AI와 기계 학습의 차이점은 무엇인가요?
인공 지능(AI)은 기계를 더 인간처럼 만드는 데 사용되는 다양한 전략과 기술을 포괄하는 용어입니다. AI에는 Alexa와 같은 스마트 비서부터 로봇 청소기 및 자율 주행 자동차에 이르기까지 모든 것이 포함됩니다. 기계 학습(ML)은 AI의 여러 분야 중 하나입니다. ML은 컴퓨터 시스템이 명시적 지시 없이 복잡한 태스크를 수행하는 데 사용하는 알고리즘과 통계 모델을 개발하는 과학입니다. 시스템은 대신 패턴과 추론에 의존합니다. 컴퓨터 시스템은 ML 알고리즘을 사용하여 대량의 기록 데이터를 처리하고 데이터 패턴을 식별합니다. 기계 학습은 AI이지만 모든 AI 활동을 기계 학습이라고 할 수는 없습니다.
AI와 기계 학습의 유사점은 무엇인가요?
기계 학습(ML)은 특정 기술에 초점을 맞춘 인공 지능(AI)의 한 분야입니다. 하지만 이 두 분야 모두 기본적인 자동화 및 프로그래밍 수준을 넘어 복잡한 데이터 분석을 기반으로 결과를 생성합니다.
인간을 모방한 문제 해결 능력
인공 지능 및 기계 학습(AI/ML) 솔루션은 일반적으로 학습된 지식을 바탕으로 정확한 결과를 도출해야 하는 복잡한 작업에 적합합니다.
예를 들어 자율 주행 AI 자동차는 컴퓨터 비전을 사용하여 시야에 있는 물체를 인식하고 교통 법규에 대한 지식을 이용하여 차량을 운행합니다.
예를 들어 부동산 가격 책정 ML 알고리즘은 이전 매매가, 시장 상황, 주택 구조 및 위치에 대한 지식을 적용하여 주택 가격을 예측합니다.
컴퓨터 과학 분야
인공 지능과 기계 학습은 복잡한 방식으로 데이터를 분석, 해석 및 이해하는 소프트웨어를 만드는 데 주력하는 컴퓨터 과학 분야입니다. 이 분야의 과학자들은 자가 학습과 관련된 복잡한 작업을 수행하도록 컴퓨터 시스템을 프로그래밍하려고 시도합니다. 잘 설계된 소프트웨어는 사람만큼 빠르게 또는 사람보다 빠르게 작업을 완료할 수 있습니다.
산업 간 애플리케이션
AI는 모든 산업에 응용되고 있습니다. AI를 사용하여 공급망을 최적화하고, 스포츠 결과를 예측하고, 농업 성과를 개선하고, 개인화된 피부 관리 권장 사항을 제시할 수 있습니다.
ML의 응용 분야는 광범위하기도 합니다. 여기에는 예측 가능한 기계 유지 보수 일정 관리, 동적 여행 요금 책정, 보험 사기 탐지 및 소매 수요 예측이 포함될 수 있습니다.
주요 차이점: AI와 기계 학습
기계 학습(ML)은 인공 지능(AI)의 한 분야입니다. ML은 AI에 비해 범위와 다루는 주제가 제한적입니다. AI에는 기계 학습의 범위를 벗어나는 몇 가지 전략과 기술이 포함됩니다.
다음은 이 둘 사이의 몇 가지 주요한 차이점입니다.
목표
모든 AI 시스템의 목표는 기계가 인간의 복잡한 작업을 효율적으로 완료하도록 하는 것입니다. 이러한 작업에는 학습, 문제 해결, 패턴 인식 등이 포함될 수 있습니다.
반면 ML의 목표는 기계가 대량의 데이터를 분석하도록 하는 것입니다. 그러한 기계는 통계 모델을 사용하여 데이터의 패턴을 식별하고 결과를 생성합니다. 이러한 결과에는 그와 관련한 정확도 또는 신뢰도가 중요합니다.
Methods
AI 분야는 다양한 문제를 해결하는 데 사용되는 다양한 방식을 아우릅니다. 이러한 방식으로는 유전자 알고리즘, 신경망, 딥 러닝, 검색 알고리즘, 규칙 기반 시스템, 기계 학습 자체가 있습니다.
ML 내에서 이러한 방식은 크게 지도 학습과 비지도 학습이라는 두 가지 범주로 나뉩니다. 지도 ML 알고리즘은 입력과 출력으로 레이블링된 데이터 값을 사용하여 문제를 해결하는 방법을 학습합니다. 비지도 학습은 좀더 탐색적이며 레이블링되지 않은 데이터에서 숨겨진 패턴을 발견하려고 시도합니다.
구현
ML 솔루션을 구축하는 프로세스에는 일반적으로 두 가지 작업이 포함됩니다.
- 훈련 데이터 세트 선택 및 준비
- 선형 회귀 또는 의사 결정 트리와 같은 기존 ML 전략 또는 모델 선택
데이터 사이언티스트가 중요한 데이터 피처를 선택하여 훈련을 위해 모델에 입력합니다. 그리고 업데이트된 데이터와 오류 검사를 통해 데이터 세트를 지속적으로 수정합니다. 데이터의 품질이 높고 데이터가 다양할수록 ML 모델의 정확도가 향상됩니다.
AI 제품을 구축하는 프로세스는 일반적으로 이보다 복잡하기 때문에 많은 사람들이 목표를 달성하기 위한 솔루션으로 사전 구축된 AI 솔루션을 선택합니다. 이러한 AI 솔루션은 대개 수년간의 연구를 거쳐 개발되어왔으며, 개발자는 API를 통해 제품 및 서비스와 통합할 수 있도록 솔루션을 만듭니다.
요구 사항
ML 솔루션에는 훈련을 위한 수백 개의 데이터 포인트로 구성된 데이터 세트와 실행을 위한 충분한 컴퓨팅 파워가 필요합니다. 애플리케이션과 사용 사례에 따라 단일 서버 인스턴스 또는 소규모 서버 클러스터로도 충분할 수 있습니다.
지능형 시스템에는 수행하려는 작업과 사용하는 컴퓨팅 분석 방법론에 따라 다양한 인프라 요구 사항이 있을 수 있습니다. 고성능 컴퓨팅 사용 사례에서는 복잡한 목표를 달성하기 위해 수천 대의 시스템이 함께 작동해야 합니다.
하지만 사전 구축된 AI 및 ML 기능이 모두 제공되고 있다는 점이 중요합니다. 이러한 기능은 추가 리소스 없이 API를 통해 애플리케이션에 통합할 수 있습니다.
조직이 AI 및 기계 학습을 시작하려면 무엇이 필요한가요?
인공 지능(AI) 또는 기계 학습(ML)을 사용하려면, 먼저 해결하려는 문제를 정의하거나 탐구하려는 질문을 조사합니다. 문제 공간을 파악하고 나면, 문제 해결에 적합한 AI 또는 ML 기술을 결정할 수 있습니다. 시작하기 전에 사용 가능한 훈련 데이터의 유형과 크기를 고려하고 데이터를 전처리하는 것이 중요합니다.
온디맨드 클라우드 서비스를 사용하면 AI를 생성, 실행, 관리할 수 있습니다. 또한 학습 함수는 Amazon Web Services(AWS) 클라우드에서 생성, 실행, 관리할 수 있습니다.
조직에서는 AI와 ML을 어떻게 활용할 수 있나요?
일부 기계 학습(ML) 솔루션은 대부분의 조직에 적용됩니다.
- 고객 세분화는 추가 영업 및 마케팅 활동을 위해, 고객의 행동, 선호도, 특성을 기준으로 고객을 분류하는 것입니다. Lion Parcel이 어떻게 AWS를 활용하여 고객 세분화를 수행하는지 읽어보세요.
- 사기 탐지는 발견된 비정상적인 거래를 분류하고 해결하는 기술입니다. Luno가 어떻게 AWS를 활용하여 사기 탐지를 수행하는지 읽어보세요.
- 감정 분석은 고객 피드백을 반영하여 제품 전략 및 마케팅을 위한 정보를 얻는 기술입니다. Zignal Labs가 어떻게 AWS를 활용하여 감정 분석을 수행하는지 읽어보세요.
대부분의 조직에 적용되는 인공 지능(AI) 솔루션은 다음과 같습니다.
- 챗봇은 고객 서비스 문의와 분류에 적합합니다. MetroPlusHealth가 어떻게 챗봇에 AWS를 활용하는지 읽어보세요.
- 음성 인식은 회의를 서면 회의록으로 기록하는 데 유용합니다. Epiq가 어떻게 음성 인식에 AWS를 활용하는지 읽어보세요.
- 컴퓨터 비전은 생체 인식 시스템에 적합합니다. PayEye가 어떻게 컴퓨터 비전에 AWS를 활용하는지 읽어보세요.
차이점 요약: AI와 기계 학습
| 인공 지능 |
기계 학습 |
|
| 무엇인가요? |
AI는 인간 지능을 모방하는 기계 기반 애플리케이션을 가리키는 광범위한 용어입니다. 모든 AI 솔루션이 ML 솔루션인 것은 아닙니다. |
ML은 인공 지능 방법론 중 하나입니다. 모든 ML 솔루션은 AI 솔루션입니다. |
| 가장 적합한 용도 |
AI는 인간의 복잡한 작업을 효율적으로 완료하는 데 가장 적합합니다. |
ML은 대규모 데이터 집합의 패턴을 식별하여 특정 문제를 해결하는 데 가장 적합합니다. |
| Methods |
AI에는 규칙 기반, 신경망, 컴퓨터 비전 등 다양한 방법을 사용할 수 있습니다. |
ML의 경우 사용자가 직접 원시 데이터에서 피처를 선택하고 추출한 다음, 가중치를 할당하여 모델을 훈련시킵니다. |
| 구현 |
AI 구현 방법은 작업에 따라 달라집니다. AI는 사전 구축되고 API를 통해 액세스되는 경우가 많습니다. |
특정 사용 사례에 맞게 신규 또는 기존 ML 모델을 훈련시킵니다. 사전 구축된 ML API를 사용할 수 있습니다. |
AWS는 AI 및 기계 학습 요구 사항을 어떻게 지원하나요?
AWS는 규모, 복잡성 또는 사용 사례에 관계없이 인공 지능 및 기계 학습(AI/ML) 솔루션을 구축, 실행, 통합할 수 있도록 다양한 서비스를 제공합니다.
Amazon SageMaker는 ML 솔루션을 처음부터 새로 구축할 수 있는 완벽한 플랫폼입니다. SageMaker는 사전 구축된 기계 학습 모델, 스토리지 및 컴퓨팅 기능, 완전관리형 환경을 모두 갖추고 있습니다.
AI의 경우 AWS 서비스를 사용하여 자체 AI 솔루션을 완전히 새로 구축하거나 사전 구축된 인공 지능(AI) 서비스를 솔루션에 통합할 수 있습니다.
