Page 22 -

전문가의 조언 4차 산업혁명의 핵심 기술

• 인공지능: 인간의 학습 능력, 추론 능력, 지각 능력, 이해 능력 등과 같은 지적 행동을 컴퓨터가 모방할 수 있도록 하
는 것을 말합니다. 인공지능은 영화 <아이언맨>의 ‘자비스’와 같이 다양한 분야에 보편적으로 활용할 수 있는 ‘강인
공지능(Strong AI)’과 2016년 이세돌 9단과의 승부에서 승리한 ‘알파고’와 같이 특정 분야에만 활용할 수 있는 ‘약
인공지능(Weak AI)’으로 분류할 수 있습니다. ‘알파고’와 같은 약인공지능은 이미 현실에 적용되면서 다양한 분야
에서 맹활약 중입니다. 하지만 ‘자비스’와 같은 강인공지능은 아직 영화나 소설 속에나 나올 법한 상상의 존재로, 현
실에 적용되려면 최소 20~50년 이상은 걸릴 것으로 생각됩니다.

• 딥러닝: 다양한 머신러닝 기법 중 하나로, 여러 층으로 구성된 심층적인 구조를 반영하고 있다는 의미에서 ‘딥러닝’
이라고 부릅니다. 딥러닝은 데이터의 복잡한 특징을 잘 학습할 수 있기 때문에 데이터가 증가함에 따라 더욱 높은
성능을 보이는 특징이 있습니다. 딥러닝에 대한 자세한 내용은 276쪽을 참고하세요.

• 레이블 데이터: 레이블은 ‘데이터의 목적에 맞게 붙인 이름표’를 말합니다. 만약, 고양이와 개의 사진을 구분하는 모
델을 만들고 싶다면, 컴퓨터가 고양이와 개의 고유한 패턴을 학습할 수 있도록 해야 합니다. 이때 컴퓨터가 각각의
고유한 패턴을 학습할 수 있도록 고양이 사진에는 ‘고양이’, 개 사진에는 ‘개’라는 이름표를 붙이는 것을 ‘레이블링
한다.’라고 하죠. 그리고 이렇게 레이블링된 데이터를 ‘레이블 데이터’라고 합니다. 예를 들어, ‘장비 센서 데이터’의
경우에는 ‘고장’, ‘정상’, 뉴스 기사 데이터와 같은 ‘자연 언어 데이터’의 경우에는 ‘경제’, ‘정치’, ‘사회’ 등이 레이블 데
이터에 해당합니다.

• 시각화: 그래프, 다이어그램, 테이블, 지도 등의 다양한 방법을 통해 데이터의 특징을 좀 더 알기 쉽게 표현하는 방
법으로, 막대그래프, 꺾은선그래프 등이 모두 시각화 방법에 해당합니다. 시각화는 데이터 분석의 첫걸음으로, 잘
활용하면 데이터에 숨어 있는 패턴을 찾아내거나 경향을 예측하는 등 다양한 인사이트를 얻을 수 있습니다. 시각
화에 대한 자세한 내용은 189쪽을 참고하세요.

• 머신러닝: 컴퓨터가 데이터에서 패턴을 찾아 목표를 분류하거나 예측할 수 있도록 하는 일련의 학습 체계를 말합
니다. 머신러닝은 인공지능의 한 분야로, 사람이 데이터에서 미처 찾지 못한 패턴을 파악해 복잡한 예측을 수행하
는 등 데이터에서 다양한 인사이트를 도출해 빅데이터가 주목받게 하는 데 큰 역할을 했죠. 머신러닝에 대한 자세
한 내용은 246쪽을 참고하세요.

38 첫째마당ㅣ빅데이터 세상