<ML기초> 머신러닝이란

1. 머신러닝이란

* 소개

 - 머신러닝은 인간의 판단을 기계적으로 대신하는 기술로, 비교와 선택으로 이루어진 결정 과정을 자동화하기위해 만들어졌다. 알다시피 우리는 매일매일 여러가지 결정 앞에서 고민을 해야한다. 무엇이 더 좋고 나쁜지만 안다면 이 선택은 기계적인 일인 것이다.

 

 - 따라서 인간은 결정을 편하게 하기 위해 수학적 개념인 '수'를 만들어 대소관계를 표준화했으며, 이를 기반으로 더 복잡한 세상을 표현하기 위해 '통계를 개발하기에 이르렀다.

 

 - 그러나 결정을 기계에 맡기고 싶은 욕구로 인해 인간 고유의 영역이었던 결정을 기계에 학습시키는 기술인 머신러닝이 등장한 것이다.

 

* 만들어보기

 - 머신러닝하면 코딩이나 통계, 수학 등을 떠올리게된다. 하지만 최근에는 머신러닝을 간단하게 이용하여 AI모델을 만들 수 있는 서비스들이 많이 등장하고 있다. 그 중 구글의 'Teachable Machine'은 웹 브라우저에서 쉽고 빠르게 머신러닝을 이용할 수 있는 서비스이다.

 

 

 - 티처블 머신에 접속하면 위처럼 프로젝트를 생성할 수 있다. 간단하게 이미지 프로젝트를 만든다고 가정하고 클릭하면 아래의 화면을 볼 수 있다.

 

 - 강아지와 고양이를 구분하는 AI를 만든다고 가정하자. 클래스를 추가하고 웹캠 또는 업로드 버튼을 클릭하여 다양한 이미지를 보여주면 학습이 이루어진다. 학습이 완료된 이후에는 모델 내보내기를 통해 코드로 내보낼 수 있다. 이 코드를 통해 머신러닝 서비스 어플리케이션을 만들 수 있게된다.

 

 

2. 용어

* 모델

 - 위에서 '모델'이라는 단어가 나왔는데, 이 용어는 머신러닝에서 아주 중요한 개념으로 데이터를 기반으로 예측을 할 수 있는 판단력을 의미한다. 가설이라는 단어에 대해 알고있을 것이다. 과학자는 현상을 관찰하고 그 현상을 설명할 수 있는 이유를 추측한다. 이를 '가설'이라 한다.

 

 - 가설을 검증하기 위해 여러가지 실험을 하고, 실험 결과가 도출된다. 도출된 이후 가설에 모순이 없다면 '이론'이 되고, 이러한 이론을 통해 우리는 '예측'이 가능해진다. 머신러닝에서는 이와 같은 판단력을 '모델'이라 한다. 그리고 모델을 만드는 과정을 '학습'이라 한다.

 

 - 결과적으로 잘 만들어진 '모델'은 '추측'을 잘하게 된다.

 

* 응용

 - 애플리케이션(application), 앱(app), 프로그램(program)이라는 단어를 흔히 들어봤을 것이다. 이 단어들은 결국 같은 것을 가르킨다. 여러 기능을 부품삼아 하나의 완제품을 만들게되는데 이를 애플리케이션이라 할 수 있다. 머신러닝에서는 모델이라는 부품을 응용하여 소프트웨어를 만들 수 있다. 티처블머신에서 내보낸 모델을 통해 고양이와 강아지를 구분하는 앱을 만들었다면 이는 머신러닝 애플리케이션이 되는 것이다.

 

 - 단순히 구분하는 애플리케이션 뿐만 아니라 최근의 머신러닝은 다양한 곳에 응용될 수 있다. 그 중 하나가 사물인터넷을 의미하는 IoT(Internet of Things)이다. 이전에는 인터넷을 통해 원격으로 전등을 켜고 끄고, 카메라를 동작시키는데 그쳤다. 그러나 머신러닝 기술이 들어가게되면 그 이상이 가능해진다. 여러 센서를 통해 데이터를 수집하고 학습하여 머신러닝 모델이 되며, 모델은 스스로 판단한다. 건물 내부에 설치된 센서들에서 수집한 데이터를 분석하여 자동으로 조명이 켜지고, 온도가 조절되며, 환기 시스템이 제어되는 것이 그 예이다. 

 

 - 위 처럼 머신러닝 기술은 우리의 일상 생활에서도 큰 영향을 미치고 있으며, 앞으로 더 많은 분야에서 활용될 것으로 예상된다.

 

 

---

참고

 

 해당 포스팅은 생활코딩 머신러닝 이론편을 읽고 개인적으로 필요한 내용을 추가 및 정리한 글입니다.

 

생활코딩 머신러닝 이론편 - YES24