머신러닝이란 무엇인가요?

머신러닝은 소프트웨어에서 명시적인 프로그래밍이나 규칙 없이 작업을 실행할 수 있는 기능입니다. 지금까지 인공지능의 하위 카테고리로 인식되었던 머신러닝에는 인간의 뇌가 정보를 처리하는 원리에서 착안된 딥 러닝(즉, 신경망)과 같은 통계 기술이 포함됩니다.

머신러닝은 어떻게 작동되나요?

머신러닝은 수집된 데이터(예: 로그, 음성, 텍스트, 이미지) 속에서 패턴을 찾아내도록 학습된 알고리즘 모델을 토대로 구동됩니다. 풍부한 학습 데이터와 컴퓨팅 성능이 성공의 전제조건이기 때문에 데이터 스토리지와 고성능 컴퓨팅이 뛰어나고 특히 비용 측면에서 우수한 효율을 자랑하는 클라우드가 머신러닝에 가장 적합한 플랫폼입니다.

머신러닝의 예는 어떤 것들이 있나요?

머신러닝의 예는 일상 생활 속에서 쉽게 찾아볼 수 있습니다. 아주 간단한 예시로는 검색 필드에 이름, 키워드, 주소를 입력할 때 자동 완성되는 기능이 있으며, 한층 복잡한 다양한 업계의 사용 사례에도 적용되는 개념은 똑같습니다. 머신러닝이 사용되는 용도는 다음과 같습니다.

  • 이미지 분류(MRI 검사, 사진, 위성 이미지)
  • 대량의 텍스트 문서나 이메일에서 키워드 찾기
  • 사기일 가능성이 높은 거래 행위 신고
  • 고객 행동을 기준으로 제품 추천 맞춤설정
  • 음성 명령에 정확하게 반응하는 소프트웨어 개발
  • 날씨 패턴 또는 다른 기후 조건 예측
  • 언어를 텍스트 또는 음성으로 변환

요약하면, 인간의 능력을 넘어서는 대규모 노동 집약적 작업을 수행하는 소프트웨어가 있는 곳이라면 어디든 머신러닝이 함께합니다.

Google에서는 머신러닝이 어떻게 사용되나요?

방대한 규모의 데이터 중심 시스템을 자동화해야 하는 필요성이 대두되고, 이를 계기로 수년간 머신러닝이 Google 내부 시스템의 중심에 있었습니다. 이러한 경험은 고객이 머신러닝으로 가치를 창출하는 여정을 성공적으로 마치는 데 도움이 되는 최적의 프레임워크와 기술, 인프라, 데이터에 대해 Google만의 독자적인 지식을 축적하는 밑거름이 되었습니다.

예를 들어 처음에 Google 사내용으로 개발된 오픈소스 프레임워크인 TensorFlow가 이제는 데이터 과학 커뮤니티의 새로운 표준으로 자리잡으면서 고급 사용자가 강력한 모델을 빌드하고 학습시키는 데 활용되고 있습니다. Google의 머신러닝 연구원 수백 명은 학계와 오픈소스 커뮤니티에 크게 기여하는 것 외에도 Google 내부 운영(예: 데이터 센터 자동화)뿐 아니라 Google 제품(예: Google Workspace, Google 검색, 포토)에 머신러닝을 적용하도록 지원하고 있습니다.

내 조직에서 머신러닝을 사용하려면 어떻게 해야 하나요?

통계와 데이터 과학이라는 생소한 영역으로 분류되었던 머신러닝 기능은 현재 오픈소스 라이브러리(TensorFlow) 그리고 관리형 서비스와 클라우드 API의 형태로 널리 사용되고 있습니다. 온프레미스 및 클라우드 사이를 자유롭게 전환하고 '미래에도 경쟁력이 있는' 모델을 빌드하려는 데이터 과학자 또는 적절한 학습 데이터가 부족하지만 클라우드 API를 통해 사전 빌드/선행 학습된 모델을 앱에 적용하고자 하는 주요 개발자에게 있어 현실적인 목표는 머신러닝을 일상 업무의 일부로 활용하는 것입니다.

자세히 알아보기: