CH01-01. AI vs ML vs DL

• 인공지능(AI = Artificial Intelligence) : 인간의 “지능”을 “인공적으로” 만든 것

• 딥러닝(=Deep Learing)의 핵심 : 인간의 사고방식을 “흉내내자!”

• AI vs ML : “데이터”를 기반으로 학습을 했는가? YES → Machine Learning

• ML vs DL : DL은 Deep Neural Network(=DNN) 이용

• ML이 아니지만 AI 인 것 : (예) Rule-based algorithms(=규칙 기반 알고리즘)

• DL이 아니지만 ML인 것 : (예) 결정 트리, 선형 회귀, 퍼셉트론, SVM(=Support Vector Machine)

• 오직 DL에만 해당하는 것 : (예) CNN, RNN, GAN

• 규칙 기반 알고리즘 : 내가 직접 “규칙”을 공부하고 알고리즘을 통해 컴퓨터에 알려 줌.

• Machine Learning : 데이터와 그 데이터가 주는 정답(정보)을 알려주면서, 컴퓨터가 데이터를 통해 스스로 규칙을 학습해낼 수 있도록 함.

• Deep Learning : 깊은 + 인공신경망(ANN=Artificial Neural Network)

CH01-02. 딥러닝의 활용, CNN

• CNN은 딥러닝의 대표적인 예시

• DL은 항상 숫자가 들어가서(input) 숫자가 나온다(output).

• 모니터는 pixel로 이루어져 있고, pixel은 3개(RGB)로 이루어져있다.

• RGB에는 0부터 255의 정수 중 하나씩 3개가 들어가 있다
• 예 : R(255) + G(255) + B(255) = 흰색(white)

• 따라서, 사진(이미지)은 “3차원 행렬”이다.
• R채널 + G채널 + B채널 : 0부터 255 까지의 integers로 이뤄진 행렬들 3개

CH01-03. 딥러닝의 활용, RNN

• RNN = Recurrent(되풀이되는, 반복되는, 재발되는) Neural Network

• 주로 번역에 많이 쓰였지만, 지금은 Transformer 때문에 번역에 잘 쓰이진 않음.

• 문장이 들어와서(input) + 문장이 나간다(output)

• 하지만, 문장도 숫자로 나타낼 수 있다. 따라서 “숫자”가 들어와서(input) + “숫자”가 나간다(output)

CH01-04. 딥러닝의 활용, GAN

• GAN = Generative Adversarial(서로 대립 관계에 있는) Network
• 생성모델, DeepFake(딥페이크)

• 학습 과정
1. G는 가만히 있고(학습X) + D만 학습 → 진짜 지폐와 위조 지폐를 잘 구별하는 상태로 업데이트
2. D의 학습을 멈추고 + G를 학습 → 위조 지폐를 진짜 지폐로 속여내는 상태로 업데이트
3. 반복

• G와 D 모두 학습을 잘 시켰을 때, 출력 결과 : 진짜 지폐 0.5 & 위조 지폐 0.5

• GAN의 활용 사례