AI·ML·딥러닝·생성형 AI: 이제야 이해되는 한 장의 지도

Source: Dev.to

핵심 아이디어: AI, 머신 러닝, 딥 러닝, 생성형 AI는 네 개가 경쟁하는 것이 아니라 서로 중첩된 원으로 구성되어 있습니다. 이 구조를 이해하면 용어가 무섭지 않게 됩니다.

저는 엔지니어가 아니라 제품 관리자이며, 공개적으로 AI 제품 관리자가 되기 위해 공부하고 있습니다. 첫 날에 누군가가 그려줬으면 좋겠다는 정신적 모델이 바로 이 것입니다.

AI (머신이 똑똑해 보이는 작업을 수행)
-> 머신 러닝 (데이터에서 학습)
-> 딥 러닝 (신경망)
-> 생성형 AI (새로운 콘텐츠 생성: Claude, ChatGPT)

어떤 기술이 인간 지능이 필요로 하는 작업을 수행하도록 만드는 기계를 만드는 것이라면 인공지능(AI)으로 간주됩니다. 여기에는 인간이 쓴 규칙만 따라가는 전통적인 시스템도 포함됩니다.

일상 예시: 온도를 일정 온도로 맞추어 난방을 켜는 스마트 온도 조절기, 혹은 고정된 규칙만 따르는 초기 체스 프로그램. 학습이 포함되지 않아도 이는 AI로 간주됩니다.

인간이 모든 규칙을 직접 쓰기보다, 머신은 예시(데이터)를 통해 패턴을 학습합니다. 다양한 사례를 보여주고 스스로 규칙을 찾아냅니다.

일상 예시: 이메일 스팸 필터. “이 정확한 이메일이 스팸이다” 라는 코드를 작성할 필요 없이, 수백만 개의 사용자가 스팸으로 표시한 이메일을 학습했습니다.

많은 층을 가진 신경망 기반의 강력한 ML 형태이며, 이미지, 음성, 언어와 같은 비정형 데이터를 잘 처리합니다.

일상 예시: 스마트폰의 얼굴 해제, 혹은 음성 어시스턴트가 말을 텍스트로 변환하는 경우.

새로운 콘텐츠를 생성하는 딥 러닝(텍스트, 이미지, 음성, 코드)은 현재 가장 많이 언급되는 부분이며, 네 개의 원 중 가장 작은 원에 해당합니다.

일상 예시: ChatGPT와 Claude가 텍스트를 작성하거나, 문장으로 이미지를 생성하는 도구들.

생성형 AI는 딥 러닝의 일종이며, 딥 러닝은 머신 러닝의 일종이고, 머신 러닝은 AI의 일종입니다.

누군가가 “이것에 AI를 추가하자”고 말할 때는 그 자체로 거의 의미가 없습니다. 유용한 질문은 다음과 같습니다:

실제로 필요한 계층은 무엇인가? 단순한 규칙만으로도 충분할 수 있습니다. 모든 것이 신경망을 필요로 하지 않습니다.

데이터가 있나요? 머신 러닝과 딥 러닝은 예시를 매우 갈구합니다. 데이터가 없으면 학습도 없습니다.

생성형이 적절한 도구인지, 아니면 단순히 예측이나 분류만 필요할지?

맵을 알면 홍보에 휩쓸리지 않고 올바른 질문을 던질 수 있습니다.

AI: 똑똑해 보이는 작업을 수행하는 기계. 평범한 규칙도 포함됩니다.

ML: 고정된 규칙 대신 데이터에서 패턴을 학습하는 AI.

딥 러닝: 대규모 신경망을 가진 ML로, 이미지, 음성, 언어 처리 등에 뛰어나다.

생성형 AI: 새로운 콘텐츠를 생성하는 딥 러닝. Claude와 ChatGPT가 여기에 있다.

서로 중첩되어 있으며, 별개가 아니다.

빠른 확인: 스팸 필터는 어느 위치에 있고, Claude는 어디에 있는가? 댓글에 답을 남겨 주세요.

이것은 비기술 제품 관리자에서 AI 제품 관리자로의 공개적인 여정の第1수업입니다. 전체 경로를 원한다면 따라와 주세요. 한 번에 짧은 수업으로 진행됩니다.