AI 용어집 · 입문 · 언어 모델
비지도 학습 Unsupervised Learning
비지도 학습은 정답이 붙지 않은 데이터만 주고, AI가 그 안에서 비슷한 것끼리 묶거나 숨은 구조를 스스로 찾아내게 하는 머신러닝 방식이다.
어떻게 작동하나
비지도 학습에는 '이건 고양이다' 같은 정답이 없다. 모델은 데이터끼리 얼마나 닮았는지, 어떤 특징이 함께 나타나는지를 살펴 패턴을 찾는다. 대표적인 작업은 비슷한 데이터를 한 무리로 묶는 '군집화(클러스터링)'다. 데이터의 특징 수가 너무 많을 때 핵심만 남겨 단순하게 줄이는 '차원 축소'나, 다른 데이터와 동떨어진 값을 찾아내는 '이상 탐지'도 자주 쓰인다.
왜 중요한가
세상의 데이터 대부분은 정답이 붙어 있지 않고, 사람이 일일이 정답을 다는 일은 비싸다. 비지도 학습은 이런 데이터를 그대로 활용할 수 있다는 점에서 가치가 크다. 사람이 미처 생각하지 못한 분류나 패턴을 발견하는 데도 도움이 된다. 오늘날 LLM의 사전 학습처럼 데이터 자체에서 학습 신호를 만들어 내는 방식(자기 지도 학습)도 정답 없는 대량의 데이터를 쓴다는 점에서 이 흐름과 이어져 있다.
알아 둘 점
정답이 없으니 결과가 '맞았는지' 판단하기 어렵다. 같은 데이터라도 방법이나 설정에 따라 전혀 다른 묶음이 나올 수 있다. 찾아낸 묶음이 실제로 의미 있는지는 결국 사람이 확인하고 해석해야 한다. 그래서 실무에서는 데이터를 이해하는 탐색 단계나 다른 학습의 준비 단계로 많이 쓰인다.
예시
온라인 쇼핑몰이 고객의 구매 기록을 분석해 손님을 몇 무리로 나누는 경우가 많다. 미리 '알뜰형', '충동구매형' 같은 정답을 정해 두지 않아도, 구매 시간·금액·자주 사는 품목이 비슷한 고객끼리 자동으로 묶인다. 마케팅 담당자는 이 묶음을 보고 각 무리에 맞는 할인이나 추천을 설계한다.