머신러닝(Machine Learning)

1) 머신러닝이란 무엇인가?

머신러닝은 AI(인공지능)을 가능하도록 하는 핵심 기술로 많이 언급된다. 인공지능의 부분집합으로도 볼 수 있다. 그렇다면 이 머신러닝이란 무엇을 말하는 것일까? 쉽게 말하자면 스스로 학습하는 기계를 뜻한다. 기계가 그 일을 빠른 속도로, 또한 쉬지 않고 할 수 있도록 만드는 것으로, 단편적인 일에 대하여는 사람만큼(혹은 사람보다) 일을 잘하는 기계를 만들어내는 것이라고 할 수 있다. 그러나 머신러닝은 단순히 어떤 일에 대하여 프로그래밍이 된 수준을 행하는 것에 그치는 것이 아니라, 그 작업을 반복하며 데이터를 수집하고, 수집한 데이터를 기반으로 스스로 변화한다. 이러한 변화의 과정을 거치게 되기 때문에, 기계는 시스템의 불안정성을 줄이고 전문가에 대한 의존성을 줄인다는 장점을 가진다.

 

2) 머신러닝의 핵심

머신러닝의 핵심은 표현(데이터 평가)과 일반화(아직은 알 수 없는 데이터에 대한 처리)이다. 기계는 이미 알려져 있고 확인된 데이터를 취합 및 분석하여 다음 행동을 예측하는 것을 기조로 두는데, 이에 그치지 않고 데이터 분석을 거듭하여 미처 몰랐던 속성을 발견하기도 한다. 이것을 데이터 마이닝이라고 부른다.

컴퓨터가 스스로 데이터를 활용하여 학습할 수 있고, 새로운 데이터에 노출됨에 따라 독립적으로 최적화를 수행하여 상황에서 가장 적절하고 합리적인 결론을 가장 빠른 시간 안에 도출할 수 있는 것은 머신러닝의 큰 장점이다. 그렇기 때문에 머신러닝에서는 반복 역시 매우 중요하게 여겨진다.

 

3) 머신러닝의 중요성

머신러닝은 AI에 대한 관심이 높아지면서 관심도가 많이 올라갔다. 데이터 마이닝과 같은 기술이 함께 발전하고 있는 속도만 봐도 그 가치를 알 수 있다. 사용 가능한 데이터가 점점 많아지고, 분석 비용은 적어지지만 분석 기술이 좋아지고 있으며 스토리지 비용이 저렴해지고 있는 추세에 힘입어 머신러닝은 지속적으로 관심을 불러일으킬 것이다. 동시에 머신러닝을 도입한 기계는 분석에서 보다 정확한 결과를 도출할 수 있으므로 다양한 기업에서도 점차 많은 분야에 있어 머신러닝을 사용하게 될 것이므로, 머신러닝은 향후 점점 더 큰 파이를 가지게 될 것이다.