인공지능 vs 머신러닝 vs 딥러닝 간단 설명 및 딥러닝 내부 알고리즘들(CNN, RNN, GAN)

안녕하세요! 

오늘은 인공지능, 머신러닝, 딥러닝의 차이점 들과 내부 알고리즘들에 대해 간단하게! 정리해 보겠습니다.

 

 본 게시글은 패스트캠퍼스 [혁펜하임의 AI DEEP DIVE] 체험단 활동을 위해 작성되었습니다.

---

1. 인공지능

많은 예시를 보고 학습하는

규칙 기반 알고리즘입니다.

강아지 사진을 학습한다고 하면 

많은 강아지 사진을 보고 규칙을 만드는 겁니다.

 

2. 머신러닝

머신러닝은 직접 학습을 한다는 점에서 인공지능과 차이가 있습니다.

머신러닝도 규칙을 찾지만, AI가 직접 어떤 점이 다른지 판단하죠.

그래서 처음 보는 사진도 구별할 수 있게 스스로 학습한다는 점!

 

3. 딥러닝

딥러닝은 인공지능, 머신러닝과 같이 학습을 하지만

Deep Neural Network(인공신경망)를 쓴다는 점에서 다릅니다.

deep neural network에 관해서는 뒤에서 알아볼게요!

 

여기까지 보면 인공지능, 머신러닝, 딥러닝이 다르기도 하면서

비슷해 보이지 않나요??...

...

당연합니다!! ㅎㅎ

인공지능, 머신러닝, 딥러닝의 관계를 그림으로 나타내면

인공지능, 머신러닝, 딥러닝 관계

이렇게 포함관계입니다.

 

위의 사진에서 보면

1번에 규칙 기반 알고리즘,

2번에 결정 트리, 선형 회귀, 퍼셉트론, SVM

3번에 CNN, RNN, GAN

 

AI관련된 자료를 보다 보면 많이 들어본 단어들입니다! ㅎㅎ

혹시 처음 보시는 분들이라면 이런 알고리즘들이 있구나! 하고 넘어가시면 됩니다! ㅎㅎ

---

자! 혁펜하임 형님의 딥러닝 수업이니 만큼!!

딥러닝 중에 일부인 CNN, RNN, GAN 알고리즘까지 공부해 보겠습니다!

 

☆CNN

Convolutional Neural Network

이 모델은 입력과 출력이 모두 숫자인 것이 큰 특징입니다.

어떤 입력이 들어와도 이를 숫자 데이터로 변환하고,

결과를 숫자로 내보냅니다.

 

예를 들면,

고양이와 강아지 사진을 구별하는 모델이 있다고 합시다.

강아지 사진이 입력으로 들어왔을 때 이를 행렬로 쪼개서 숫자데이터로 바꿉니다.

이미지를 행렬로 변환(밝은 색은 높은 숫자, 어두운 색은 낮은 숫자)

이는 흑백 이미지를 나타내는데, 컬러를 입히고 싶다면

RGB를 나타낼 수 있는 1차원을 추가해 총 3차원 행렬을 만듭니다.

reference: https://www.codetd.com/en/article/12577180

그리고 출력은 0(강아지) 또는 1(고양이)과 같은 숫자로 나옵니다.

0이 강아지, 1이 고양이로 고정된 것이 아니고, 우리가 직접 모델을 만들 때 지정해 주면 됩니다.

그러면 입력과 출력이 다 숫자인 모델이 만들어집니다! 

---

☆RNN

Recurrent Neural Network

이 모델은 연속적인 데이터를 학습할 때 사용합니다.

간단하게 그림으로 보고 넘어갈게요!

 

이 그림을 보고 파파고 같은 번역기 시스템이 RNN 모델을 사용하겠구나!라는 생각이 들었습니다.

 

추가로 RNN모델은 입력과 출력의 크기가 달라도 된다는 특징이 있습니다.

일 대 다 (image captioning)

다 대 일 (스팸 메일 분류)

다 대 다 (챗봇, 번역기)

---

☆GAN

Generative Adversarial Network

 

GAN모델은 이 그림이 잘 설명해 줍니다.

G에서는 위조지폐를 계속 학습하면서 만들어냅니다.

그리고 D에서는 위조지폐와 진짜지폐를 구별하는 학습을 합니다.(CNN사용 가능)

 결국 서로 속이고 구별하는 관계인 거죠!

 

출력으로는 G의 출력이 나옵니다.

 

이를 활용하는 분야가 딥페이크입니다. 

이거 혁펜하임 선생님 강의 들으면서 진짜 신기했던 부분!!

 

오늘은 여기까지 하도록 하겠습니다!

혁펜하임 짱짱!