머신러닝이란 무엇인가 — 데이터로 질문에 답하는 학습과 예측의 원리

핵심 메시지

• 머신러닝은 마법이 아니라 데이터에서 의미를 끌어내는 도구와 기술이다.
• 데이터 양이 사람이 규칙을 직접 쓸 수 있는 한계를 넘어서면서, 데이터로부터 스스로 학습해 변화에 적응하는 자동화 시스템이 필요해졌다.
• 머신러닝은 사진 태깅, 동영상 추천, 구글 검색처럼 우리가 매일 쓰는 제품 곳곳에 이미 들어가 있다.
• 머신러닝은 '데이터를 사용해 질문에 답하기'라는 다섯 단어로 요약할 수 있다.
• '데이터 사용'은 학습(training), '질문에 답하기'는 예측(inference)에 해당하며 둘 다 똑같이 중요하다.

쉽게 이해하기

영상은 사진·음악·글·동영상 등 세상에 넘쳐나는 데이터에서 의미를 끌어내겠다는 것이 머신러닝의 약속이라고 설명한다. 진행자는 아서 C. 클라크의 '충분히 발전한 기술은 마법과 구별할 수 없다'는 말을 인용하면서도, 머신러닝은 마법이 아니라 데이터로 질문에 답하는 도구이자 기술이라고 강조한다.

전통적으로는 사람이 데이터를 분석하고 패턴 변화에 맞춰 규칙을 직접 고쳐 왔다. 그러나 사람·컴퓨터·휴대폰·기기가 만들어 내는 데이터가 사람이 규칙을 손으로 쓸 수 있는 능력을 넘어서면서, 데이터와 그 변화로부터 스스로 배우며 달라지는 환경에 적응하는 자동화 시스템에 점점 더 의존하게 된다.

머신러닝은 눈에 잘 띄지 않아도 이미 우리 주변에 있다. 사진 속 사물·사람 태깅처럼 분명한 사례도 있지만, 다음에 볼 동영상을 추천하는 것도 머신러닝이다. 가장 큰 예는 구글 검색으로, 질의문 이해부터 개인 관심사에 따른 결과 조정까지(예: 'Java'를 커피 애호가로 검색하는지 개발자로 검색하는지에 따라 다른 결과) 여러 머신러닝 시스템이 핵심에 자리한다.

적용 범위는 이미 넓다. 이미지 인식, 사기 탐지, 추천 시스템은 물론 텍스트·음성 시스템까지 있으며, 당뇨망막병증·피부암 탐지 같은 의료, 소매, 그리고 자동 주차·자율주행 같은 교통 분야에도 쓰인다. 한때 새롭게 여겨지던 머신러닝은 이제 웹사이트나 앱처럼 당연히 갖춰야 할 기능이 되어 가고 있다.

영상은 머신러닝을 '데이터를 사용해(using data) 질문에 답하기(answer questions)'라는 다섯 단어로 정의한다. '데이터 사용'은 학습으로, 데이터를 활용해 예측 모델을 만들고 다듬는 과정이다. '질문에 답하기'는 예측(추론)으로, 이 모델을 이전에 보지 못한 데이터에 적용해 답을 내놓는 것이며, 데이터가 쌓일수록 모델은 개선되고 새 모델이 배포된다.

주요 인사이트

• 이 모든 과정의 핵심 요소는 데이터다. 데이터가 머신러닝을 여는 열쇠인 만큼, 머신러닝은 데이터에 숨은 통찰을 여는 열쇠다.
• 머신러닝을 시작하는 데 필요한 것은 데이터, 개발자, 그리고 도전하려는 의지뿐이며 도구는 이미 상당히 좋아졌다.
• 머신러닝은 사람이 하던 일을 더 낫고 빠르고 쉽게 만들 뿐 아니라, 나아가 혼자서는 결코 이룰 수 없던 일까지 돕는 방향으로 발전한다.
• 학습과 예측은 머신러닝의 양면으로, 어느 한쪽도 소홀히 할 수 없이 똑같이 중요하다.

자주 묻는 질문

관련 AI 소식