딥러닝, 머신러닝, 패턴인식 뭐가 다를까?

1. 인공지능(AI, Artificial Intelligence)

• 궁극적으로 흉내 내고자 하는 목표를 의미하는 포괄적인 용어이다.
• 기계로부터 만들어진 지능이며, 컴퓨터 공학에서 이상적인 지능을 갖춘 존재, 즉 인공적인 지능을 뜻한다.
• 철학적 관점에서는 강인공지능과 약인공지능으로 나뉜다.
  • 강인공지능(Strong AI, 범용 인공지능, AGI) 어떤 문제를 실제로 사고하고 해결할 수 있는 컴퓨터 기반의 인공적인 지능을 만들어 내는 것에 관한 연구
    • 인간의 사고와 같이 컴퓨터 프로그램이 행동하고 사고하는 인간형 인공지능.
    • 인간과 다른 형태의 지각과 사고 추론을 발전시키는 컴퓨터 프로그램인 비인간형 인공지능.
  • 약인공지능(Weak AI) 어떤 문제를 실제로 사고하거나 해결할 수는 없지만 컴퓨터 기반의 인공적인 지능을 만들어 내는 것에 관한 연구
    • 주로 미리 정의된 규칙의 모음을 이용해서 지능을 흉내내는 컴퓨터 프로그램을 개발하는 것

2. 머신러닝(Machine Learning, 기계 학습)

• 인공지능의 한 분야로, 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야
• 초기 머신러닝은 사람의 신경세포를 흉내내는 방식과 수학적인 방식으로 나뉘어 발전
• 알고리즘 유형
  • 지도 학습
    • 훈련 데이터(training data)로부터 하나의 함수를 유추해내기 위한 기계 학습의 한 방법
    • 데이터에 대한 레이블(명시적 정답)이 주어진 상태++에서 컴퓨터를 학습시키는 방법
  • 비지도 학습
    • 기계 학습의 일종으로, 데이터가 어떻게 구성되었는지를 알아내는 문제의 범주에 속하며, 입력값에 대한 목표치가 주어지지 않는다.
    • 데이터에 대한 레이블이 주어지지 않은 상태에서 컴퓨터를 학습시켜 데이터가 자동적으로 군집화를 이루도륵 함.
  • 준지도 학습
    • 레이블링이 된 데이터와 레이블링이 되지 않은 데이터를 동시에 사용하여 더 좋은 모델을 만드는 것이다.
  • 강화 학습
    • 기계 학습의 한 영역으로, 어떤 환경 안에서 정의된 에이전트가 현재의 상태를 인식하여, 선택 가능한 행동들 중 보상을 최대화하는 행동 혹은 행동 순서를 선택하는 방법
• 접근 방법별 대표 알고리즘

3. 패턴 인식(Pattern Recognition)

• 인공지능과 인지과학(Cognitive Science) 분야에 속하는 문제 중 하나이다.
• 공학적 접근법을 이용하여 인공지능의 실제 구현 문제인 센싱된 대상을 인식하는 문제를 주로 다룬다.
• 계산이 가능한 기계적인 장치(컴퓨터)가 어떠한 대상을 인식하는 문제를 다루는 인공지능의 한 분야

4. 딥러닝(Deep Learning)

• 기계학습의 한 분야로, 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화를 시도하는 기계학습 알고리즘의 집합
  • 추상화 : 다량의 데이터나 복잡한 자료들 속에서 핵심적인 내용 또는 기능을 요약하는 작업
• 딥러닝은 기계학습 알고리즘 중 하나인 인공신경망 모델을 적극 이용한다.

정리

---

기계 학습과 패턴 인식은 인공지능의 한 분야로 포함된다. 딥러닝은 기계 학습 알고리즘을 이용한 인공신경망 모델이다.