01. Machine Learning이란?

안녕하세요,

로얄블루입니다. 

오늘부터 'Machine Learning' 에 대해

Andrew Ng 교수님의 Coursera 수업의 내용을 

가공하여 포스팅하도록 하겠습니다. 

01. Machine Learning (기계 학습) 이란?

Machine Learning,

한글로는 기계학습 혹은 머신러닝이라고 부릅니다. 

기계학습을 생각해보자면,

2016년 3월에 

세계 정상급 프로기사인 이세돌과 

구글의 알파고와의 바둑을 먼저 떠오르실 겁니다. 

또는 우리는 곧 AI (Artificial Intelligence)의 시대, 

인공지능 시대를 맞이할 것이라는 이야기를 자주 접했을 것입니다.

이러한 인공지능에서 가장 중요한 요소는

바로 기계학습이라 할 수 있습니다.

 

그렇다면 기계학습이란 무엇일까요?

'Arthur Samuel' 교수님은 기계 학습을 다음과 같이 정의했습니다.

Machine Learning is "The field of study that gives computer the ability to learn without being explicitly programmed."

'기계학습은 정확한 프로그래밍 없이 컴퓨터에게 배우는 능력을 주는 영역이다.'

Arthur 교수님의 정의에 따르면,

기계학습은 세세한 프로그래밍 없이 

컴퓨터가 스스로 배우게 하는 것을 의미합니다. 

한편 'Tom Mitchell' 교수님은 기계학습을 다음과 같이 정의했습니다.

"A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E."

컴퓨터 프로그램 (기계학습)은 어떤 작업(T)에 대한 능력(P)이 경험으로 향상될 때, 어떤 작업(T)와 능력측정(P)에 대한 경험으로부터 배우는 것이라 말할 수 있다.  

Tom 교수님의 정의에 따르면,

기계학습은 경험과 작업에 대한 평가를 통해 피드백을 받아 

작업에 대한 능률이 오를 때, 경험으로부터 배우게 하는 것입니다.

예를 들어, 컴퓨터가 경기의 승리를 예측한다고 합시다. 

그렇다면 경험(E), 업무(T) 그리고 평가(P)는 다음과 같습니다.

경험(E)은 많은 경기를 하는 경험

업무(T)는 경기를 하는 행위

평가(P)는 프로그램이 다음 경기의 승리를 예측했을 때의 승률 

여기서 중요한 것은 기계학습은 다음 2가지를 꼭 필요로 합니다. 

 

1. 컴퓨터가 스스로 배운다. 

2. 피드백을 통해 능률이 올라야한다. 

결국, 

컴퓨터에게 모든 것을 가르쳐주는 것은 

기계학습이 아니며,

피드백을 통해 능률이 오를 수 없다면 

기계학습이 이뤄질 수 없습니다.

그렇다면 우리가 알고 있는 알파고는

1. 프로그래머가 모든 것을 알려주지 않았으며,

2. 피드백을 통해 능률을 올린 것으로

볼 수 있겠네요.

정리해보자면, 

프로그래머 모든 것을 알려주는 경우가 있으므로,

인공지능이 가장 상위단계의 개념입니다.

인공지능의 일부 중, 기계가 스스로 학습했다면,

기계학습(머신러닝)이라 할 수 있습니다.

우리가 알고 있는 알파고를 학습시킨 딥러닝은

기계학습 중에서도 일부 알고리즘을 통해 학습시키는 것만을 의미합니다. 

오늘은 아주 가볍게 기계학습에 대해 짧게 알아봤습니다.

다음부터는 조금 더 깊이있게 알고리즘에 대한 설명으로 가볼까합니다. 

주위에서 쉽게 접할 수 있는 

자율주행 자동차

AI 의사 왓슨

우리는 이미 인공지능 시대에 살고있는지도 모릅니다. 

이상으로 오늘의 포스팅을 마치도록 하겠습니다. 

다들 즐거운 일만 가득하길 바라며, 행복하세요!

출처 :  https://www.coursera.org/learn/machine-learning

'Machine Learning' in Stanford University, Prof. Andrew Ng