기계학습 AI 로봇 ‘아이폴리’가 막 태어났어! 그런데 아직은 많이 서투른 모습이네. 아기는 같은 단어를 반복해서 들으며 말을 익히고 많이 기어 다니다가 어느새 걸음마를 익히게 되잖아. 아이폴리도 기계학습을 통해 새로운 규칙을 익히며 성장해 나갈 거야!
기계학습은 컴퓨터나 기계가 규칙을 스스로 익히고 정확한 결과를 내도록 개선하는 알고리듬으로, 인공지능의 한 종류입니다. 기계학습 알고리듬은 주어진 데이터를 학습하고 이를 토대로 최선의 결정을 내리게 되죠. 인간은 스스로 학습할 수 있어서 지식을 축적하고 계속해서 확장할 수 있습니다. 기계학습은 궁극적으로 인간의 학습능력을 컴퓨터에 구현하고자 하는 기술이라고 할 수 있습니다.
기계학습이 본격적으로 등장하기 전에는 사람이 컴퓨터나 기계에 일일이 규칙을 입력했습니다. 이를 ‘전문가 시스템’이라 하죠. 하지만 시간이 지나면서 사람조차 어떻게 작동하는지 정확히 모르는 영역을 다루는 프로그램을 요구하기 시작했습니다. 음성인식 AI가 대표적인 예입니다. 음성인식 AI는 사람이 어떤 문장을 말했는지 알아듣고 의미를 해석할 줄 알아야 합니다. 그러기 위해선 소리의 특징을 찾고 규칙을 찾아야 하는데요, 소리 데이터는 음의 높낮이 또는 크기 등 많은 정보를 가지고 있기 때문에 사람이 하나하나 규칙을 만들기는 현실적으로 불가능했죠. 이렇게 사람이 일일이 규칙을 정해줄 수 없는 정보 사이의 규칙을 찾고 새로 입력된 정보가 무엇을 의미하는지 정확히 찾아내기 위해 기계학습이 필요하게 된 거죠.
기계학습은 주로 통계적인 방법을 사용합니다. 예를 들어 감기를 진단하는 컴퓨터는 ‘감기에 걸린 사람은 대부분 열이 많이 나고 기침 증상이 있었다’라는 통계에 기반해 감기를 진단하는 거죠. 이는 인간이 추론하는 방식과 유사한데요, 인간의 사고체계를 처리하는 방식과 비슷하다고 할 수 있습니다.
기계학습의 끊임없는 도전
AI를 구현하는 방법으로 기계학습이 널리 쓰이고 있습니다. 기계학습의 하위 분야인 딥러닝은 수학동아 3월호 특집에서 소개했죠. 컴퓨터 성능이 좋아지고 인공지능 이론이 발달하면서 기계학습도 변화했습니다. 이제 기계학습은 AI를 논할 때 빠질 수 없는 존재가 됐죠. 그럼 기계학습의 역사를 알아볼까요?
