는데 그 연구 분야 중 하나가 바로 머신러닝입니다. 그리고 딥러닝은 앞서 설명해 드린 것처럼 인공신경망을 이용한 머신러닝의 한 종류로 머신러닝의 하위 개념으로 볼 수 있습니다.

인공지능 : 사람의 지적능력을 컴퓨터를 통해 구현하는 기술
머신러닝 : 사람이 정한 모델과 특징 추출방법을 이용해 데이터를 기반으로 학습해서 추론할 수 있게 하는 기술
딥러닝 : 인공신경망 방법을 이용해 만든 머신러닝 기술로 빅데이터 학습에 적합한 기술

머신러닝과 딥러닝 모두 데이터를 분류하는 데 사용하는 기술이지만 두 기술의 가장 큰 차이점은 바로 사람의 개입 여부입니다.

머신러닝은 주어진 데이터를 인간이 먼저 처리합니다. 사람이 먼저 컴퓨터에 특정 패턴을 추출하는 방법을 지시하고, 그 이후 컴퓨터가 스스로 데이터의 특징을 분석하고 축적합니다. 이렇게 축적된 데이터를 바탕으로 문제를 해결하도록 하는 거죠. 예를 들어 사람이 먼저 개와 고양이의 사진을 보고 개와 고양이의 특징을 추출한 후 많은 예시를 통해 컴퓨터를 학습시키고 식별하게 만듭니다.

반면에 딥러닝은 머신러닝에서 사람이 하던 패턴 추출 작업이 생략됩니다. 컴퓨터가 스스로 데이터를 기반으로 학습할 수 있도록 정해진 신경망을 컴퓨터에게 주고, 어린아이가 학습하는 것처럼 경험 중심으로 학습을 수행합니다. 즉, 인간이 개, 고양이의 특성을 추려 사전에 정의된 알고리즘과 규칙을 적용하는 머신러닝과 달리, 딥러닝에서는 심층 신경망을 통해 스스로 개, 고양이의 특성을 훈련하여 개와 고양이를 분류할 수 있습니다.

https://www.codestates.com/blog/content/%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EB%94%A5%EB%9F%AC%EB%8B%9D%EA%B0%9C%EB%85%90

 

---

-IoT
사물인터넷(IoT)은 인터넷을 통해 데이터를 다른 기기 및 시스템과 연결 및 교환할 목적으로 센서, 소프트웨어, 기타 기술을 내장한 물리적 객체(사물)의 네트워크를 의미합니다.
IoT 또는 사물 인터넷이라는 용어는 연결된 디바이스의 공통 네트워크를 의미하며, 디바이스와 클라우드 및 디바이스 간 통신을 용이하게 하는 기술을 의미하기도 합니다.
일상의 ‘사물’을 인터넷과 통합합니다 일상 용품에 센서와 프로세서를 추가

IoT 디바이스 예
커넥티드 카, 커넥티드 홈, 스마트 시티, 스마트 빌딩

https://aws.amazon.com/ko/what-is/iot/


사물 인터넷(영어: Internet of Things, 약어로 IoT)은 각종 사물에 센서와 통신 기능을 내장하여 인터넷에 연결하는 기술. 즉, 무선 통신을 통해 각종 사물을 연결하는 기술을 의미한다.

https://ko.wikipedia.org/wiki/%EC%82%AC%EB%AC%BC%EC%9D%B8%ED%84%B0%EB%84%B7

사물인터넷 - 위키백과, 우리 모두의 백과사전

 

챗GPT는 오픈AI의 생성 인공지능(AI) GPT-3를 개량한 GPT-3.5를 기반으로 만들었다. 기계가 인간 언어를 이해하고 구사할 수 있도록 하는 대규모 언어 모델(LLM)의 대표적 사례다. LLM은 단어를 조합해 나오는 문장 가운데 자연스러운 문장에 가중치를 부여하는 통계학적 모델이다. GPT는 학습한 방대한 데이터를 기반으로 인간과 비슷한 문장을 써 내려간다. GPT-3의 파라미터(매개변수)는 1750억 개에 이른다. 파라미터는 인간 뇌의 ‘시냅스’(신경세포의 접합부)에 해당하는 역할을 하는데 숫자가 클수록 성능도 높다. 2023년 출시할 것으로 예상되는 GPT-4는 파라미터 100조 개를 보유한 것으로 알려졌다.

[네이버 지식백과] 챗GPT [ChatGPT] (한경 경제용어사전)