인공지능 머신러닝

머신러닝, 소위 인공지능으로 불리는 이것은 무엇일까요?

인공지능(AI : Artificial Intelligence)은 다들 많이들 들어 보셨으리라 생각합니다. 인공지능의 뜻을 한 번 짚어보고 가겠습니다. 인공지능이란 컴퓨터에 의해 구현되는 인공적인 지능을 뜻한다고 하네요.

머신러닝은 이 인공지능의 한 분야라고 합니다. 머신러닝의 뜻을 살펴보면 데이터라는 형태로 얻어지는 경험(Experience)으로부터 특정한 목표 작업(Task)에 대한 성능(Performance)을 향상시키는 일련의 과정이라고 하네요. 조금 어렵지요?

머신러닝은 컴퓨터가 대량의 데이터로부터 귀납적 추론을 통해 스스로 새로운 지식을 도출해 나간다고 합니다. ‘스스로’라니...놀랍고 대단하기만 합니다. 머신러닝은 어떤 데이터의 입력 값과 출력 값을 알려주면 입력과 출력 사이의 관계에 대해 스스로 학습을 한다고 하네요. 따라서 통계학, 수학, 신호처리 등 다양한 학문이 요구되는 분야라고 합니다. 특히 이 머신러닝은 사람을 학습시키는 과정에서 착안한 방법을 사용한다고 하니 더 놀랍습니다.

머신러닝의 기법 중에는 딥 러닝(Deep learning)이라는 기법이 있는데요. 이 딥 러닝이라는 단어는 많이들 들어 보셨을거예요. 데이터의 고수준 패턴을 복합적인 다계층 네트워크로 모델링하는 방법을 딥 러닝이라고 한답니다.

자, 그러면 머신러닝이 실제 생활에 어떻게 적용되는지 한 번 살펴볼까요?

Kabbage, 미국에 있는 한 대출회사입니다. 이 회사는 Data Context Engine이라는 독자적인 시스템을 개발했는데요. 이 시스템을 이용해서 대출자의 각종 정보를 분석한 후 7분 만에 가장 적합한 대출상품을 제공한다고 합니다. 정말 빠르지요? 머신러닝이 빅데이터 등 다른 기술과 가장 차별화 되는 점이 바로 이 속도입니다.

의료 분야에서도 특히 머신러닝 기술이 많이 활용되고 있는데요. 잠시 살펴볼까요? 신약 임상시험용 환자 모델링 시스템에 머신러닝 알고리즘을 적용해서 신약 임상 시험에 적합한 환자를 빠르게 찾아내기도 한답니다. 임상시험은 매우 복잡해 이를 최대한 간소화하기 위해서는 이러한 머신러닝 기술이 꼭 필요하다네요. 머신러닝이 임상시험의 성공률을 증가시켜 준다고 하니 참 고마운 기술입니다.

이 뿐만이 아닙니다. 머신러닝 알고리즘을 통해서 개인의 건강데이터를 수집하여 저장, 공유하는데 이 때 건강상의 특정 패턴을 식별하여 개개인의 질환을 정밀하게 진단하고 맞춤형 건강관리 솔루션을 제공할 수도 있다고 하네요.

또 금융업계의 사기 방지 솔루션, 자동차 분야의 품질 개선 프로그램, 마케팅 분야의 유망 잠재 고객 발굴, 미디어 분야에서 최적화 기법 및 콘텐츠 추천 등 다양한 부문에 머신러닝 기술이 적용되고 있다네요.

이 외에도 수없이 많은 분야에서 활용되고 있는 머신러닝 기술, 앞으로의 활약이 참 기대가 됩니다. 이 머신러닝과 관련된 시장규모는 2020년까지 21.4백만 달러로 성장할 것이라고 하네요. 딥러닝은 이 보다 훨씬 큰 3,884.90백만 달러로 시장이 커질 것이라고 하니 미리미리 관련 내용을 알아둬야 할 것 같습니다.

[애플 스토어에서 다운로드가 가능한 Kabbage app]