인공지능, 머신러닝, 딥러닝 ... 그것이 알고 싶다 AI vs Machine Learning vs Deep Learning

AI의 탄생

1956년 다트머스 컨퍼런스에서 소수의 과학자들이 모여서 인간의 두뇌를 흉내낼 수 없을까를 주제로 토론합니다.  이들은 수학, 심리학, 공학, 경제학, 정치학 등 다양한 학문적 배경을 갖고 있었습니다.   그리고는 이 모임에서 이제까지 없던 전문용어 "인공지능 Artificial Intelligence"가 처음으로 등장합니다.  인공지능을 구현하기 위해서는 알고리즘을 개발하고, 데이터를 분석하고, 인간처럼 반응하도록 하는 것을 수반합니다.  인간처럼 자연어를 이해하고, 이미지를 인지하고, 이미지 안의 사물들을 인식하는 것을 인공지능의 예로 들 수 있습니다. 

Machine Learning

머신러닝 이라는 용어는 1959년에 인공지능 분야의 개척자인 아서 사뮤엘 Arthur Samuel 에 의해 유행하기 시작했다고 합니다. 머신러닝은 인공지능 시스템을 훈련하는 방법이나 모델을 의미합니다.  데이터를 통해 학습하는 훈련 알고리즘 training algorithm을 갖고 있습니다.  다시 말해, 머신러닝 알고리즘은 데이터로 부터 학습할 수 있고, 이를 통해 인공지능 시스템의 정확성과 성능을 개선 합니다.

"The field of study that gives computers the ability to learn without explicitly being programmed."

- Arthur Samuel

Deep Learning

딥러닝은 1962년 코넬대학교 프랭크 로젠블랫 Frank Rosenblatt 의 논문 “Principles of Neurodynamics: Perceptrons and the Theory of Brain Mechanisms” 에서 인간의 두뇌 메카니즘에 대한 연구 주제가 다루어 지면 관련 연구가 활성화되기 시작했다고 합니다. 딥러닝 이라는 용어 자체는 1986년 Rina Dechter 에 의해 처음 소개되었다고 합니다.   
ANN (Artificial Neural Network) 는 1943년에 소개되었지만, 2000년대가 되어서야 비로소 연구가 본격화되기 시작했습니다.  SVM (Support Vector Machine) 연구가 활성화 되기 시작한 것도 1990년대-2000년대 무렵입니다.
 
딥러닝을 이해하기 위해서는 신경망 또는 뉴럴 네트워크를 이해해야 합니다.  딥러닝은 다층 신경망 구조를 갖기 때문입니다.  신경망의 개념은 뉴론 네트워크를 만들기 위해 탄생했습니다.  여기서, 뉴론 neuron 은 데이터 형태로 입력 신호를 받아들이고 가공한 후에,  또 다른 세포에게 정보를 넘기게 됩니다.  딥러닝은 대량의 데이터를 학습하고, 데이터로부터 자동적으로 정보를 추출하기 위해 고안되었습니다.
 
2009년 엔비디아 GPU 등장은 딥러닝 모델을 훈련시킬 수 있는 하드웨어의 진보를 이루어 내었고, 딥러닝에 대한 연구가 폭발적으로 증가하는 기폭제가 되었습니다.