인공지능 ⊃ 머신러닝 ⊃ 딥러닝 차이와 이해(초안)

인공지능(AI)이란?

인공지능(AI, Artificial Intelligence)은 사람처럼 학습하고 판단하며 행동하는 기술입니다.
초기에는 사람이 정해준  규칙(rule) 에 따라 작동하는 방식이었지만, 최근에는 데이터 기반으로 스스로 학습하여 규칙을 도출하는 머신러닝(ML), 딥러닝(DL) 기술이 중심이 되고 있습니다.

 

인공지능 ⊃ 머신러닝 ⊃ 딥러닝

인공지능은 큰 개념입니다. 그 안에 머신러닝이 있고, 머신러닝 안에 딥러닝이 있습니다.

왜 규칙기반(보라색부분)에서 머신러닝(파란색부분)으로 넘어왔을까?

규칙기반 시스템은 사람이 일일이 조건을 정의해야 합니다.
예: 남자 = 수염 有, 키 큼 / 여자 = 머리 김, 목소리 얇음

하지만 예외가 너무 많습니다.
→ 모든 경우의 수를 일일이 명시하는 건 비효율적이죠.
그래서 등장한 게 머신러닝입니다.

머신러닝(Machine Learning)이란?

머신러닝은 사람이 직접 규칙을 정하는 대신,
**데이터와 정답(Label)**을 계속 주면서 컴퓨터가 스스로 규칙을 학습하게 하는 기술입니다.

예시: 사람을 학습시켜보자 (머신러닝 관점)

• 입력(Input): 사진, 목소리, 키, 행동 등
• 정답(Label): 남자 / 여자
• 머신러닝 모델은 수많은 데이터 속에서 스스로 패턴을 학습합니다.
  • “수염이 있으면 남자일 확률이 높다”
  • “긴 머리가 있으면 여자일 확률이 높다”
    → 이런 **경향성(패턴)**을 스스로 도출하는 것이 포인트입니다.

딥러닝(Deep Learning)이란?

딥러닝은 머신러닝의 한 종류로, **뉴럴 네트워크(Neural Network)**라는 구조를 깊게 쌓은 모델입니다.
딥러닝은 특히 비정형 데이터(이미지, 음성, 영상) 처리에 강력합니다.

딥러닝의 특징

• CNN, RNN, DNN 등 다양한 구조가 있음
• 정답은 주지만, 모델 내부 구조는 블랙박스처럼 작동
• 사람이 왜 그런 판단을 했는지 설명하기 어려움
• 그러나 머신러닝보다 정확도가 높음

예시: 딥러닝으로 사람을 학습시켜보자

• 사진만 주고 성별을 알려주면
• 딥러닝은 얼굴 특징을 스스로 수천 개의 노드에서 추상화
  • 눈 간격, 턱선, 이목구비의 패턴 등 수많은 특징을 종합하여 판단
• 사람이 봐도 모호한 이미지를 더 정확히 분류함

지도학습 vs 비지도학습

구분정의장점단점예시

지도학습	입력 + 정답(label)을 모두 제공하여 학습	학습 정확도 높음	정답 데이터를 만드는 비용 큼	성별 예측, 스팸 분류
비지도학습	정답 없이 데이터 자체의 구조를 분석	정답 없이도 가능	정확한 평가가 어려움	클러스터링, 이상탐지

 

클러스터링 예시 (비지도학습)

• 고객 데이터를 좌표에 찍고, 유사한 특징끼리 묶음
• 별도의 정답이 없기 때문에, 자동으로 “비슷한 것들끼리” 그룹을 만드는 방식입니다.

 

정형 vs 비정형 데이터

구분정의예시활용 기술

정형 데이터	테이블 형태로 구조화된 데이터	고객명, 주소, 구매이력	머신러닝
비정형 데이터	구조화되지 않은 데이터	이미지, 영상, 음성	딥러닝

 

실제로 현업에서는 정형 데이터 → 머신러닝, 비정형 데이터 → 딥러닝 기술을 사용합니다.

 

왜 사람들이 인공지능을 쓰고 싶어할까?

• 자동화: 반복 작업을 줄이고 효율화
• 최적화: 더 나은 판단과 의사결정을 위한 도구
• 데이터 기반 판단: 감에 의존하지 않고, 실제 데이터로 분석

마케팅 용어와 실제 구분 주의!

• 요즘은 ‘딥러닝 기반’이라는 말이 많지만, 실제로는 규칙기반 시스템일 수도 있습니다.
• 머신러닝, 딥러닝이라는 용어는 혼용되거나 과장되는 경우도 많으니, 개념을 제대로 이해하는 것이 중요합니다.

복습 포인트

• AI > ML > DL
• 지도학습은 정답 있음 / 비지도학습은 정답 없음
• 정형 데이터 → 머신러닝
• 비정형 데이터 → 딥러닝
• 딥러닝은 블랙박스, 정확하지만 해석이 어려움

마무리

인공지능은 규칙 기반을 넘어 데이터 기반의 학습 기술로 진화해왔습니다.
사람처럼 배우고, 스스로 개선하며, 문제를 해결하는 시대.
이 흐름을 잘 이해하면 현업에서 어떤 기술을 어떻게 써야 할지 판단이 쉬워집니다.