머신러닝, 아재도 이해하는 인공지능의 마법

머신러닝이라는 단어가 주변에서 심심치 않게 들리시죠? 

뉴스에서, 광고에서, 심지어 아이들 입에서도 "AI"라는 말이 나옵니다. 

하지만 컴퓨터와 그닥 친하지 않은 우리 같은 사람들은 이런 용어가 나올 때마다 고개만 끄덕이고 마는 경우가 많습니다. 오늘은 그 신비한 '머신러닝'의 베일을 벗겨보려고 합니다. 

컴퓨터를 켜는 것도 어려워하는 50대 아재의 눈높이에서 더 더욱 말이죠!

머신러닝이란? 쉽게 말해서...

머신러닝은 결국 컴퓨터가 스스로 배우는 기술입니다. 

우리 인간이 경험을 통해 학습하듯, 컴퓨터도 데이터를 통해 배울 수 있게 만든 기술이죠.

 

예를 들어볼까요? 

우리 동네 슈퍼 아저씨는 장사를 30년 하다 보니 누가 들어오면 

"이 사람은 소주를 살 것이다" 또는 "이 손님은 우유를 찾을 것이다"라고 직감적으로 아십니다. 

왜일까요? 수만 명의 손님을 보면서 '패턴'을 발견했기 때문이죠!
머신러닝도 마찬가지입니다. 컴퓨터에게 엄청나게 많은 데이터를 보여주고 "이건 이거야"라고 알려주면, 나중에는 새로운 상황에서도 스스로 판단할 수 있게 됩니다. 마치 수많은 고양이와 강아지 사진을 본 후 처음 보는 동물도 "아, 이건 고양이구나!"라고 맞힐 수 있게 되는 거죠.

머신러닝은 어떻게 공부할까요?

사람의 학습 과정과 비교해보면 이해가 쉽습니다:

데이터 수집 (경험하기)
우리가 살면서 다양한 경험을 쌓듯, 컴퓨터에게도 많은 '경험'(데이터)를 제공합니다. 

예를 들어 수천 장의 고양이와 강아지 사진을 모으는 거죠.

정답 알려주기 (선생님의 역할)
아이에게 "이건 사과야, 이건 배야"라고 가르치듯, 

컴퓨터에게도 "이 사진은 고양이, 저 사진은 강아지"라고 알려줍니다.

패턴 찾기 (생각하는 과정)
우리 뇌가 무의식적으로 특징을 파악하듯, 

컴퓨터도 "고양이는 귀가 뾰족하고, 눈이 세로로 길쭉하네"라는 식으로 특징을 찾아냅니다.

스스로 판단하기 (적용)
충분히 학습한 후에는 처음 보는 사진도 

"이건 고양이일 확률이 95%야"라고 판단할 수 있게 됩니다.

일반 프로그램과 머신러닝의 차이

여기서 재미있는 부분이 나옵니다!
일반 프로그램은 '요리책'과 같습니다
전통적인 프로그램은 꼭 요리책 같아요. 매우 상세한 지시사항을 일일이 다 써줘야 합니다:

 

IF 나이 < 19 THEN "미성년자입니다"
IF 나이 >= 19 THEN "성인입니다"

만약 고양이와 강아지를 구분하는 일반 프로그램을 만든다면:
IF 귀가_뾰족하고 AND 수염이_길고 AND 눈이_세로로_긴 THEN "고양이"
IF 코가_젖어있고 AND 혀를_내밀고 AND 꼬리를_흔들면 THEN "강아지"

이런 식으로 모든 규칙을 사람이 직접 입력해야 합니다. 귀찮죠?
머신러닝은 '견습생'과 같습니다
반면 머신러닝은 식당의 견습생과 비슷합니다. 

처음에는 "이렇게 하세요" 하고 몇 번 보여주기만 하면, 

나중에는 스스로 일을 배워갑니다.

고양이와 강아지를 구분하는 머신러닝 시스템은:

사진 10만 장만 주세요
각 사진이 고양이인지 강아지인지만 알려주세요
나머지는 제가 알아서 배울게요!

그러면 컴퓨터가 스스로 "아, 이런 특징이 있으면 고양이고, 저런 특징이 있으면 강아지구나" 하고 배워갑니다. 

심지어 사람도 미처 발견하지 못한 특징까지도요!

 

우리 생활 속의 머신러닝

머신러닝은 이미 우리의 일상 곳곳에 숨어있습니다:

 

1. 스마트폰의 얼굴인식

요즘 스마트폰은 암호를 입력하지 않아도 얼굴만 보여주면 잠금이 해제됩니다.

이것도 머신러닝 덕분입니다.

여러분의 얼굴을 다양한 각도에서 촬영해 학습한 후, 나중에 "이 사람이 주인이구나!"라고 인식하는 거죠.

2. 넷플릭스나 유튜브의 추천 영상

"이 영상을 보신 분들은 이런 영상도 봤습니다"라는 추천, 어떻게 가능할까요?

머신러닝이 여러분의 시청 패턴을 분석하여 취향을 파악하고, 비슷한 콘텐츠를 추천해주는 겁니다.

마치 오랜 단골의 취향을 파악한 가게 주인처럼요.

3. 스팸 메일 필터

이메일에 들어오는 수많은 광고 메일 중에서 어떤 것이 진짜 스팸인지 구분하는 것도 머신러닝입니다.

수많은 스팸 메일과 정상 메일의 패턴을 학습해서 "이 메일은 99% 확률로 스팸이다"라고 판단하죠.

4. 음성비서 (시리, 빅스비, 갤럭시)

"오늘 날씨 어때?"라고 물으면 대답하는 음성비서도 머신러닝 기술입니다. 

수많은 사람들의 음성 데이터를 학습해서 여러분의 목소리와 질문을 이해하고 답변하는 거죠.

 

아재의 일상에서 머신러닝으로 비유하기
김치찌개 끓이기로 이해하는 머신러닝
아내가 김치찌개 끓이는 모습을 30년 봐왔지만, 직접 끓이려면 어렵죠? 그런데 어느 날 도전해봅니다:

 

일반 프로그램 방식: 아내에게 레시피를 정확히 물어봅니다. 

"김치는 얼마나 넣고, 물은 몇 ml고, 간은 어떻게 맞추고...

" 모든 과정을 일일이 메모해서 그대로 따라합니다.

 

머신러닝 방식: 아내가 김치찌개 끓이는 걸 100번 관찰합니다. 

김치 양이 많으면 물을 얼마나 더 넣는지, 김치가 신맛이 강하면 설탕을 얼마나 넣는지 등의 패턴을 파악합니다. 

그러다 보면 어느 순간 "아, 이 상황에서는 이렇게 하면 되겠구나"라고 직감적으로 알게 됩니다.

낚시로 이해하는 머신러닝
취미가 낚시라면 이런 경험 있으실 겁니다:

일반 프로그램 방식: 낚시 책에서 "이 물고기는 이런 미끼를 좋아하고, 이런 깊이에서 물고, 이런 시간대에 활발하다"는 정보를 모두 암기해서 따라합니다.

머신러닝 방식: 수십 년간 낚시터에서 경험을 쌓다 보니, 날씨가 어떻고 수온이 어떨 때 어떤 물고기가 잘 물린다는 감이 생깁니다. 심지어 "오늘은 뭔가 느낌이 좋은데?"라는 직감까지 발달하죠.

 

머신러닝의 한계는?

물론 머신러닝도 완벽하지는 않습니다:

데이터의 품질에 크게 의존합니다
쓰레기를 넣으면 쓰레기가 나옵니다(GIGO: Garbage In, Garbage Out). 

잘못된 데이터로 학습하면 잘못된 결과가 나옵니다.

설명이 어렵습니다
머신러닝은 "왜 이런 결정을 내렸는지" 설명하기 어려운 경우가 많습니다. 

마치 오랜 장인이 "그냥 느낌이 그래서"라고 말하는 것처럼요.

새로운 상황에 약합니다
학습하지 않은 완전히 새로운 상황에서는 헤맬 수 있습니다. 마치 서울에서만 운전하다가 시골 비포장도로를 만나면 당황하는 것처럼요.

일상 속 상황으로 정리하는 머신러닝

학습 데이터가 중요합니다
좋은 선생님(좋은 데이터)에게 배우면 실력이 빨리 늘고, 엉터리 선생님(나쁜 데이터)에게 배우면 엉터리 실력이 됩니다.

충분한 연습이 필요합니다
골프를 잘 치려면 연습이 필요하듯, 머신러닝도 충분한 데이터로 '연습'해야 실력이 좋아집니다.

끊임없이 발전합니다
우리가 나이 들어도 계속 배우듯, 머신러닝 시스템도 계속해서 새로운 데이터로 학습하면 더 똑똑해집니다.

마무리하며

머신러닝이란 결국 컴퓨터가 스스로 배우는 기술입니다.

우리 인간이 경험에서 배우듯, 컴퓨터도 데이터에서 배우게 하는 기술이죠.

이제 AI나 머신러닝이라는 단어가 나와도 더 이상 어렵게 느껴지지 않으셨으면 좋겠습니다.
기술은 어렵게 생각하면 정말 어렵지만, 우리 일상의 관점에서 바라보면 그렇게 낯설지만은 않습니다. 

오늘도 스마트폰을 쓰실 때, "아, 이것도 머신러닝이구나!"라고 생각하시면서 미소 지어보세요!

https://ittecharchive.tistory.com/entry/IT-%EC%99%84%EC%A0%84%EC%A0%95%EB%B3%B5-%EC%A0%95%EB%B3%B4%EA%B8%B0%EC%88%A0IT-%ED%95%B5%EC%8B%AC%EC%9A%94%EC%86%8C-%ED%8C%8C%ED%97%A4%EC%B9%98%EA%B8%B0

IT 완전정복! 정보기술(IT) 핵심요소 파헤치기