머신러닝이란?

• 연역 추론 (Deductive Reasoning) ← Symbolic AI
  • 일반적인 사실/이론 → 구체적 상황/예시로 이끌어냄.
  • 예: "모든 사람은 죽는다" + "소크라테스는 사람이다" → "소크라테스는 죽는다."
  • 확실하게 옳은 결론을 낼 수 있음 (이론이 틀리지 않는 한).
  • 전문가 시스템 기반.
• 귀납 추론 (Inductive Reasoning) ← Data-driven(Statistical) AI
  • 구체적 상황/예시 → 일반적인 사실/이론을 도출.
  • 예: "우리동네 고양이는 수염이 있다" + "숭실대 고양이도 수염이 있다" → "모든 고양이는 수염이 있을 것이다."
  • 확실한 결론은 없고, 가능성에 기반한 결론을 냄.
    • 모든 모집단에 대해 알 수 없기 때문임
  • 머신러닝은 귀납 추론에 해당 (지식의 확장)

인공지능, 머신러닝, 딥러닝 관계

• 인공지능 (AI): 컴퓨터가 인간처럼 사고하고 판단하게 하는 기술.
• 머신러닝 (ML): 컴퓨터에 학습 능력을 부여하는 기술.
• 딥러닝 (DL): 인간 두뇌 작동 방식을 모방하여 빅데이터 분석을 수행하는 기술.

머신러닝 종류

• 지도 학습 (Supervised Learning)
  • 정답이 주어진 상태에서 학습.
    • ex) 라벨링
• 비지도 학습 (Unsupervised Learning)
  • 정답 없이 데이터의 패턴을 스스로 학습
    • ex) 클러스터링

머신러닝 본질

• 머신러닝 = 귀납 추론 자동화.
• 컴퓨터를 도구로 하여 **경험(데이터)**을 바탕으로 시스템을 개선해 나가는 학문
  • 머신러닝에서의 경험은 데이터의 형식으로 존재함