위의 그림에서 알 수 있듯 인공지능>머신러닝>딥러닝의 관계는 식물>꽃>장미꽃의 관계라고 생각하면 쉽습니다. 인공지능이라는 큰 범위 안에 머신러닝이라는 방법이 있고, 머신러닝을 구현해내는 다양한 방법 중 하나가 딥러닝입니다.
인공지능은 기계가 인간의 지능을 모방해 인간과 비슷하게 움직이도록 만든 모든 기술을 뜻합니다. 그 중 머신 러닝은 사람이 경험을 통해 지식을 습득하는 것처럼 기계가 사람의 학습방법을 모방해 학습하는 것으로 다양한 데이터들을 탐색함으로써 데이터 간의 관계를 파악합니다.
머신러닝을 이해하기 위해 기존의 컴퓨터 사이언스와 비교해봅시다. 기존 컴퓨터 사이언스에서 활용한 방법은 1이라는 값, 2라는 값 그리고 +라는 알고리즘을 주고 그 결과값을 얻어내는 방식이었습니다. 마치 지금의 계산기와 비슷합니다. 하지만 머신 러닝은 1이라는 값과 2라는 값 그리고 결과값 3을 주고 그 관계에 대해 알아내도록 합니다. 그럼 어떻게 이 숫자들의 관계가 +(더하기)라는 것을 알 수 있을까요? 이는 많은 데이터를 주면 가능합니다. (1,2와 3), (2,3과 5), (3,4와 7) … 이와 같은 데이터를 수백만, 수천만개를 주면 머신 러닝을 통해 ‘아 이 관계는 +(더하기)로 이루어졌구나.’ 스스로 파악하게 됩니다. 그래서 머신러닝에서는 많은 데이터 즉, 빅데이터를 줄수록 더 정확한 알고리즘을 사람에게 알려줄 수 있습니다.
딥러닝은 이러한 머신 러닝의 여러 학습 방법 중 하나이므로 머신 러닝이 무엇이었는지 생각하는 것부터 시작해봅시다. 사람의 학습은 뇌에서 이루어집니다. 그러니까 기계에도 뇌와 비슷한 구조를 만들어주어야겠다는 생각에서 출발한 것입니다. 그 출발점이 앞에서 설명한 인공신경이었고, 그 인공신경들이 서로 연결되어 그물처럼 얽힌 것이 인공신경망이였으며, 그 인공신경망의 구조 중 핵심구조인 층(은닉층)에 여러 개로 쌓여 있는 심층신경망(DNN, Deep neural network)이 있는데, 그 DNN을 활용하여 학습하는 방법이 딥러닝입니다. 그리고 이러한 딥러닝을 활용해 이미지인식, 음성인식, 자율주행자동차, 신약개발, 질병진단 프로그램을 개발하고 있습니다.