머신러닝 기초 : 머신러닝이란?

머신러닝이라는 단어는 2016년 3월, 딥 마인드에서 만든 알파고가 이세돌 기사를 이기면서 대중들에게 익숙한 단어가 됐다. 머신러닝은 '기계 학습'라는 뜻인데, 이 단어의 정확한 정의는 아직 제대로 정의되지 않았다고 합니다.

 

머신러닝의 대표적인 종류에는 지도학습(Supervised learning), 자율학습(Unsupervised learning), 강화학습(reinforcement learning)이 있습니다.

 

지도학습 Supervised learning

첫 번째로 지도학습이란, 인공지능에게 문제와 답을 주고 학습하라고 명령하는겁니다. 강아지와 고양이의 사진을 인공지능에게 보여주고, 각각 강아지와 고양이라는 것을 학습시키는 것입니다. 이 학습방식을 분류(Classification)이라고 합니다. 땅의 크기를 보고 땅값이 얼마인지 값을 유추하는 것도 지도학습입니다. 이 학습은 주변의 땅의 크기와 그 땅의 값이 얼마인지 미리 인공지능에게 입력해줘야하는 데이터가 있어야합니다. 이것을 회귀분석(Regression)이라고 합니다.

 

 

 

자율학습/비지도학습 Unsupervised learning

자율학습은 지도학습이나 강화학습처럼 어떤 문제의 답이나 목표를 정하지 않습니다. 그저 어떤 특정한 데이터를 분석하는 것입니다. 이런 것을 클러스터링(집단화, Clustering)이라고 합니다.

 

클러스터링의 좀더 직관적인 이해가 필요하다면 아래의 그래프를 보십시오.

 

 

이 그래프를 보면 직관적으로 두 개의 집합이 보일겁니다. 클러스터링은 이러한 집합을 구분합니다.

 

이런 식으로 점들은, 자신과 가까운 집합으로 모입니다. 이렇게 분류된 데이터들은 여러 분야에서 다양하게 쓰입니다.

 

 

강화학습 Reinforcement learning

 

강화학습은 어떠한 목표치를 주고, 그에따른 보상을 주면서 목표치에 도달하는 과정입니다. 게임에서 가장 높은 점수를 얻으라고 명령을 내리면, 인공지능은 시행착오를 통해 가장 높은 점수를 받으려고 할 것입니다. 시행착오를 겪으면서 최고의 보상을 받는것이 강화학습입니다.