인공지능 vs 머신 러닝 vs 딥 러닝 (AI vs Machine learning vs Deep learning)

@ 인공지능 > 머신러닝 > 딥러닝

@ 인공지능

1. 기술의 탄생 및 성장

• 1956년 미국 다트머스 대학, 존 매카시 교수가 개최한 다트머스 회의에서 처음 등장
• 2015년 이후 GPU의 도입으로 더욱 가속화
  ` GPU : 신속하고 강력한 병렬 처리 성능 제공, (GPU 세계 점유율 1위, 엔비디아)

1. 현재

• '좁은 AI(Narrow AI)'
  소셜 미디어의 이미지 분류 서비스 얼굴 인식 기능

@ 머신 러닝

• 인공 지능을 구현하는 구체적 접근 방식
  eg. 메일함의 스팸을 자동으로 걸러주는 역할

1. 머신 러닝 방법

• 알고리즘을 이용해 데이터를 분석하고, 분석을 통해 학습하며, 학습한 내용을 기반으로 판단이나 예측을 함
• 다시말해 대량의 데이터와 알고리즘을 통해 컴퓨터 그 자체를 '학습'시켜 작업 수행 방법을 익히는 것을 목표
  1.1 알고리즘 방식
• 의사 결정 트리 학습
• 귀납 논리 프로그래밍
• 클러스터링
• 강화 학습
• 베이지안(Bayesian) 네트워크

1. 한계점

• 인공 지능을 구현하는 과정 전반에 일정량의 코딩 작업이 수반됨

@ 딥 러닝(Deep Learning)

1. 특징

• 완전한 머신 러닝을 실현하는 기술
• 뇌의 뉴런과 유사한 정보 입출력 계층을 활용해 데이터를 학습
  eg. 사람과 고양이 구분
• 2012년 구글과 스탠퍼드대 앤드류 응 교수는 만6천개의 컴퓨터와 약 10억 개 이상의 신경망으로 이뤄진 심층신경망을 구현
• 이미지 천만개를 뽑아 분석, 컴퓨터가 사람과 고양이 사진을 분류하도록 하는데 성공
  ` 컴퓨터가 영상에 나온 고양이의 형태와 생김새를 인식하고 판단하는 과정을 스스로 학습함

1. 적용 사례

• 구글의 알파고, 바둑 학습
• 혈액의 암세포
• MRI 스캔에서의 종양 식별 능력

#엔비디아 #GPU #알파고
[출처] 인공 지능과 머신 러닝, 딥 러닝의 차이점을 알아보자, 엔비디아코리아, 160803
http://blogs.nvidia.co.kr/2016/08/03/difference_ai_learning_machinelearning/