한빛출판네트워크

휴먼러닝과 머신러닝 둘 다 지식을 만들어 낸다. 하지만 이 둘 사이에는 큰 차이점이 있다.

러닝, 즉 학습은 새로운 지식, 행동, 기술 또는 가치를 습득하거나 강화하는 행위다. Singularity2030에서 엔지니어이자 심리학자인 Peter Rudin은 인간은 학습 능력을 가지고 있지만 인공지능이 발전함에 따라 머신러닝은 휴먼러닝을 보강해주고 있으며 심지어는 대체할 수 있을 정도의 자원이 되었다고 말한다.

휴먼러닝 vs 머신러닝

Rudin은 머신러닝과 휴먼러닝 둘 다 지식을 만들어 내는데, 하나는 뇌에 상주하는 것이고, 다른 하나는 기계에 상주하는 것이라고 설명한다. 차이점이 이게 정말 끝일까? 그리고 더욱 중요한 것은 어떤 지식을 어떻게 적용할 것인가와 이 지식 자원을 최적의 결과를 위해 어떻게 균형을 맞출 것인가이다. 

머신러닝은 빠르게 성장하고 있는 인공지능 연구에 대한 초석이 되었다. 저비용 대용량 컴퓨터 하드웨어 자원과 함께 인간 두뇌 기능을 모방한 결과인 신경망neural network 소프트웨어는 여태껏 인간 두뇌에 의존해 온 문제를 해결해준다. 거대한 데이터 풀data pool(빅 데이터)은 의료 및 재무 정보, 그림 라이브러리 및 고객 행동에 대한 정보 등으로 구성되며 기존의 프로그래밍 방식 필요없이 디지털 지식을 생산하기 위해 다양한 종류의 복잡한 고도의 알고리즘으로 처리한다.

머신러닝, 인간 지능의 강력한 확장

인간의 뇌는 컴퓨터와 같지 않으며 인간의 뇌같은 컴퓨터와도 같지 않다. 컴퓨터가 신경망 과정을 수행할 수 있고 아무리 뇌 신경 세포로부터 영감을 얻었다고 하지만 자기 조직self-organizing이 없으며 적응력을 갖추지 못한다. 더 나아가 컴퓨터를 명시적으로 프로그래밍되지 않은 방식으로 행동하도록 가르치는 머신러닝은 휴먼러닝을 대체할 수 없을 것이다.

지식을 암기하고 이해하는 분야에서는 기계 기반 지식이 인간의 뇌를 훨씬 능가한다는 것은 입증되었다. 결과적으로 인간은 ‘온라인’이라면 언제나 지식에 접근 가능하여 기억 보유 능력에 대한 문제가 없는 장점을 가진 기계 기반 지식에 점점 더 많이 의존하게 된다. 

결국 지식을 적용하는 능력까지 발전한다면 인간과 머신러닝 지식의 조합을 추출하고 문제를 분석하는 것은 다양한 사업 부문의 최신을 대표하는 것이나 다름 없을 것이다.

고객 행동 데이터와 프로파일링

빅 데이터 분석에서 머신러닝의 흥미로운 응용 프로그램은 BehaviourExchange라는 스타트업 기업에서 개발되었다. 여기서는 수십억 개의 기록된 온라인 대화를 사용하여 유저 프로필을 만들어서 인터넷 쇼핑몰이 특정 유저의 관심 분야에 따라 실시간으로 웹사이트 컨텐츠를 조절해 보여주는 기술을 가능케 했다. 이 시스템은 웹사이트 방문자의 인구통계학적, 심리학적인 특징 뿐만 아니라 단기적, 장기적인 정서까지 파악해낼 수 있다. 이런 기술은 분명 우리에게 디지털 미래를 암시하는 머신러닝, 빅데이터, 인간 두뇌의 최첨단 조합이라고 본다.

*****

원문: What is the Difference Between Machine Learning and Human Learning?  Originally published on Hacker Noon

번역: 김정욱