[AI 신경학 - 3] 비지도학습과 지도학습

 

우리는 외계 행성에 착륙하여 이곳의 토착 생물군을 연구하는 학자들이다.

이 외계 행성에는 처음 보는 다양한 외계 생명체들이 존재한다.

우리가 이름을 붙이기 전에는 모두 정체불명의 '괴생명체'일 뿐이다.

하지만 이름이 없어도 날개가 있어 날아다닌다던지, 물 속에 산다던지 등

대~충 특징에 따라 분류를 크게크게 할 수는 있을 것이다.

하지만 이렇게 분류하면 학자에 따라 주관적으로 판단이 되기 때문에 그 기준에 대한 갑론을박이 펼쳐질 것이고,

오랜 토론을 거쳐 점점 그 기준이 명확히 세워질 것이다.

이렇게 데이터만 주어지고 정확히 어떻게 구분할지 기준이 주어지지 않았을 때,

그 경계를 명확히 세우려는 과정을 '비지도학습'이라 부른다.

 

반대로 지도학습은,

처음부터 어떤 특징을 가졌으면 어떻게 부를 것이라는 약속이 있는 상태에서 이루어지는 학습이다.

위의 예시를 가져오자면,

이미 이 행성에는 사람과 말이 통하는, 지성을 가진 외계인이 있어서,

각 생명체를 그들이 어떻게 부르고 있는지 가르침을 받을 수 있는 경우라 볼 수 있겠다.

외계인은 우리에게 각 생명체의 이름을 A, B 등으로 부른다고 일러준다.

그러면 우리는 아, 이 생명체는 A라고, B라고 부르는구나. 라고 배울 수 있다.

이렇게 정답지가 이미 존재하고,

이 이름을 가진 생명체는 이렇게 생겼구나, 하고 학습할 수 있다면 이를 '지도학습'이라 부른다.

 

 

다음 예시를 통해 보다 구체화해보자.

이 사진들을 인공신경망에게 보여주고 각 사진의 정답은 왼쪽 위로부터 '머핀', '강아지', '머핀', '강아지', ...

라고 알려준다고 하자.

이렇게 각 객체가 어디에 있고, 어떻게 부르는지 알려주는 작업을 '라벨링(Labeling)한다'고 하고,

이러한 과정을 통해 인공신경망이 학습을 한다면 '지도학습한다'고 할 수 있겠다.

반면 위의 라벨링 작업 없이 그냥 위와 같은 이미지 데이터만 잔뜩 넣어주고 알아서 학습하라 한다면,

인공신경망은 대상 객체들의 선의 굴곡, 색상, 주름, 질감 등 굉장히 많은 요소를 고려하여

어떻게든 분류를 해내는 '비지도학습'을 할 것이고,

그 결과에 따라 연구자는 모델의 입력값(파라미터)를 바꿔가며 더 좋은 분류 결과를 내놓도록 노력한다.

이렇게 비지도학습 방식을 이용해서도 강아지와 머핀을 구분해내는 모델을 만들 수가 있다.

(다만 이 경우 인공신경망이 분류는 하겠지만 분류해낸 대상이 강아지인지 무엇인지는 모른다, 즉 오직 분류만 한다)

 

비지도학습은 비용이 적게 들고 사람이 일일이 라벨링하기 어려운 변수가 많은 데이터에 대해서도 학습할 수가 있지만,

인공신경망이 어찌저찌 분류를 해놔도 사람이 보고 특징을 어떤 기준으로 분류해놓은건지 모를 수가 있다.

 

반면 지도학습은 보다 교보재(Label)가 주어져 더 빠르게 학습이 이루어지지만

사람이 직접 라벨링 작업을 해야하기에 인건비와 시간 비용이 많이 든다.

 

비지도학습과 지도학습 중 어떤 방식이 적절한지는 학습의 목표, 데이터의 종류, 형태 등에 따라 크게 달라지므로

실무자가 직접 여러 요소들을 고려하여 잘 선택하여야 할 것이다.

 

여담으로 학습은 이미지 데이터뿐만 아니라 텍스트, 비디오, 오디오, 3D 등 다양한 데이터 형태에 대해 가능하고,

이에 따라 라벨링 작업의 형태 또한 매우 ~~ 다양하다.