기초 · 읽는 데 약 7분

머신러닝 쉽게 이해하기: 예시로 배우는 AI의 학습

AI가 '학습한다'는 말은 자주 들어도 실제로 무엇을 하는지는 잘 와닿지 않지요. 머신러닝(기계 학습)은 컴퓨터가 많은 예시를 보고 스스로 규칙을 찾아내는 방법이에요. 생활 속 예시로 차근차근 풀어 볼게요.

머신러닝은 무엇일까요?

보통 프로그램은 사람이 규칙을 하나하나 적어 줘야 움직여요. 머신러닝은 반대로 많은 예시를 보여 주고, 컴퓨터가 그 안에서 규칙을 찾게 해요. 이렇게 학습을 마친 프로그램을 '모델'이라고 불러요.

구글의 머신러닝 입문 교육 자료는 비 예측을 예로 들어요. 날씨를 물리 법칙으로 계산하는 대신, 많은 날씨 자료에서 날씨 모양과 비의 관계를 배우게 하는 것이 머신러닝이라는 거예요.

이 생각은 꽤 오래됐어요. 1959년 미국 연구자 아서 새뮤얼은 체커(서양 장기의 한 종류) 게임으로 기계 학습을 연구한 논문을 냈어요. 그는 컴퓨터가 프로그램을 짠 사람보다 체커를 더 잘 두도록 배울 수 있다고 보고했어요.

정답이 있는 예시로 배우기

가장 흔한 방식은 정답이 붙은 예시로 배우는 '지도 학습'이에요. 문제집을 풀고 해답지로 채점하며 공부하는 것과 비슷해요. 예를 들어 '스팸'과 '정상'이라는 표시가 붙은 메일을 아주 많이 보여 주면, 새 메일이 어느 쪽에 가까운지 가려내는 법을 익혀요.

답이 종류(스팸인가 아닌가, 고양이 사진인가 아닌가)면 '분류', 답이 숫자(비가 몇 밀리미터 올까)면 '회귀'라고 불러요. 이름은 어려워도 '정답이 있는 문제를 많이 풀어 본다'는 점은 같아요.

정답을 붙이는 일은 대개 사람이 해요. 메일함에서 누르는 '스팸 신고'도 이런 정답 표시로 쓰일 수 있어요. 정답 표시가 틀리면 모델도 틀린 것을 그대로 배우게 돼요.

정답 없이 비슷한 것끼리 묶기

정답 표시 없이 자료만 주고 비슷한 것끼리 묶게 하는 방식도 있어요. 이를 '비지도 학습'이라고 해요. 서랍 속 물건을 아무 기준 없이 받아도, 모양과 쓰임을 보고 끼리끼리 나누는 것과 비슷해요.

구글 교육 자료에는 날씨 자료를 기온 따라 묶었더니 계절이 드러나는 예가 나와요. 여기서 묶음은 사람이 미리 정해 준 게 아니에요. 그래서 컴퓨터가 묶은 결과가 무슨 뜻인지는 사람이 살펴보고 해석해야 해요.

쇼핑몰이 구매 기록이 비슷한 손님들을 묶어 보는 데도 이런 방식을 쓸 수 있어요. 묶음을 살펴보며 '이 무리는 주말에 장을 많이 보네' 같은 특징을 찾아내는 거예요.

해 보고 점수를 받으며 배우기

세 번째는 '강화 학습'이에요. 컴퓨터가 어떤 행동을 해 보고, 결과가 좋으면 보상을, 나쁘면 벌점을 받으며 점점 나은 방법을 찾아가요. 아이가 자전거를 타며 넘어지고 균형을 잡는 과정을 떠올리면 쉬워요.

게임을 하는 프로그램이나 걷는 법을 익히는 로봇을 훈련할 때 이 방식을 써요. 무엇에 보상을 줄지 정하는 일이 중요해요. 보상 기준이 엉성하면 엉뚱한 요령만 익힐 수도 있어요.

앞에서 말한 새뮤얼의 체커 프로그램도 게임을 두며 배웠어요. 논문에 따르면 이 프로그램은 약 8~10시간 게임을 둔 끝에 만든 사람보다 잘 두게 됐어요.

배운 AI도 틀리는 이유

머신러닝 모델은 배운 예시만큼만 알아요. 예시가 한쪽으로 치우쳐 있으면 결과도 치우쳐요. 미국 국립표준기술연구소(NIST)도 학습 자료가 골고루 대표하지 못하면 특정 집단이나 언어에서 성능 차이와 편향이 생길 수 있다고 설명해요.

처음 보는 상황에도 약해요. 기출문제 답만 외운 학생이 새 문제에서 헤매듯, 모델도 학습 때와 다른 상황을 만나면 엉뚱한 답을 낼 수 있어요. 그래서 중요한 일에 쓰는 AI는 사람이 결과를 살피고 꾸준히 점검해야 해요.

스팸 걸러내기도 마찬가지예요. 사기꾼이 새로운 수법을 쓰면 한동안은 걸러지지 않고 받은편지함에 들어올 수 있어요. 그래서 걸러내기를 믿되, 낯선 메일의 링크는 누르기 전에 한 번 더 살펴보세요.

생성형 AI도 머신러닝에서 나왔어요

글과 그림을 만드는 생성형 AI도 머신러닝의 한 갈래예요. 구글 교육 자료는 생성형 AI가 보통 먼저 정답 없이 많은 자료로 배우고, 그다음 지도 학습이나 강화 학습으로 다듬어진다고 설명해요.

원리를 알면 AI를 대하는 태도도 달라져요. AI 답은 '많은 예시에서 배운 패턴에 따른 추측'이에요. 결과가 그럴듯해도 숫자, 이름, 날짜, 건강과 돈에 관한 내용은 공식 자료나 전문가에게 확인하세요.

AI가 어떤 예시로 배웠을지 떠올려 보면 질문하는 요령도 생겨요. 흔한 질문에는 잘 답하지만, 드문 질문이나 아주 새로운 일에는 약할 수 있다고 짐작할 수 있어요.

오늘부터 해 볼 것

  • 스팸함을 열어 잘못 걸러진 메일이 없는지 살펴봐요.
  • 잘못 걸러진 메일은 '스팸 아님'으로 알려 줘요.
  • AI 답을 '예시에서 배운 추측'이라고 생각하며 읽어요.
  • 처음 겪는 상황에서 AI 답은 특히 꼼꼼히 확인해요.
  • AI 결과가 한쪽으로 치우쳐 보이면 다른 자료와 비교해요.
  • 중요한 결정은 공식 자료와 전문가 의견으로 마무리해요.

읽은 내용을 글링코에게 가르쳐 줄까요?3분 수업을 풀면 글링코가 배우고 자라요.

「AI는 무엇일까」 수업 풀기

이 글에 나온 용어

자주 묻는 질문

AI와 머신러닝은 같은 말인가요?

같지는 않아요. AI는 사람처럼 판단하거나 결과를 만드는 기술을 넓게 이르는 말이고, 머신러닝은 그 AI를 만드는 대표적인 방법이에요. 요즘 쓰는 AI 서비스 대부분이 머신러닝으로 만들어져서 섞어 쓰는 경우가 많아요.

AI는 내가 쓸 때마다 계속 배우나요?

서비스마다 달라요. 쓰는 순간에 바로 배우지 않고, 회사가 모은 자료로 따로 다시 학습시키는 경우가 많아요. 내 대화가 학습에 쓰이는지는 서비스 설정과 개인정보 처리방침에서 확인할 수 있어요.

학습 자료가 많으면 무조건 정확해지나요?

꼭 그렇지는 않아요. 자료가 많아도 틀린 내용이 섞여 있거나 한쪽으로 치우쳐 있으면 결과도 그대로 닮아요. 양만큼 자료가 고르고 정확한지가 중요해요.

참고한 자료

함께 읽으면 좋은 글