안녕하세요! 오늘은 머신러닝에 대해서 이야기해보려고 합니다.

최근 인공지능이나 사물 인터넷 등에 대한 이슈가 커지면서 IT 기술에 관심이 점점 더 커지고 있는데요. 그 중에서도 인공지능의 한 분야로 4차 산업혁명의 핵심 키워드로 꼽히는 머신러닝은 인간의 학습 능력과 같은 기능을 컴퓨터에서 실현하고자 하는 기술 및 기법을 뜻합니다. 하지만 머신러닝 기술은 최근에 새롭게 만들어진 것이 아니랍니다. 약 60년 전부터 진행해오던 연구였죠. 실제로 머신러닝이란 용어는 1959년 ‘아서 사무엘’의 논문에서 최초로 정의된 바 있습니다. 이후 계속해서 연구를 통해 80~90년대까지 발전해오다가 2000년대 중반에 들어서면서 급속한 발전을 이루게 되었습니다. 그렇다면 머신러닝이 급속하게 발전하게 된 이유는 무엇일까요?

머신러닝의 발전 계기

머신러닝이 급속도로 발전하게 된 계기에는 먼저 기술의 발달이 있겠죠? 특히 사물인터넷이 발달하면서 막대한 양의 데이터가 발생하기 시작했습니다. 사람이 처리할 수 있는 정보의 양을 뛰어넘어 버린 것이죠. 컴퓨터의 성능이 그 방대한 양의 데이터를 처리할 수 있을 만큼 발전하면서 머신러닝 기술 또한 발전하게 되었습니다. 또한 머신러닝 기술 줄 하나인 ‘딥 러닝’ 기술이 탄생하면서 인공 신경망 분야가 두드러진 발전을 보여주었죠.

딥 러닝의 발전

‘딥 러닝’이란 머신 러닝의 하위 개념으로서 모델을 학습하고 데이터를 분류한다는 공통점을 갖습니다. 딥 러닝에 대해서 자세히 살펴볼까요? 딥러닝은 사물이나 데이터를 군집화하거나 분류하는 데 사용하는 기술입니다. 예를 들어 컴퓨터는 사진만으로 개와 고양이를 구분해내지 못하죠. 하지만 사람은 아주 쉽게 구분해낼 수 있습니다. 컴퓨터에게 인간의 이런 능력을 부여하기 위해 고안된 기술이 바로 ‘머신 러닝’이고 데이터를 어떻게 분류할 것인가를 놓고 마련된 알고리즘 중 하나가 바로 ‘딥 러닝’입니다. ‘의사결정나무’나 ‘베이지안망’, ‘서포트벡터머신’, ‘인공신경망’ 등이 대표적이었지만 딥 러닝은 그 중에서도 인공신경망의 후예라고 볼 수 있습니다. 인공신경망의 한계를 극복하고자 제안된 학습 방법인 ‘딥 러닝’의 핵심은 바로 분류를 통한 예측인데요. 수많은 데이터 속에서 패턴을 발견해 인간이 사물을 구분하듯 컴퓨터가 데이터를 나누는 것을 말합니다. 이 분류 방식은 ‘지도 학습’과 ‘비지도 학습’으로 나뉩니다. 지도 학습 방법은 컴퓨터에 먼저 정보를 입력하여 학습하게 하는 방법입니다. 컴퓨터에게 고양이 사진을 주면서 고양이 사진으로 인식할 수 있도록 정보를 먼저 입력해주는 것이죠. 컴퓨터는 이러한 학습 절차를 통해 고양이 사진을 분류해내게 됩니다. 반면 비지도 학습은 말 그대로 학습 절차가 없답니다. 이 사진은 고양이라는 별도의 학습 없이 컴퓨터가 스스로 고양이 사진을 분류하도록 합니다. 때문에 지도학습보다 더 진보된 학습 기술이며 컴퓨터의 높은 연산 능력이 요구되는 기술입니다. 

머신 러닝의 미래

머신 러닝은 사람이 처리할 수 없는 속도로 방대한 양의 데이터를 분석하고 또 예측까지 하는 기술이기 때문에 미래에 굉장히 다양한 분야에서 활용될 것이란 전망을 보이고 있습니다. 이미 이름이 잘 알려진 기업들은 머신 러닝 기술을 활용하고 또 연구하고 있는데요. 이젠 너무나도 익숙한 포털사이트의 검색어 자동완성기능, 페이스북 자동 태깅, 스팸메일 필터 등이 있습니다. 머신러닝에 대한 구글이나 타 IT 기업들의 투자가 어마어마하기 때문에 발전 속도가 앞으로 더욱 더 빨라질 것이란 예측도 나오고 있습니다. 영화 ‘Her’속에서 남자주인공이 인공지능과 대화하고 생각을 나누는 모습이 머지않아 현실에서도 가능할 것으로 보입니다. 

이렇게 머신러닝과 딥 러닝에 대해서 알아보았습니다. 4차 산업혁명이 시작되면서 기술 발전의 속도도 더욱 더 빨라진 것 같아요. 특히 구글 포토나 클라우드 서비스를 이용하면서 컴퓨터가 정말 똑똑해졌다는 느낌이 많이 드는데요. 이러한 기술에 뒤쳐지지 않도록 IT 공부에 더욱 더 힘써야겠습니다!