AI 입문자를 위한 머신러닝 용어 정리

본격적으로 파인튜닝을 시작하기 전에 AI의 주요 용어와, 어디서 한 번쯤은 들어봤을 기계 학습(머신러닝)이 어떠한 것인지 알아보겠습니다.

인공지능(AI, Artificial Intelligence)은 인간의 학습, 추론, 문제 해결 능력을 컴퓨터 프로그램으로 구현한 것으로, 인간의 지능적인 행동을 모방합니다.

인공지능은 인간의 언어를 이해하고 상호작용하는 자연어 처리, 이미지를 분석하고 이해해 시각적 데이터를 처리하는 컴퓨터 비전 등 다양한 분야로 나뉩니다.

AI가 입력된 데이터의 패턴을 분석하고 이에 맞는 응답을 생성하기 위해서는 데이터 학습 과정이 필요하며, 이를 위해 가장 많이 사용되는 방법이 기계 학습(Machine Learning)입니다.

기계 학습(머신러닝)은 데이터를 분석하고, 그 데이터로부터 패턴을 학습하여 새로운 데이터에 대한 예측이나 결정을 내릴 수 있는 모델을 만드는 과정을 뜻합니다.

머신러닝은 주로 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning) 등의 방법으로 이루어집니다.

지도 학습은 입력 데이터와 해당 데이터에 대한 정답이 주어지는 학습 방식으로, 주어진 데이터를 통해 AI 모델(데이터를 분석하고 학습하여 특정 작업을 수행하는 프로그램)을 학습시켜 새로운 데이터를 예측합니다.

예를 들어 이메일의 내용과 그 이메일이 스팸인지 아닌지에 대한 정보를 이용해 모델을 학습시켜 새로운 이메일이 스팸인지 아닌지를 예측하도록 AI를 학습시킬 수 있습니다.

비지도 학습은 정답이 없는 데이터를 사용하여 데이터의 구조나 패턴을 발견하는 학습 방식입니다. 예를 들어, 고객 구매 데이터를 이용해 비슷한 구매 패턴을 가진 고객들을 군집화하여 그룹을 만드는 작업을 비지도 학습으로 수행할 수 있습니다.

강화 학습은 시도와 오류를 통해 보상을 최대화하는 행동을 학습하는 방식입니다. 예를 들어 로봇이 미로를 탈출하는 방법을 학습할 때, 올바른 길을 찾으면 보상을 받고 잘못된 길로 가면 벌을 받으며 최적의 경로를 학습할 수 있습니다.

다음 수업에서는 머신러닝만큼 자주 등장하는 AI 용어인 딥 러닝(Deep Learning)에 대해 알아보겠습니다.