기계 학습

기계 학습은 일반적으로 "ML"이라고 줄여 부르며, 시간이 지나면서 "학습"하거나 적응하는 일종의 인공지능(AI)입니다. 정적인 규칙을 프로그램에 코딩해 따르는 대신, ML 기술은 입력 패턴을 식별하고 시간이 지나면서 발전하는 알고리즘을 포함합니다.

기계 학습은 매우 다양한 분야에 활용되며, 그중 많은 부분이 이제 일상생활의 일부가 되었습니다. 다음은 몇 가지 예입니다.

1. 의료 진단
2. 자율 주행 차량
3. 온라인 광고 타기팅 – Google AdSense 및 Facebook Advertising
4. 음성 인식 – Google Assistant, Amazon Alexa, Microsoft Cortana 및 Apple Siri
5. 이미지 인식 – Google 이미지 검색, Facebook의 얼굴 인식 및 Apple Photos의 얼굴 인식

자율 주행 차량의 예

자율 주행 차량은 안전성과 신뢰성을 높이기 위해 기계 학습을 활용합니다. 전통적인 인공지능을 사용하는 자율 주행 자동차는 처리하도록 프로그래밍된 모든 도로 상황에 대응할 수 있습니다. 그러나 소프트웨어가 인식하지 못하는 입력을 만나면 자동차는 속도를 줄이거나 정지하거나 수동 제어를 요구하는 등의 백업 안전 조치로 기본 동작을 수행할 수 있습니다.

기계 학습을 사용하면 차량이 소스 코드에 명시적으로 프로그래밍되지 않은 사건과 물체도 인식할 수 있습니다. 예를 들어 자동차가 가로등은 인식하도록 프로그래밍되었지만 공사 차단막의 점멸등은 인식하도록 프로그래밍되지 않았을 수 있습니다. 경험을 통해 학습하면 — 사람 운전자의 운전 행동을 기록하는 방식일 수도 있습니다 — 자동차는 공사 차단물을 인식하고 그에 맞게 대응하기 시작합니다.

자율 주행 차량이 도로 위의 자동차, 자전거, 사람, 동물과 같은 물체를 구별할 수 있게 하는 것이 바로 ML 기술입니다. 또한 자동차가 좋지 않은 기상 조건이나 차선이 명확하지 않은 도로에서도 더 안정적으로 주행하도록 돕습니다. 목표는 사람의 실수로 인한 오류를 피하면서 차량이 사람처럼 주행할 수 있게 하는 것입니다.