<머신러닝의 2단계 방법> 일반적으로 머신러닝의 방법은 2가지로 나눠집니다. 1 단계 - 사람이 정답을 판단하기 위해서 봤던 트레이닝 데이터의 특징들을 추출 2 단계 - 다양한 특징들을 기반으로 판단 예를 들어서 고양이를 판단하는 경우에 1단계에서 얼굴 모양, 다리의 개수, 눈의 개수, 눈·코·입의 구조, 귀의 모양 등의 특징을 추출하고 나서, 2단계에서 얼굴의 둥근 모양, 다리가 4개, 눈이 2개 눈·코·입이 삼각형 모양, 귀는 삼각형 모양 등의 특징을 기준으로 ‘고양이’라고 판단하는 것입니다.

<머신러닝의 3가지 학습 방법>인지과학 분야에서 사람의 학습을 몇 가지 방법으로 구분하고 있습니다. 머신러닝에서도 이러한 방법론을 적용하여 크게 3가지 학습 방법으로 구분해서 이야기하고 있습니다. ① 지도 학습 (Supervised Learning) : 정답을 알고 있는 엄마가 아이에게 말을 가르치는 것처럼, 정답을 기반으로 오류를 줄여서 학습하는 방법. 아이가 2만 번을 반복하고 엄마가 정답을 알려주면서 언어가 학습된다는 말이 있는 것처럼, 반복 학습을 통해서 오류를 줄여가면서 점점 더 정답에 가까워지게 됩니다. ② 비지도 학습 (Unsupervised Learning) : 정답을 모르더라도 유사한 것들과 서로 다른 것들을 구분해서 군집을 만들 수 있는 학습하는 방법. 사람이 성장하게 되면 정답을 모르더라도 서로 유사한 데이터들끼리 모아서 군집을 만드는 지능이 생기게 됩니다. 아이가 자라면서, 처음 보는 장난감도 엄마의 화장품이나 맛있는 음식과 다르다는 것을 구분할 수 있게 되고, 많은 사람이 말하더라도 엄마의 목소리를 구분해 낼 수 있는 것과 같은 방법입니다. 최근에는 지도 학습과 비지도 학습을 섞어서 데이터에 정답을 유추해 나가는 방법의 기술들도 많이 나오고 있으며, 이를 반지도 학습(Semi-Supervised Learning)이라고 합니다. 군집을 학습한 후에, 군집의 일부 데이터만 사람이 정답을 매겨주면, 그 군집 전체를 사람이 매긴 정답으로 볼 수 있다는 원리입니다. ③ 강화 학습 (Reinforcement Learning) : 보상과 벌칙과 함께 여러 번의 시행착오를 거쳐 스스로 학습하는 방법. 아무리 엄마가 있더라도 정답을 알려주기가 어려운 것들이 있습니다. 아이가 스스로 일어서는 방법, 스스로 걷는 방법 등이 그 예가 될 것입니다. 스스로 넘어져 가면서 여러 번의 시행착오 끝에 자기에게 맞는 방법을 습득하게 되는 것입니다. 이러한 시행착오에는 2가지 방법이 있습니다. 이제까지 알아낸 방법 중에 가장 적합한 방법을 시도하는 것과 새로운 방법을 시도해 보는 방법입니다. 일어서는 방법, 걷는 방법도 이제까지 해본 방법 중에 가장 맞는 방법을 시도해보고, 새로운 방법도 시도해 해서 점점 더 자신에게 맞는 방법을 찾아가는 것입니다. 기존의 지도학습, 비지도 학습과 달리 보상과 벌칙이 반영된 다음 데이터가 필요하기 때문에 반복 시행을 통해서 데이터를 스스로 만들어가면서 학습해야 합니다. 따라서 일반적으로 많은 학습 시간이 필요해 컴퓨터 시뮬레이션 기반으로 빠르게 반복함으로써 이러한 학습시간의 한계점을 극복해 가고 있습니다. 우리나라의 바둑기사 이세돌을 이긴 딥마인드의 알파고가 강화학습을 적용한 대표적인 사례입니다. 시뮬레이션으로 서로 바둑을 두고, 이긴 쪽의 학습 결과를 복사해서 다시 바둑을 두는 과정을 반복함으로써 인간보다 훨씬 더 많은 경험을 통해서 실력을 높여나가는 방법입니다.