머신러닝은 무엇일까?

“강의에서 배운 내용을 정리해 공유합니다. 실전으로 활용하시기 바랍니다.”

---

인공지능(AI) 발전의 핵심 동력인 머신러닝(Machine Learning), 특히 지도 학습(Supervised Learning)에 대한 소개입니다.

 

지도 학습의 정의

• AI의 성장은 대부분 머신러닝, 그중에서도 가장 보편적인 '지도 학습'을 통해 이루어졌습니다. 
• 지도 학습은 입력(A)을 받아 원하는 출력(B)을 내놓도록 학습하는 방식입니다.

 

 

지도 학습의 다양한 사례:

• 스팸 필터: 이메일(A)을 입력받아 스팸 여부(B)를 판별합니다.
• 음성 인식: 음성(A)을 텍스트(B)로 변환합니다.
• 기계 번역: 한 언어(A)를 다른 언어(B)로 번역합니다.
• 온라인 광고: 사용자와 광고 정보(A)를 기반으로 클릭 여부(B)를 예측하여 가장 수익성이 높은 광고를 노출합니다.
• 자율주행: 카메라 이미지(A)로 다른 차량의 위치(B)를 파악합니다.
• 제조업 불량 검사: 제품 사진(A)으로 결함 유무(B)를 찾아냅니다.

 

생성형 AI(LLM)와 지도 학습

• 챗GPT와 같은 대규모 언어 모델(LLM) 역시 지도 학습에 기반합니다. 
• 인터넷의 방대한 텍스트를 학습하여, 주어진 단어들(A) 다음에 올 가장 확률 높은 단어(B)를 예측하는 작업을 반복함으로써 문장을 생성합니다.

 

지도 학습이 최근 급부상한 이유:

• ⁠데이터의 폭발적 증가
• 인터넷과 컴퓨터의 발달로 디지털 데이터의 양('빅데이터')이 기하급수적으로 늘었습니다.
• 모델의 발전과 컴퓨팅 파워
• 전통적인 AI는 데이터가 많아져도 어느 시점부터 성능이 정체 되었습니다. 
• 반면, 신경망(Neural Network)과 딥러닝 기반의 현대 AI는 데이터가 많아질수록, 그리고 모델의 규모(신경망의 크기)가 커질수록 성능이 지속해서 향상됩니다.

 

성공의 공식: 

• 결과적으로 최고의 AI 성능을 위해서는 
• (1) 방대한 데이터와
• (2) 거대한 신경망 모델을 훈련시킬 수 있는 빠른 컴퓨팅 파워(GPU 등)라는 두 가지 요소가 필수적입니다. (요즘에 ‘냉각’이 이슈가 되고 신 사업이 되는 이유) 
• 파생 비즈니스가 계속 재 생산됩니다. (AI유지 보수를 위한, 보안, 냉각 기술, 화학 기술, 공조 기술 등)

---

※본 요약은 ‘공정 이용(fair use)’사용 목적으로, 모든 내용은 Stanford University 의 Coursera강의 ‘모두를 위한 AI’를 수강하며 작성한 요약이며, 직접적인 강의 내용 복사, 슬라이드 캡쳐등은 저작권에 의하여 엄격히 보호됩니다. - 앤드류 응(Andrew Ng)의 강의 by Coursera Plus - "Learning Notes and Summaries by Digitalian”