지도학습 vs 비지도학습 - AI는 어떻게 학습할까?

구독자님, 안녕하세요! AI의 학습 방법에 대한 간단한 퀴즈를 내볼게요. 정답을 모두 알 것 같으면 이 글을 읽지 않으셔도 되지만, 헷갈리는 문제가 있으시다면 글을 끝까지 읽으시고 다시 도전해 보세요!

지도학습의 정의

지도학습의 정의는 영문 위키피디아의 내용을 인용하여 의역했습니다.

같이 차근차근 살펴보시죠.

1) 인풋(Input) 데이터

• 인풋 데이터는 우리가 모델에 제공하는 정보로, 예측의 단서 역할을 합니다.

• 일반적으로 피처(Feature)라고 불리며, 문제를 풀기 위한 재료와 같습니다.

  예: 고양이 사진, 강아지 사진

2) 올바른 아웃풋(Output) 데이터

• 아웃풋 데이터는 인풋 데이터에 해당하는 정답 역할을 합니다.

• 일반적으로 레이블(Label)이라고 불리며, 학습의 기준이 됩니다.

  예: 고양이 사진 → "고양이", 강아지 사진 → "강아지"

• 잘못된 레이블이 많을 경우 모델 엉뚱한 결과를 내놓을 수 있어서 정확한 레이블이 중요합니다.

위 내용들을 요약해 보면 지도학습은 정답이 있는 데이터로 모델을 학습시키는 방법이라고 말할 수 있습니다.

지도학습의 예시

지도학습으로 AI에게 고양이와 강아지를 분류하는 방법을 가르친다고 가정해보겠습니다.

AI는 고양이 레이블이 붙은 사진과 강아지 레이블이 붙은 사진을 모두 확인하여 패턴을 학습합니다.

따라서 새로운 인풋 데이터로 고양이가 주어지면 우리는 아웃풋으로 고양이 를 출력하는 모델을 가지게 됩니다.

만약 위 데이터셋에서 레이블들이 잘못 기입되었다면 고양이와 강아지를 잘 구분하지 못하는 모델이 만들어집니다.

비지도학습의 정의

비지도학습의 정의는 영문 위키피디아의 내용을 인용하여 의역했습니다.

같이 차근차근 살펴보시죠.

1) 레이블이 없는 데이터

• 지도학습과 달리 비지도학습은 레이블이 없는 데이터를 활용합니다.

• 오직 데이터의 특성만으로 내부 패턴이나 그룹을 찾습니다.

  예: 고객의 구매 내역만 있는 데이터

2) 패턴을 파악한다

• 모델은 데이터를 분석해 비슷한 특성끼리 그룹을 만듭니다.

• 이 과정에서 모델이 알아낸 패턴은 사람이 직접 해석해야 합니다.

  예: 구매 성향이 비슷한 고객을 그룹화

위 내용들을 요약해 보면 비지도학습은 정답이 없는 데이터로 모델을 학습시키는 방법이라고 말할 수 있습니다.

비지도학습의 예시

비지도학습으로 AI에게 고객 그룹핑(Grouping)을 가르친다고 가정해보겠습니다.

위 데이터셋에는 레이블이 없으므로 AI는 구매 내역만 확인하여 패턴을 학습합니다.

따라서 AI는 1번 그룹으로 탕후루를 구매하고 담배를 구매하지 않는 사람들을,
2번 그룹으로 탕후루를 구매하지 않고 담배를 구매한 사람들을 배정합니다.

AI는 비슷한 특성을 가진 것끼리 그룹화 시킬 수는 있으나 1번과 2번 그룹을 해석할 수는 없습니다.

하지만 우리는 이 결과를 보고 각 그룹을 청소년과 성인이라고 해석할 수 있습니다.

*지도학습과 비지도학습 외에도 혼합 방식인 준지도학습과 보상과 처벌을 통해 학습하는 강화학습도 존재합니다. 강화학습에 대해서는 추후에 다뤄보겠습니다!