AI 용어집 · 입문 · 언어 모델
머신러닝 Machine Learning, 기계학습
머신러닝(기계학습)은 사람이 규칙을 하나하나 정해 주는 대신, 컴퓨터가 많은 데이터를 보고 스스로 규칙(패턴)을 찾아내 예측이나 판단을 하도록 만드는 방법입니다.
어떻게 작동하나
먼저 예시 데이터를 많이 모읍니다. 컴퓨터는 이 데이터를 보며 예측을 해 보고, 정답과 얼마나 틀렸는지(손실)를 계산한 뒤 내부 숫자(파라미터)를 조금씩 고칩니다. 이 과정을 수없이 반복하는 것을 '학습(훈련)'이라고 합니다. 학습이 끝난 결과물을 '모델'이라 부르며, 처음 보는 데이터가 들어와도 배운 패턴으로 답을 내놓습니다.
주요 종류
정답이 붙은 데이터로 배우는 지도 학습은 스팸 메일 분류처럼 '정답 맞히기'에 쓰입니다. 정답 없이 데이터끼리 비슷한 것을 묶는 비지도 학습은 고객 그룹 나누기 등에 쓰입니다. 시행착오와 보상으로 배우는 강화학습은 게임이나 로봇 제어, 그리고 LLM을 다듬는 데에도 쓰입니다. 딥러닝은 이 머신러닝 안에 속하는 한 갈래입니다.
알아 둘 점
머신러닝은 데이터의 질에 크게 좌우됩니다. 데이터가 한쪽으로 치우쳐 있으면 모델도 치우친 판단을 합니다. 또 학습 데이터만 외워 버려 새 데이터에서 성능이 떨어지는 '과적합'도 흔한 문제입니다. 그래서 학습에 쓰지 않은 데이터로 따로 성능을 확인하는 과정이 꼭 필요합니다.
예시
이메일 서비스의 스팸 필터, 쇼핑몰과 동영상 서비스의 추천 기능, 카드사의 이상 거래 탐지가 대표적인 머신러닝 활용 사례입니다. 사람이 모든 규칙을 적어 둘 수 없는 문제를, 과거 데이터에서 배운 패턴으로 자동으로 판단합니다.