[인공지능개요] 인공지능 학습 방식

인공지능은 다양한 방식으로 학습합니다. Rule-based AI(규칙 기반 AI), Machine Learning(기계 학습), Deep Learning(딥러닝) 로 크게 세 가지의 범주로 나누어보려고 합니다. 

 

---

Rule-based AI (규칙 기반 인공지능)

✅ 정의

Rule-based AI는 사람이 직접 규칙(룰셋, if-else 조건문)을 정의하여 시스템이 데이터를 처리하는 방식입니다.

데이터에서 패턴을 찾는 것이 아니라 사람이 논리적인 규칙을 정하고 이에 따라 동작하도록 만듭니다.

✅ 특징

• 사람이 모든 규칙을 직접 정의해야 함
• 데이터가 바뀌면 새로운 규칙을 추가해야 함
• 복잡한 패턴을 다루기 어려움

✅ 예시

• 스팸 필터링 특정 단어(예: "무료", "당첨")가 포함된 이메일을 스팸으로 분류
• 의료 진단 시스템 특정 증상이 조합되었을 때 특정 병을 진단하는 룰셋 적용
• 챗봇(ELIZA) 정해진 패턴에 맞춰 답변하는 룰 기반 대화 시스템

이래서 스팸 문자들이 단어 사이에 이상한 기호들을 붙이는가봐요..

Machine Learning (기계 학습)

✅ 정의

Machine Learning(기계 학습)은 사람이 직접 특징(feature)을 정의하고 기계학습 알고리즘(SVM, 랜덤포레스트 등)이 패턴을 학습하는 방식입니다.  (데이터를 이용해 패턴을 찾지만 딥러닝처럼 자동으로 특징을 학습하는 것은 아닙니다.)

✅ 특징

• 사람이 특징을 직접 정의해야 함
• 모델이 주어진 특징을 학습하여 예측 수행
• 데이터가 많아질수록 더 정교한 예측 가능

✅ 예시

• HOG + SVM을 활용한 보행자 검출 - 이미지에서 HOG(Histogram of Oriented Gradients) 특징을 추출한 후 SVM으로 분류
• 랜덤 포레스트를 이용한 금융 사기 탐지 - 거래 패턴(구매 시간, 금액 등)을 사람이 정의하고 머신러닝 적용
• PCA(주성분 분석) 기반 얼굴 인식 - 사람이 주요 특징을 선정하고 기계 학습 모델이 패턴을 학습

 

 

Deep Learning (딥러닝, 신경망 기반 AI)

✅ 정의

Deep Learning(딥러닝)은 신경망(Neural Network)을 사용하여 데이터에서 직접 특징을 학습하는 방식입니다.

사람이 특징을 정의할 필요 없이 모델이 데이터를 통해 중요한 패턴을 자동으로 찾아냅니다.

✅ 특징

• 사람이 직접 특징을 정의하지 않아도 됨
• 데이터가 많을수록 성능이 향상됨
• 계산량이 많아 GPU 등 고성능 하드웨어가 필요할 수 있음

✅ 예시

• CNN을 활용한 이미지 분류 - 데이터에서 자동으로 특징을 학습하여 사물 분류
• RNN/LSTM을 활용한 기계 번역 - 문장을 학습하여 번역 예측
• GAN을 이용한 이미지 생성 - 기존 데이터를 학습하여 새로운 이미지 생성