https://www.youtube.com/watch?v=jPs3n9Vou9c
<aside> 🔥 인공지능과 딥러닝, 머신러닝의 차이를 살펴보며, 인공지능은 넓은 상위 개념이고, 딥러닝은 심층 신경망으로 특징을 깊게 찾는 방법이며, 머신러닝은 이들을 포괄하는 학습 기법이에요. 또한 지도학습, 비지도학습, 반지도학습, 강화학습의 차이를 간단히 정리하고 자율주행·알파고·디퓨저 이미지 생성 같은 응용도 짚어봅니다.
</aside>
A1. 딥러닝은 다층 신경망을 이용해 복잡한 특징을 자동으로 추출하는 반면, 머신러닝은 데이터에서 규칙을 탐색하되 반드시 깊은 구조를 필요로 하지는 않습니다. 즉, 딥러닝은 표현력을 높이기 위해 층을 깊게 쌓고, 머신러닝은 문제에 따라 단순한 모델도 충분히 작동합니다.
A2. 지도학습은 입력과 정답이 쌍으로 주어져 예측이나 분류를 학습하고, 비지도학습은 정답 없이 데이터의 구조를 발견합니다. 예로는 이미지 분류가 지도학습, 클러스터링이 비지도학습에 해당합니다.
A3. 세미지도학습은 일부 샘플에만 레이블이 있어도 학습하는 반면, 강화학습은 에이전트가 환경에서 행동해 보상으로 학습합니다. 두 방식은 지도 신호의 유무와 학습 목표가 달라 시스템의 학습 효율에 차이가 생깁니다.
A4. 실무에서는 문제에 따라 감독 학습으로 시작해 점차 비지도나 세미지도, 필요시 강화학습을 고려합니다. 예를 들어 이미지 분류 초기엔 지도학습으로 시작하고, 데이터 라벨이 부족하면 세미지도학습으로 확장합니다.
본 영상은 우리에게 인공지능(AI)이라는 큰 범주와, 그 하위에 속하는 딥러닝(DL), 그리고 다양한 문제를 데이터로부터 배우는 방식인 머신러닝(ML)의 차이와 관계를 명확히 설명합니다. 이들 용어는 때로 혼용되지만, 실제로는 서로를 포괄하거나 특정 기술을 가리키는 용어들입니다. 또한 영상은 문제 해결의 구체적 방법으로 네 가지 학습 방식—지도학습, 비지도학습, 준지도학습, 강화학습—을 소개하고, 자율주행, 바둑의 알파고, 확산 기반 이미지 생성, GPT 같은 사례를 통해 기술의 범용성과 차이점을 보여줍니다.
딥러닝은 '깊다'는 말이 핵심으로, 심층 신경망(deep neural networks)을 구성해 입력에서부터 점차 추상화된 히든 피처를 자동으로 학습합니다. 이러한 구조는 일반적인 ML보다 더 복잡하고, 다양한 문제를 해결하는 데에 강력하지만, 여전히 머신러닝의 한 영역에 속합니다. 더 상위 개념으로 보면, 이야기는 인공지능 쪽으로 확장되며, 딥러닝은 이 큰 그림 안의 강력한 도구임을 이해하는 것이 중요합니다.