인공지능과 머신러닝

인공지능과 머신러닝

인공지능

• 가장 넓은 개념으로 인간의 지능을 모방하여 문제를 해결하거나 학습하는 컴퓨터 시스템 전체
• 목표: 사람이 수행하는 지각, 추론, 학습 등의 지적인 작업을 컴퓨터가 대신 하도록 하는 것

머신러닝

• 인공지능의 한 분야로 데이터를 통해 컴퓨터를 학습하는 것
• 과거에 사람이 규칙을 코딩→머신러닝은 데이터를 통해 컴퓨터가 직접 규칙을 찾아내게 한다.

---

인공지능과 머신러닝의 차이점

구분	인공지능 (AI)	머신러닝 (ML)
정의	인간의 지적 능력을 컴퓨터로 구현하는 기술 전체	데이터를 통해 스스로 학습하고 예측하는 기술
범위	가장 포괄적인 개념 (최상위 범주)	인공지능의 하위 집합
작동 원리	논리, 규칙, 학습 등 다양한 방식 포함	데이터에서 패턴을 추출하는 알고리즘 중심
목표	지능적인 시스템 구축	데이터로부터 정확한 결과/예측 도출

---

머신러닝의 학습 방법

1. 지도학습

• 문제와 정답을 함께 알려주며 학습
• 주요 작업
  • 분류: 데이터를 정해진 범주로 나눔
  • 회귀: 연속적인 수치를 예측

2. 비지도 학습

• 정답 없이 데이터만 주고 스스로 규칙을 찾게 한다.
• 주요 작업
  • 군집화: 비슷한 특징을 가진 데이터끼리 그룹화
  • 차원 축소: 중요 특성만 남기고 데이터의 복잡도를 줄임

3. 강화학습

• 특정 환경에서 에이전트가 행동을 하고, 그 결과로 얻는 보상을 통해 어떤 행동이 최선인지 깨닳는다.
• 구성요소: State(상태), Action(행동), Reward(보상)

구분	지도 학습	비지도 학습	강화 학습
데이터 구성	데이터 + 정답 (Label)	데이터 (No Label)	상태 + 보상 (Reward)
목표	결과 예측 및 분류	데이터 내 패턴 발견	보상 최대화 (행동 최적화)
대표 알고리즘	SVM, 회귀 분석, 결정 트리	K-평균 군집화, PCA	Q-러닝, DQN