“인공지능·머신러닝·딥러닝” 3분 만에 이해하기
4차 산업혁명에 대한 이야기가 나오면 늘 듣는 말 중에 ‘인공지능·머신러닝·딥러닝’이 있다. 어떤 때는 비슷하게 또 어떤 때는 구별해서 사용하는 것 같기도 한데 막상 차이와 핵심을 설명하려면 좀 애매해지기도 해 연재의 시작에 앞서 개념을 정리하고자 한다.
인공지능은 음성인식·의사결정·추론과 같은 인간의 지능을 모방한 기계나 시스템을 말한다. 인공지능의 개념은 그리스신화에 등장하는 탈로스라는 청동거인 이야기까지 거슬러 올라갈 수 있지만 튜링테스트(기계가 인공지능을 갖췄는지 판별하는 실험)를 개발한 ‘앨런 튜링’이 지난 1950년에 발표한 ‘연산 기계와 지능’이라는 논문을 통해 개념이 정립됐다. 이후 1956년 다트머스 콘퍼런스에서 ‘존 메커시’에 의해 처음으로 인공지능이라는 말이 만들어졌다. 하지만 실제로 구현하는 것이 쉽지 않아 장기간 침체기를 겪었고 1990년대에 인터넷이 발전하면서 방대한 데이터 관리를 위한 수단으로 부활했으며 주로 공상과학 소설의 주제에서 비로소 과학의 주제로 발전하게 된다.
머신러닝은 1959년 ‘아서 사무엘’이 ‘일일이 지시(프로그램)하지 않아도 학습이 가능한 능력’이라고 정의했으며 인공지능의 구현 방법 중 하나로 간주된다. 대부분 인공지능은 학습을 통해 지능을 확보하지만 일일이 지시하는 규칙기반을 통해서도 가능하다.
1986년 ‘리나’ 교수가 처음으로 사용한 딥러닝은 머신러닝을 구현하는 기술 중 하나로 약 10여년 전부터 훌륭한 연구 결과가 나오기 시작했다. 워낙 뛰어난 성능으로 인해 기존에 사용되던 많은 머신러닝 방법들을 거의 유명무실하게 만들었다. ‘딥(deep)’은 기술적인 용어로, 사람의 뇌세포를 모방한 인공신경망이 여러 개의 층으로 구성된 것을 말한다. 기존의 머신러닝 방법은 주로 전문가들이 데이터 속에 존재하는 특징을 추출한 후에 머신러닝을 통해 분류나 판단하는 식이었다면 딥러닝에서는 데이터만 넣어주면 깊은 망을 통해 스스로 데이터의 특징을 찾아낸 후 분류나 판단까지 수행해 매우 편리하며 정확도가 크게 개선된다. 하지만 딥러닝을 실행하려면 기존 머신러닝에 비해 엄청난 연산 능력이 요구되기 때문에 많은 연산을 병렬적으로 수행하기에 적합한 그래픽 프로세서(GPU)가 주로 사용된다. 이런 이유로 ‘엔비디아’의 주가가 최근 3년 사이에 10배 정도 오르며 관련 핵심 기업으로 부상했다.
정리하면 인공지능이 가장 광의의 개념이고 그 안에 머신러닝이 있으며 딥러닝은 모두의 부분집합이 된다. 빼어난 성능으로 인해 이미 딥러닝이 대세가 됐으며 머신러닝이나 인공지능을 말할 때도 주로 딥러닝의 사용을 전제하기 때문에 서로 혼용되기도 한다.
이석중 라온피플 대표는 서울대 전자공학과 학·석사로 하이닉스에서 이미지센서·영상 관련 반도체 설계로 매출에 크게 기여했다. 이후 대표적인 팹리스 설계회사인 코아로직 연구소장으로 국내외 카메라폰의 돌풍을 일으켰으며 2010년 라온피플을 설립해 독보적인 인공지능 비전검사 기술로 가파른 성장을 이끌고 있다. 월 6만뷰의 인공지능 분야의 파워블로거이기도 하다.
< 저작권자 ⓒ 서울경제, 무단 전재 및 재배포 금지 >
