맞춤형 추천, 예측 정보 제공…
AI 시대 알고리즘 활용

인공지능의 범주를 머신러닝과 딥러닝으로 나눈다는 것은 들어본 적 있을 것이다. 그러나 둘의 차이가 무엇인지 명확히 이해하는 사람은 드물다. 간략히 설명하면 머신러닝이 딥러닝보다 포괄적인 인공지능을 의미하고, 딥러닝은 좀 더 고도화된 알고리즘으로 머신러닝의 영역 안에 포함된다. 이번 호에서는 기본적으로 알고 있어야 할 머신러닝의 알고리즘을 정리해본다.

인공지능을 처음 배우는 사람들은 무엇부터 배워야 하는지, 어디까지 알아야 인공지능을 안다고 말할 수 있는지 알지 못한다. 필자가 소속된 대학원에서 진행하는 AI 빅데이터 MBA 과정에는 다양한 경력의 학생들이 입학한다. 공학을 전공하고 IT 관련 기업에서 개발 업무를 경험한 학생이 있는 반면, 인문학이나 상경계열 전공자로 공학적인 지식이 전혀 없는 경우도 있다.

어떤 경력이나 역량을 지닌 학생이든 기본적으로 수학, 통계 등에 기반을 둔 인공지능 알고리즘을 어느 정도 이해해야 AI를 조금이나마 안다고 할 수 있고, 더 나아가 본인의 업무나 비즈니스에 관련 지식을 활용할 수 있다.

AI에 활용되는 14가지 기본 알고리즘

이번호에서는 기본적으로 알고 있어야 할 14가지 인공지능 알고리즘을 정리해보려 한다. 이것만 외우고 있어도 인공지능을 주제로 대화를 나누거나 관련 논문을 볼 때 어느 정도 이해할 수 있을 것으로 예상된다. 먼저 대표적인 머신러닝 알고리즘 9가지에 대해 정리해본다. 그 리스트는 아래와 같다.

머신러닝은 통계, 수학에 기반한 로직이자 알고리즘이다 보니 기존 알고리즘을 활용해 다양한 문제 해결 성능을 높이는 정도로 발전하고 있다. 즉 전혀 새로운 알고리즘이 발표되는 경우는 드물다.

하지만 딥러닝은 지속적으로 새로운 알고리즘이나 콘셉트들이 개발되고 있다. 특히 컴퓨터 비전이나 로보틱스 영역에서는 기존의 알고리즘들을 재합성하거나 GAN 같이 전혀 새로운 개념의 알고리즘도 발표되고 있다. 일반적으로 알...기사전문보기