빅데이터와 인공지능
쉽게 말하면
인공지능은 사람처럼 판단하는 기계를 만드는 큰 분야예요. 그중 데이터를 보고 스스로 규칙을 배우는 방법이 머신러닝이고, 머신러닝 중 층이 아주 깊은 신경망을 쓰는 방법이 딥러닝이에요. 데이터가 많을수록 잘 배우기 때문에 빅데이터와 인공지능은 짝꿍이에요.
시험용 정의
인공지능(AI)은 사람의 학습·추론·판단 능력을 컴퓨터로 구현하는 기술 전체다. 머신러닝은 규칙을 사람이 일일이 적지 않고 데이터에서 규칙을 스스로 배우는 방법이고, 딥러닝은 머신러닝 중 여러 층의 인공신경망으로 특징까지 스스로 뽑는 방법이다(인공지능 ⊃ 머신러닝 ⊃ 딥러닝). 배우는 방식은 정답(레이블)이 있는 지도학습, 정답 없이 구조를 찾는 비지도학습, 정답 일부만 있는 준지도학습, 행동의 보상을 최대로 하는 강화학습으로 나눈다. 빅데이터는 학습 재료를 주고, 인공지능은 그 데이터에서 예측과 판단을 끌어낸다.
비유로 이해하기
요리사 키우기로 보자. 레시피를 통째로 외우게 하는 것이 옛날식 규칙 기반 프로그램, 손님 평가가 붙은 요리 수천 개를 보고 맛의 규칙을 스스로 깨치게 하는 것이 머신러닝, 재료 냄새·색·질감 같은 단서까지 스스로 찾아내게 하는 것이 딥러닝이다. 먹어 본 요리가 많을수록(빅데이터) 더 잘 배운다.
자세히
포함 관계
| 말 | 뜻 | 예 |
|---|---|---|
| 인공지능 | 사람처럼 판단·추론하는 기술 전체 (규칙 기반 포함) | 전문가 시스템, 챗봇 |
| 머신러닝 | 데이터에서 규칙을 배움. 특징(변수)은 사람이 고르는 경우가 많음 | 회귀, 의사결정나무, 서포트벡터머신 |
| 딥러닝 | 깊은 신경망이 특징까지 스스로 학습 | 이미지 인식(CNN), 번역(RNN·트랜스포머) |
학습 방식 네 가지
| 방식 | 데이터 | 대표 문제 |
|---|---|---|
| 지도학습 | 입력과 정답(레이블) 쌍 | 분류(스팸 판별), 회귀(집값 예측) |
| 비지도학습 | 정답 없는 입력 | 군집, 연관 규칙, 차원 축소 |
| 준지도학습 | 정답이 일부만 있음 | 레이블 붙이기 비용이 큰 의료 영상 |
| 강화학습 | 환경에서 행동하고 보상을 받음 | 게임, 로봇 제어, 추천 최적화 |
빅데이터와 인공지능
- 딥러닝은 변수가 많고 데이터가 많을수록 성능이 오른다. 그래서 빅데이터 저장·처리 기술(하둡, 스파크, GPU)이 함께 발전했다
- 지도학습에는 정답이 필요해 사람이 데이터에 정답을 붙이는 레이블링(데이터 라벨링) 작업이 중요하다
- 학습 데이터에 편향이 있으면 모형도 편향된 판단을 한다. 그래서 데이터 품질과 설명 가능성이 함께 중요해졌다
시험에 이렇게 나와요
- 포함 관계: 인공지능 ⊃ 머신러닝 ⊃ 딥러닝
- 지도(레이블 있음) / 비지도(없음) / 준지도(일부) / 강화(보상)
- 딥러닝은 특징 추출까지 스스로, 데이터가 많을수록 유리
- 레이블링은 지도학습용 정답을 붙이는 작업
- 학습 데이터 편향은 모형 판단의 편향으로 이어진다
출제기준 1과목 '빅데이터와 인공지능'
확인 문제
Q1. 바둑 프로그램이 이기면 점수를, 지면 벌점을 받으며 스스로 수를 익히는 학습 방식은?
- 강화학습
- 비지도학습
- 지도학습
- 준지도학습
정답 보기
1번 강화학습
정답 대신 행동의 결과로 보상을 받고, 보상의 합이 최대가 되도록 배우는 것이 강화학습이다.
Q2. 인공지능, 머신러닝, 딥러닝의 관계로 옳은 것은?
- 딥러닝 ⊃ 머신러닝 ⊃ 인공지능
- 인공지능 ⊃ 머신러닝 ⊃ 딥러닝
- 머신러닝 ⊃ 인공지능 ⊃ 딥러닝
- 셋은 서로 겹치지 않는다
정답 보기
2번 인공지능 ⊃ 머신러닝 ⊃ 딥러닝
딥러닝은 머신러닝의 한 방법이고, 머신러닝은 인공지능의 한 분야다.
Q3. 고객 구매 기록만 있고 정답이 없을 때, 비슷한 고객끼리 묶는 것은?
- 전이학습
- 비지도학습
- 지도학습
- 강화학습
정답 보기
2번 비지도학습
정답 없이 구조를 찾는 군집은 비지도학습이다.
Q4. 레이블이 붙은 데이터가 조금, 붙지 않은 데이터가 많을 때 함께 쓰는 방식은?
- 준지도학습
- 비지도학습
- 강화학습
- 규칙 기반
정답 보기
1번 준지도학습
정답이 일부만 있는 데이터를 함께 쓰는 것이 준지도학습이다.
Q5. 딥러닝이 기존 머신러닝과 가장 다른 점은?
- 정답이 필요 없다
- 통계 이론을 쓰지 않는다
- 데이터가 적을수록 잘 된다
- 특징(변수)을 스스로 추출한다
정답 보기
4번 특징(변수)을 스스로 추출한다
깊은 신경망이 원자료에서 쓸모 있는 특징까지 배운다.
헷갈리기 쉬운 O·X
강화학습은 입력과 정답 쌍을 대량으로 주어 학습한다.
정답 보기
X 그건 지도학습. 강화학습은 행동의 보상으로 배운다.
학습 데이터에 편향이 있으면 모형의 판단도 편향될 수 있다.
정답 보기
O
딥러닝은 데이터가 적을수록 성능이 좋아진다.
정답 보기
X 변수가 많은 깊은 모형이라 데이터가 많을수록 유리하다.