개요
요약
- AI(인공지능): 사람이 하던 지적 작업을 기계가 수행하도록 만드는 가장 넓은 개념
- ML(머신러닝): 데이터를 통해 규칙을 학습하는 AI의 하위 분야
- DL(딥러닝): 신경망(특히 다층 신경망)을 활용하는 ML의 하위 분야
즉, AI ⊃ ML ⊃ DL 관계입니다.
왜 구분이 중요한가?
실무에서 문제를 정의할 때 “딥러닝이 꼭 필요한가?”를 먼저 판단해야 비용과 시간을 줄일 수 있습니다.
- 데이터가 적고 규칙이 명확하면 전통적 방법(규칙 기반, 간단한 ML)이 유리
- 비정형 데이터(이미지/음성/텍스트)가 많으면 DL이 강력
간단한 예시
1) 스팸 메일 분류
- 규칙 기반: 특정 키워드 포함 시 스팸
- ML: 과거 메일 데이터를 학습해 스팸 여부 분류
- DL: 문맥까지 반영해 분류 성능 향상
2) 이미지 분류
- 전통적 방식: 사람이 특징을 직접 설계
- DL: 모델이 특징을 자동으로 학습
선택 기준 체크
- 목표 정확도는 어느 수준인가?
- 데이터 양/품질은 충분한가?
- 학습/운영 비용(GPU, 시간)을 감당 가능한가?
- 결과 설명 가능성(Explainability)이 중요한가?