최근 유독 '머신러닝, 딥러닝'이란 용어가 자주 언급된다. 사실, 단순히 머신러닝이라는 표현을 듣기만 했을 때, 무엇을 뜻하는지 감이 안 잡힐 것이다. 그런데도 여기저기서 항상 언급될 만큼, 머신러닝 분야는 굉장히 빠르게 성장 중이다. 그리고 그 중요도 역시 주목받고 있다. 따라서 이 글은 최근에 '핫'한 트렌드로 떠오른 머신러닝 또는 딥러닝이 대체 무엇인지, 어디에 쓰이는 것인지, 그리고 왜 중요한지 등을 알아보고자 한다.

머신러닝은 무엇인가?
머신러닝(Machine Learning)은 말 그대로 기계학습을 뜻한다. 기계가 학습한다는 게 무슨 말일까?

사람이 학습하듯이 컴퓨터도 학습할 수 있도록 만들겠다는 것이다. 이는 인공지능의 한 분야로, 컴퓨터에 명시적 프로그램 없이도 배울 수 있는 능력을 부여한다. 마치 사람이 특정 프로그램 없이도 스스로 학습을 통해 많은 것을 배우고 익히는 것처럼 말이다. 컴퓨터는 머신러닝을 통해 경험적 데이터를 기반으로 학습하고 예측을 수행하여 스스로 성능을 향상한다.

머신러닝 분야는 수십 년 전부터 연구되어 왔지만, 최근 들어 '딥러닝(Deep Learning)'이 크게 발전하면서 더 주목받게 되었다. 딥러닝은 인공신경망에 기반을 둔 머신러닝의 한 종류로, 인공신경망의 한계를 극복하기 위해 제안된 기계학습 방법이다.

딥러닝은 인간의 뇌 신경을 인공적으로 구현한 기술이다. 그러므로 딥러닝을 통해 컴퓨터는 마치 사람처럼 생각하고 배울 수 있게 된다. 이 딥러닝으로 기계학습이 크게 성공하면서 많은 기업이 딥러닝 연구에 뛰어들고 있다.

머신러닝이 중요한 이유는?
머신러닝의 중요성이 더 부각되고 있는 이유는 무엇일까? 당연한 말이지만, 인간 대신 기계가 처리하는 영역이 점점 넓어지고 있기 때문이다. 인간이 모든 것을 수동으로 해결하는 시대는 이제 끝났다. 그리고 인간의 빈자리를 기계가 대신하고 있다. 기계는 일 처리의 효율을 크게 높이고, 동시에 인간의 눈과 손으로 하기 어려운 것들을 도맡아 해결해 준다. 머신러닝, 딥러닝이 인공지능 분야인 만큼 앞으로 더욱 확대될 AI 산업을 고려하면 해당 기술은 계속해서 발전할 수밖에 없다.

아마존의 최고기술책임자인 버너 보겔스는 "기계 간 주고받는 데이터가 폭발적으로 증가하면서 머신러닝의 중요성이 더욱 부각될 것"이라 말했다. 2년 전 인터넷을 보면 기계 간의 소통 비율이 30% 정도였는데, 앞으로는 50%에 근접하거나 그 이상이 될 거라는 것이 그의 설명이다. 이처럼 기계가 사람을 대신해 인터넷상의 일들을 처리함에 따라, 머신러닝이 가지는 의미는 더 커질 것이다.

머신러닝(딥러닝), 정확한 쓰임은?
머신러닝 기술 중 최근 비중 있게 활용되고 있는 것이 딥러닝이기 때문에, 딥러닝이 어디에 활용되는지 알아보려 한다.

우선, 딥러닝의 대표적인 예로 '객체 탐지'를 들 수 있다. 객체 탐지는 이미지나 비디오 속에 나오는 물체가 어떤 물체인지 분류하고, 그 물체의 위치를 찾아내는 기술이다. 이때, 물체는 주로 사람, 동물, 차량 등이다. 딥러닝 모델은 수많은 이미지와 비디오 자료들을 바탕으로 물체의 크기나 위치 등을 학습하며, 이를 활용하면 사람의 얼굴과 도로 위 차량, 그리고 보행자 등을 인식할 수 있다. 이러한 딥러닝 기술은 현재 CCTV나 자율주행차 같은 산업에 쓰이고 있다.

한편, 이미지뿐만 아니라 텍스트 분야에서도 딥러닝이 활용되고 있다. 질의응답 시스템이나 기계 번역, 문장 분류 등이 텍스트 분야 내 딥러닝 활용 사례이다. 컴퓨터에 데이터를 주면 컴퓨터가 이를 학습하고 스스로 공부하며, 그 결과 이전과 다른 새로운 문장을 보더라도 번역하게 되는 방식이다. 비록 이 분야에서는 AI의 정확도가 아직 인간보다 낮다고 하지만, 이를 보완하는 기술들이 현재 활발히 개발되고 있다.

또 다른 활용 사례로 모두에게 익숙한 '알파고'가 있다. 이세돌과의 대결로 큰 화제를 모았던 알파고는 딥러닝 기술이 적용된 인공지능 바둑 프로그램이다. 바둑을 둘 때는 경우의 수가 무한대로 존재하기 때문에, 전문가들은 인공지능이 사람처럼 바둑을 두긴 힘들 것이라고 내다보았다.
그러나 이 문제를 해결한 것이 바로 딥러닝이다. 딥러닝을 통해 많은 양의 학습을 거친 알파고는 경기 중 수백만 번의 시뮬레이션을 돌렸고, 결국 이세돌에 4대 1로 승리해 전 세계를 놀라게 했다.

앞으로는?
현재까지의 성과도 정말 놀랍지만, 이러한 머신러닝의 분야는 점점 더 확장되고 있다. 최근에는 알파고를 개발한 구글의 자회사 딥마인드가 '알파폴드'라는 AI를 통해 '단백질 접힘' 문제까지 풀어냈다. 단백질 접힘 문제는 지난 50년간 많은 과학자들의 난제였다고 한다. 이 난제를 딥러닝 기술을 활용해 해결한 것이다.

이처럼 앞으로는 인간이 해결할 수 없는 영역에 AI가 손을 뻗을 것이고, 그 과정에서 머신러닝이 중요한 열쇠가 될 것이다. 발전에 발전을 거듭하고 있는 기계학습, 앞으로는 더 자주 접하게 될 테니 한 번쯤 알아본다면 도움이 될 것이다.

[ⓒ CWN(CHANGE WITH NEWS). 무단전재-재배포 금지]