04. 머신러닝이란? _머신러닝과 전통적인 프로그램의 차이

 

---

 

‘머신러닝(Machine Learning, 기계학습)’이라는 용어는 1959년, 컴퓨터 과학자 ‘아서 사무엘(Arthur L. Samuel)’이 처음 사용했습니다. 아서 사무엘은 머신러닝을 “컴퓨터가 명시적으로 프로그램되지 않고서도 학습할 수 있도록 하는 연구 분야이다.”라고 정의했습니다.

정의만 봐서는 이해가 잘 안 되죠? 머신러닝을 프로그래밍과 비교해 봅시다. 기존의 프로그래밍은 ‘A라는 입력에 B라는 조건이 성립하면 Y를 출력한다.’라는 것을 사람이 작성하는데, 머신러닝은 ‘A라는 정보가 입력될 때 정답이 Y가 되는 조건 B’를 기계(인공지능)가 찾을 수 있도록 학습시킵니다.

집의 가격을 예측하는 프로그램과 머신러닝을 비교하면 좀 더 쉽게 이해할 수 있습니다. 전통적인 프로그래밍의 경우, 사람이 집의 가격을 결정하는 원리나 규칙을 찾아 프로그램을 작성합니다. 머신러닝은 머신러닝 알고리즘이 학습 데이터로부터 규칙을 도출해 가격을 예측하는 프로그램을 만듭니다. 하지만 이 경우에도 프로그램이 완전히 자동으로 만들어지는 것은 아닙니다. 사람이 집의 가격에 영향을 미치는 면적, 방의 개수 등과 같은 속성을 찾아 방향을 제시해야 합니다. 면적, 방의 개수 등과 같은 속성으로 이뤄진 일차방정식을 제시하면 머신러닝 알고리즘이 학습 데이터로부터 각 속성들이 결괏값인 집의 가격에 미치는 비율(가중치)을 찾아내 일차방정식을 완성하는 방식으로 진행됩니다.


전통적인 프로그램과 머신러닝 비교

출처:  https://medium.com/@ageitgey/machine-learning-is-fun-80ea3ec3c471(일부  수정)

 

프로그램과 머신러닝을 다른 측면에서도 비교해 보겠습니다. 전통적인 프로그램은 사람이 입출력 사이의 규칙을 찾아 작성합니다. 머신러닝은 입출력(정답값)이 쌍으로 된 대량의 학습 데이터를 이용해 머신러닝 모델을 학습시키고 서비스에 활용합니다. 


전통적인 프로그램

 

머신 러닝

요즘 많이 쓰이는 머신러닝의 정의는 카네기 멜론 대학의 교수인 ‘톰 미첼(Tom Mitchell)’이 1998년에 만든 것으로, 머신러닝을 다음과 같이 정의합니다. “만약 어떤 작업 T에서 경험 E를 통해 성능 측정 방법인 P로 측정했을 때 성능이 향상된다면, 이런 컴퓨터 프로그램은 학습을 한다고 말한다.”

예를 들면 필기체 문자를 인식하는 경우, 작업 ‘T’는 필기체 문자 인식, 성능 ‘P’는 필기체 인식의 정확도, 경험 ‘E ’는 정답이 표시된 필기체 문자의 입력이 될 것이며, 이 경우 정답이 표시된 필기체 문자, 즉 학습 데이터의 입력(경험 ‘E’)을 통해 그 성능 ‘P’가 향상된다면 “이 프로그램은 학습된다고 할 수 있다.”라고 정의하는 것이죠.