[해석할 수 있는 기계학습(1-1)] 기계학습이란 무엇일까?

 

 인공지능이라는 단어를 접하게 되었을 때 여러분들은 어떤 이미지가 떠오르시나요? 이름 그대로 사람의 힘으로 가공된(人工) 사람과 같은 지적 능력(知能)을 의미하지요. 그렇다면 어떤 분은 이러한 질문을 하실것입니다.

 

그렇다면 인공지능도 사람처럼 스스로 학습을 할 수 있는건가요?

 

 정답부터 말씀드리자면 'Yes!'입니다. 인공지능 또한 사람처럼 새로운 것에 대해 학습하고 이를 토대로 판단을 할 수 있도록 설계할 수 있습니다. 이는 마치 인공지능 프로그램이 실행되고 있는 컴퓨터가 직접 학습을 하는 것 처럼 보입니다. 그래서 사람들은 이러한 방법을 '기계학습(機械學習)'이라고 칭합니다.

 

 그렇다면 기계학습의 정확한 정의는 무엇일까요? 기계학습을 연구하는 학자들에게 기계학습은 다음과 같이 정의되고 있습니다.

 

 기계학습(machine learning)은 컴퓨터가 데이터를 기반으로 예측이나 행동을 만들고 이를 더 나은 방법으로 개선하는 데 사용하는 일련의 방법이다.

 

 즉, 컴퓨터가 원하는 목표대로 짜여진 코드대로 동작하는 것이 아니라 주어진 데이터를 컴퓨터가 직접 분석하고 이를 통해 최적의 결과를 도출해 내는 것을 말하는 것입니다.

 

https://christophm.github.io/interpretable-ml-book/terminology.html

 위 그림을 통해 기계학습을 구체적으로 설명하자면 왼쪽의 경우 기계학습을 사용하지 않을 때 사용자는 if-else문 등을 사용하여 각각의 경우에 대해 프로그램이 동작할 수 있도록 상세하게 알고리즘을 설계하면 컴퓨터는 구체적인 설명서 대로 프로그램을 실행합니다. 반면에 기계학습으로 컴퓨터를 동작시킬 경우 사용자는 컴퓨터에게 다량의 데이터를 제공하고 컴퓨터는 주어진 데이터를 수집하여 스스로 학습을 하게 됩니다.

 

 기계학습으로 생성된 모델의 사용 목적에 따라 결과물이 달라질 수 있지만 전반적으로 기계학습은 다음과 같은 3개의 단계를 거쳐 만들어집니다.

 

-1단계: 데이터 수집

학습시키고자 하는 자료들을 수집합니다. 자료는 많으면 많을수록 좋습니다.

 

-2단계: 데이터를 기계학습 알고리즘에 입력

컴퓨터가 학습을 진행하면서 원하는 데이터를 처리할 수 있는 모델을 생성합니다.

 

-3단계: 데이터를 통해 만들어진 모델을 실제 환경에 적용

 카메라의 이미지를 통해 특정한 물체를 찾아내는 등의 기능을 할 수 있는 모델을 CCTV에 적용하는 방식으로 실제 환경에서 사용할 수 있도록 합니다.

 

 위와 같은 과정을 거쳐 완성된 모델은 사람보다 더 뛰어난 성능을 나타낼 수 있습니다. 사진에서 사람이 찾지 못한 원하는 부분을 찾아내기도 합니다. 심지어는 인간을 이길 수 없을 것이라 믿었던 바둑에서 조차 구글 딥마인드의 알파고가 사람을 이긴 결과가 나온 것과 같은 것이지요.

 

 기계학습을 다루는 데에 가장 난해한 점은 학습된 모델이 어떤 근거로 판단을 했는지 파악하는 것이 2019년 현재로서는 어렵다는 점입니다. 인공신경망을 사용하여 기계학습을 하였을 경우 모델 내부를 들여다보면 수많은 값들이 모델만이 알 수 있는 규칙으로 생성되어 있고 이는 사람의 입장에서 해석하는 것이 상당히 어렵습니다. 현재도 수많은 학자들이 해석 방법에 대해 연구를 진행하고 있으며 모델이 데이터를 판단하는 근거를 찾아낸다면 기계학습 분야도 새로운 국면을 맞이하게 되어 인공지능 분야도 더욱 발전될 것입니다.

 

 사람이 어린 아이였을 때부터 지금까지 학습을 거쳐 지능을 갖추게 되었듯이 컴퓨터 또한 대량의 데이터를 통해 학습을 하여 사람과 같이 판단을 할 수 있는 하나의 모델을 만들 수 있다는 것은 마치 컴퓨터를 아이처럼 학습을 시키며 성장시켜 나가는 것 같은 느낌입니다. 먼 미래에는 컴퓨터와 인간이 상호간에 가르치고 배울 수 있는 시대가 오겠지요?

 

 

 

참고자료: https://christophm.github.io/interpretable-ml-book/what-is-machine-learning.html