인공지능 이란? 쉽게 풀어보기(머신러닝, 딥러닝, 생성형 AI)

인공지능은 컴퓨터가 입력받은 정보를 바탕으로 글을 만들거나 사진을 분류하는 등, 판단이나 인식이 필요한 일을 하도록 만든 기술이다. 휴대전화가 말소리를 글자로 바꾸거나 사진에서 고양이를 찾아 주는 기능이 그 예다. ‘인공지능 이란’이라는 질문은 컴퓨터가 어떤 정보를 받아 어떤 결과를 내놓는지 살펴보면 쉽게 풀린다. 인공지능이 하는 일과 머신러닝, 딥러닝의 관계를 차례로 알아보자.

인공지능 이란? 어떤 일을 할까?

인공지능은 주어진 목적에 맞게 입력을 처리해 분류, 예측, 추천, 생성 같은 결과를 내는 기술이다. 여기서 입력은 사진, 소리, 글처럼 컴퓨터에 들어오는 정보다. 사진 속 고양이를 찾는 기능에서는 사진이 입력이고, 고양이가 있는지에 대한 판단이 결과다.

 

고양이 사진을 찾는 기능을 생각해 보자. 사진을 이루는 색과 밝기는 컴퓨터가 처리할 수 있는 숫자로 표현된다. 학습을 마친 모델은 그 숫자에서 모양과 질감 같은 단서를 찾아 고양이일 가능성을 계산한다. 고양이가 화면 구석에 작게 찍혔거나 물건에 가려져 있다면 분류 결과가 틀릴 수 있다.

 

‘모델’은 입력을 받아 결과를 계산하는 데 쓰이는 구조를 뜻한다. 사진을 분류하는 모델과 글을 생성하는 모델은 받는 정보와 내놓는 결과가 다르다. 이름에 모두 인공지능이 붙어 있어도, 어떤 일을 맡겼는지에 따라 성능을 살펴볼 기준이 달라진다.

머신러닝과 딥러닝은 어떻게 연결될까?

머신러닝은 인공지능을 구현하는 방법 중 하나이고, 딥러닝은 머신러닝에 속한다. ‘인공지능 이란’이라는 질문에서 이 세 용어가 함께 나올 때는 기술의 범위를 떠올리면 관계가 보인다. 아래 표는 각 용어가 가리키는 범위와 하는 일을 정리한 것이다.

 

용어	가리키는 범위
인공지능	인식, 판단, 생성 같은 일을 컴퓨터로 수행하는 기술 전반
머신러닝	데이터에서 패턴을 학습해 분류나 예측 등에 사용하는 방법
딥러닝	여러 층으로 이루어진 인공 신경망을 사용하는 머신러닝 방법

 

머신러닝에서는 사진과 ‘고양이’ 같은 정답을 짝지어 모델을 훈련하는 방법을 쓸 수 있다. 모델은 사진으로 낸 예측과 정답의 차이를 줄이는 방향으로 내부 값을 조정한다. 훈련을 마치면 처음 보는 사진에도 배운 패턴을 적용한다. 딥러닝에서는 인공 신경망의 여러 층이 앞 층의 계산 결과를 받아 차례로 처리한다.

생성형 인공지능의 답은 어떻게 읽을까?

생성형 인공지능의 답은 요청을 바탕으로 만들어진 결과물로 읽으면 된다. 예를 들어 모임 안내문 초안을 써 달라고 하면, 모델은 학습한 문장의 패턴과 요청에 담긴 조건을 바탕으로 글을 만든다. 참석 대상과 모임 장소를 입력하면 그 정보를 문장에 반영할 수 있다.

 

시간을 알려 주지 않았는데 그럴듯한 시작 시각을 써 넣거나, 알려 준 장소를 다르게 옮길 수도 있다. 초안을 그대로 쓰기 전에 날짜, 시각, 장소를 원래 안내와 대조해 확인하자. 일정이 아직 정해지지 않았다면 해당 항목을 비워 달라고 요청할 수 있다.

 

사진 찾기에서는 원하는 사진이 제대로 골라졌는지가 중요하다. 안내문 만들기에서는 말투가 읽기 좋은지와 실제 일정이 정확히 들어갔는지를 함께 살펴야 한다. 같은 인공지능이라도 맡긴 일에 맞춰 결과를 확인하면 어디에 쓸 수 있는지 판단하기 쉽다.

마치면서

‘인공지능 이란’이라는 질문에는 컴퓨터가 입력을 처리해 분류나 예측, 생성 같은 일을 하도록 만든 기술이라고 답할 수 있다. 머신러닝은 그중 데이터에서 패턴을 배우는 방법이고, 딥러닝은 여러 층의 신경망을 쓰는 머신러닝이다. 실제 기능을 볼 때는 무엇이 입력됐고 어떤 결과가 나왔는지부터 살펴보자.

 

[안내드립니다] 이 글은 인공지능의 기본 개념을 설명하기 위한 글입니다. 실제 기능과 결과는 사용한 모델과 입력에 따라 달라질 수 있습니다.