AI v.s. ML 수준이 어느정도인가요?

Question

4년전에 No-sql로 통계 때리고 디비 가공해서 사용자에게 제품을 출시한적 있습니다.

그 때 알파고 나와서 한참 이슈가 핫 할때 였는데요!

2016아마존 서울 리젼 오픈할 때에도 참석해서 기조연설 및 사용사례를 보았었습니다.

제가 AI를 따로 공부해보지 않고, ML은 대학교때 매틀렙을 이용해서 OCR로 문자 인식해서 학습하는 걸 프로젝트로 했었습니다.

여기서부터 질문입니다.

시중에 나와있는 제품중 AI추천 이런 말이 있던데요! 기존의 디비 통계 쌓고 쿼리 때려서 정보 가공하는거란 AI랑 차이가 큰가요? 차이가 있다면 무엇이 다른가요?

AI 하는 분들 이야기 들어보니까 코딩이랑은 좀 다른 개념이라고 하던데요.

ML도 그래픽을 사람눈으로 보는 것처럼 분석해서 확률 높여서 1, 0으로 판단해서 100번 했을때 80번이 결과 나오면 80%로 1이라고 알려주는 수준으로 이해하고 있는데요. 이것도 뭔가 제가 잘못 알고 있는건가요?

Answer 1

ML이 AI에 속합니다.

영어가 되시면 다음 사이트에서 Deep Learning Specialization 클래스를 수강하는 걸 추천드립니다.

https://www.deeplearning.ai/

스탠포드에서 ai를 연구하는 Andrew Ng 교수님의 강의로 영어만 된다면 정말 쉽고 직관적으로 딥러닝을 이해하실 수 있습니다.

https://www.deeplearning.ai/deep-learning-specialization/

Answer 2

안녕하세요. 현업 6년차 개발자입니다.

일단 질문 답변 드리기 전에 용어를 다시 정리할 필요가 있습니다. 지금 말씀하신 ML은 머신 러닝으로서, AI 인공지능 학습 기법중 하나입니다. 문자를 인식한다는 건 카메라나 스크린을 이용해 컴퓨터 비전을 활용한 예라고 할 수 있구요. 자, 그렇다면 ML 하신 건 AI를 공부하신 게 되겠죠?

SQL은 말 그대로 구조회된 쿼리언어로, 데이터 분석과 가공을 하는 겁니다. 인공지능이 아닙니다. 인공지능이란 컴퓨터가 주어진 데이터에 대해 판단 또는 분류, 예측 등을 컴퓨터가 수행하는 것을 말하는 겁니다. 인공지능은 필시 학습에 사용할 데이터 전처리 작업이 필요하며, 이를 학습시키게 됩니다. 학습된 인공지능 모델을 가지고 Input을 넣을 때, 결과를 내뱉는 형태입니다.

SQL을 통해 데이터 분류를 통해 추천 시스템을 만들 수는 있으나 이는 어디까지나 사람이 "정해준 룰" 안에서 컴퓨터가 판단하게 됩니다. 이는 인공지능이라 표현하지 않고 로지컬한 분기와 프로세스에 의해 나온 결과값입니다. 반면 인공지능은 "학습된 데이터"로 만들어진 "모델" 로 컴퓨터가 판단합니다. 사람이 모델링은 할 수 있으나, 직접적으로 분기를 세팅하지 않습니다.

코딩과 다른 개념이라고 하시는 분들은 약간 설명하기가 어려워서 그렇게 말씀하신 것 같네요. 인공지능 개발을 할 때 당연히 코딩이 필요하지만, 요새 라이브러리가 너무 잘되어 있습니다. 그래서 인공지능 컴퓨팅의 대부분은 직접 코딩하는 부분의 비중이 적습니다. 데이터 처리를 하고, 레이어를 쌓고, 학습을 시키는 정해져있는 펑션을 씁니다. 이때 어떤 순서, 어떤 로직으로 만드느냐에 따라 인공지능 성능이 많이 달라지기 때문에 인공지능 모델링 역량이 코딩보다 중요합니다. 즉 상대적으로 코딩의 비중이 낮다는 의미입니다.

차이가 있다면 코딩은 그야말로 프로그래밍 언어로 컴퓨터에 입력하는 행위를 나타내고, 말씀하시는 AI란 그 코딩으로 만들어낸 인공지능이라는 결과물인 것입니다.

도움 되셨길 바랍니다.

Answer 3

안녕하세요, 관련해서 답변드립니다.

ML과 AI는 근본적으로는 데이터의 특성을 학습해서 분석가가 원하는 결과를 이끌어낸다는 점에서는 동일합니다. 다만, 구현하는 모델이 다른데 기존 통계적인 ML방식에서는 트리 앙상블 모델, 선형회귀, SVM 등 커널모델 등을 주로 활용했다면, AI 분야에서는 다양한 Deep Neural Net을 기반으로 데이터를 학습합니다. 분야 별로 이미지의 경우 CNN, 시계열은 LSTM, 자연어는 BERT, 특정 분야들에서는 Attention 개념 등을 적용하며, pooling, sigmoid 등 성능을 높이기 위한 다양한 연구들이 수행됩니다. 그 결과 기존 ML 분야에서보다 특히 이미지와 자연어 분야에서 탁월한 성능을 입증하였고, 다양한 문제 해결에 큰 도움을 주고 있습니다. 대표적으로 자율주행 자동차, 인공지능 비서 등의 실 사용 사례가 있겠네요.

그리고 AI 추천이라는 부분은 아마도 어느정도 마케팅이 가미된 용어라고 생각되나, collaborative filtering, DL 등의 추천시스템 학습 모형을 사용했을 것이라고 생각합니다. 관련 모델들에 대해서는 추천 시스템이라고 검색해보시면 다양한 리소스들이 있고, 이를 통해 내용을 이해하실 수 있을 겁니다. 결과적으로 단순히 디비에서 통계량을 통해서 사람들이 많이 보는 어떤것을 추천해준다라는 개념을 넘어서 개인화된 특성을 데이터에서 찾아내고 이를 반영해서 아이템을 추천해준다는 점에서 AI 추천 시스템의 차이가 생기는 것이라고 생각합니다.

감사합니다.