WEBVTT 00:00:01.583 --> 00:00:02.255 머신 러닝 00:00:02.255 --> 00:00:02.637 AI ? 00:00:02.637 --> 00:00:03.289 AI -- 00:00:03.289 --> 00:00:04.433 머신 러닝 00:00:04.433 --> 00:00:05.733 인공 지능 00:00:05.733 --> 00:00:06.555 머신 러닝 00:00:06.555 --> 00:00:10.466 머신 러닝 또는 AI 00:00:10.466 --> 00:00:11.821 혼란스러우신가요? 00:00:11.821 --> 00:00:15.877 인공 지능과 머신 러닝은 혼용되는 경우가 많습니다. 00:00:15.877 --> 00:00:17.492 즉, 이 둘은 연관이 있다는 뜻입니다. 00:00:17.492 --> 00:00:19.175 하지만 어떻게 연관되어 있을까요? 00:00:19.175 --> 00:00:24.677 흔히 AI라고 알려진 인공 지능은 사람이 수행할 작업을 기계가 수행하도록 학습시키는 기술입니다. 00:00:24.677 --> 00:00:31.306 이 용어는 과학자들이 컴퓨터가 스스로 문제를 해결할 방법을 모색하던 1950년대에 도입되었습니다. 00:00:31.306 --> 00:00:37.129 AI라는 말이 나올 때면 이런 우스꽝스러운 그림이 함께 등장하고는 합니다. 00:00:37.129 --> 00:00:45.725 어릴 때 "젯슨 가족"과 말하는 컴퓨터인 HAL이 등장하는 영화 "2001: 스페이스 오디세이"를 보았던 기억이 납니다. 00:00:45.725 --> 00:00:56.654 그래서 저는 인공 지능이라고 하면 사람과 같은 특성을 지닌 컴퓨터나 기계가 떠오릅니다. 00:00:56.654 --> 00:01:03.127 우리는 매순간 우리의 뇌가 주위 환경을 어렵지 않게 계산 하는 것을 대수롭지 않게 생각합니다. 00:01:03.127 --> 00:01:06.586 컴퓨터가 이와 같은 일을 해낼 수 있다면 그것이 바로 AI입니다. 00:01:06.586 --> 00:01:12.942 우리가 사용하는 장치에 달린 언어 인식 인터페이스가 모두 AI입니다. 놀라운 일입니다. 00:01:12.942 --> 00:01:16.794 사람들은 억양을 가지고 있습니다. 00:01:16.794 --> 00:01:20.481 어떤 사람들은 특정한 방언을 사용하는데, 이 언어와 관련해 인터넷에 데이터가 있다면 00:01:20.481 --> 00:01:24.878 AI 시스템은 이러한 방언을 언어로서 인식할 수 있는 방법을 빠르게 터득할 수 있습니다. 00:01:24.878 --> 00:01:32.272 전화기를 들고 "시리야, 내 이름을 말해봐."라는 질문을 할 수 있습니다. 00:01:32.272 --> 00:01:36.284 당신은 톰입니다. 하지만 우리는 친구니까 당신을 M-R 스마일리라고 부를게요. 00:01:36.284 --> 00:01:47.022 AI가 인간의 능력을 흉내 내는 광범위한 과학이라면 머신 러닝은 기계에 학습 방법을 터득시키는 AI의 특정한 하위 집합입니다. 00:01:47.022 --> 00:01:53.692 머신 러닝 모델은 인간처럼 데이터에서 패턴을 찾아내 결론을 이끌어냅니다. 00:01:53.692 --> 00:01:58.405 머신 러닝 모델은 사람이 일일이 프로그래밍할 필요가 없습니다. 00:01:58.405 --> 00:02:00.982 몇 가지 예를 들어주면 무엇을 해야 하는지 알아서 학습합니다. 00:02:00.982 --> 00:02:07.074 즉, 코드를 작성하는 것보다 예를 들어주기가 훨씬 쉽기 때문에 이는 엄청난 차이를 가져옵니다. 00:02:07.074 --> 00:02:14.015 알고리즘이 올바른 결론을 이끌어내면 이 모델은 이러한 지식을 새로운 데이터에 적용하기 시작합니다. 00:02:14.015 --> 00:02:15.850 이 과정이 바로 수명 주기입니다. 00:02:15.850 --> 00:02:19.036 질문을 던지고 데이터를 수집하여 알고리즘을 학습시키고 이를 테스트한 다음 그 결과를 피드백으로 입력합니다. 00:02:19.036 --> 00:02:27.728 이러한 피드백은 알고리즘을 지속으로 개선하여 정확도와 작업 수행 성과를 개선합니다. 00:02:27.728 --> 00:02:28.446 짜잔! 00:02:28.446 --> 00:02:29.198 머신 러닝입니다. 00:02:29.198 --> 00:02:37.902 구글 카를 보면 지붕에 설치된 레이저가 주변 환경을 기준으로 하여 차가 어디에 있는지 알려줍니다. 00:02:37.902 --> 00:02:44.874 전면에 있는 레이더는 차량의 속도와 주변에 있는 모든 차량의 움직임에 대한 정보를 알려주죠. 00:02:44.874 --> 00:02:56.398 구글 카는 이러한 모든 정보를 이용해 차량 주행 방법을 찾아낼 뿐만 아니라 주변 운전자들의 행동도 예측합니다. 00:02:56.398 --> 00:03:01.816 이를 위해 구글 카는 매 초 약 1GB 정도의 정보를 처리합니다. 00:03:01.816 --> 00:03:09.054 또한, 이 장비들을 종양을 스캔하는 데 사용하기 위한 연구도 진행되고 있습니다. 00:03:09.054 --> 00:03:18.335 신체 외부에서 X-ray를 촬영하고 사진을 찍어서 종양을 찾아내는 것입니다. 00:03:18.335 --> 00:03:23.984 신체 내부에서 일어나는 일을 알아내기 위해 매번 체내에서 샘플을 채취하는 대신 스캔을 통해 종양이 악성인지 양성인지 알아낼 수 있다면 어떨까요? 00:03:23.984 --> 00:03:25.605 스타트랙과 같은 세상이 아닐까요? 00:03:25.605 --> 00:03:38.805 신호 장치와 센서의 IoT로부터 연속적으로 스트리밍되는 정보를 통해 어느 때보다 우리 환경을 긴밀하게 이해할 수 있습니다. 00:03:38.805 --> 00:03:40.946 이러한 것들이 AI와 머신러닝에 필요합니다. 00:03:40.946 --> 00:03:42.932 아주 자세한 데이터가 필요하고, 00:03:42.932 --> 00:03:45.210 매우 많은 양의 데이터가 필요합니다. 00:03:45.210 --> 00:03:50.755 그리고 패턴을 찾아내 학습하려면 엄청나게 다양한 데이터 소스가 필요합니다. 00:03:50.755 --> 00:04:02.789 아침에 챗봇에게 최신 뉴스를 알려달라고 하면 주식 시장에 대한 정보를 모든 금융 수치 뿐 아니라 00:04:02.789 --> 00:04:08.430 이러한 수치에 숨겨진 의미를 사람이 이해할 수 있는 방식으로 알려줍니다. 00:04:08.430 --> 00:04:10.892 정말 많은 도움이 될 겁니다. 00:04:10.892 --> 00:04:16.828 새로운 것이 나타날 때 변하는 건 수학적 계산보다는 우리가 하는 일의 유형이라고 생각합니다. 00:04:16.828 --> 00:04:17.993 이제 잘 아셨을 겁니다. 00:04:17.993 --> 00:04:26.408 AI는 컴퓨터가 사람을 모방하는 과학이고 머신 러닝은 기계가 데이터를 이용해 학습하는 방식과 관련된 개념입니다. 00:04:26.408 --> 00:04:29.357 데이터를 이용해 해결해야 할 문제는 너무나 많습니다. 00:04:29.357 --> 00:04:34.157 그 일부를 알고리즘에 맡겨보는 건 어떨까요?