Day 1 - AI·머신러닝·딥러닝의 관계와 차이

들어가며

AWS Certified AI Practitioner(AIF-C01) 시험은 AI와 머신러닝의 기본 개념을 이해하는 것에서 시작합니다. 오늘은 가장 헷갈리기 쉬운 세 가지 용어인 인공지능(AI), 머신러닝(ML), **딥러닝(DL)**의 관계를 명확하게 정리합니다.

이 세 단어는 뉴스나 광고에서 거의 같은 의미처럼 쓰이지만, 실제로는 서로 포함 관계에 있는 별개의 개념입니다. 이 차이를 정확히 이해하면 시험 문제뿐 아니라 실무 대화에서도 훨씬 명료하게 말할 수 있습니다.

세 개념의 포함 관계

가장 먼저 기억할 그림은 "큰 원 안에 작은 원이 들어 있는" 구조입니다.

┌─────────────────────────────────────┐
│ 인공지능 (AI)                          │
│  ┌────────────────────────────────┐  │
│  │ 머신러닝 (ML)                    │  │
│  │  ┌──────────────────────────┐  │  │
│  │  │ 딥러닝 (DL)               │  │  │
│  │  └──────────────────────────┘  │  │
│  └────────────────────────────────┘  │
└─────────────────────────────────────┘

인공지능(AI): 가장 넓은 개념. 인간의 지능적 행동을 흉내 내는 모든 기술.
머신러닝(ML): AI를 구현하는 한 가지 방법. 데이터로부터 규칙을 "학습"하는 기술.
딥러닝(DL): 머신러닝의 한 종류. 인공 신경망을 여러 층으로 쌓아 학습하는 기술.

즉 모든 딥러닝은 머신러닝이고, 모든 머신러닝은 AI이지만, 그 반대는 성립하지 않습니다.

1. 인공지능(AI)이란

인공지능은 "기계가 사람처럼 생각하거나 행동하도록 만드는 것"을 목표로 하는 가장 넓은 분야입니다. 여기에는 머신러닝뿐 아니라, 사람이 직접 규칙을 하나하나 적어 넣는 방식(규칙 기반 시스템)도 포함됩니다.

예를 들어 "만약 온도가 28도를 넘으면 에어컨을 켜라"처럼 사람이 만든 규칙으로만 동작하는 자동 온도조절기도 넓은 의미에서 AI의 초기 형태로 볼 수 있습니다. 데이터로 학습하지 않아도 됩니다.

💡 관련 이론: AI라는 용어는 1956년 다트머스 회의에서 처음 공식적으로 사용되었습니다. 초기 AI는 대부분 사람이 규칙을 직접 정의하는 "규칙 기반(expert system)" 방식이었습니다.

2. 머신러닝(ML)이란

머신러닝은 사람이 규칙을 일일이 적는 대신, 데이터를 보여주고 기계가 스스로 규칙(패턴)을 찾게 하는 방법입니다.

핵심 차이를 비교하면 다음과 같습니다.

구분	규칙 기반 프로그래밍	머신러닝
규칙을 만드는 주체	사람	데이터로부터 기계가 학습
입력	데이터 + 규칙	데이터 + 정답(예시)
출력	결과	규칙(모델)
새로운 상황 적응	규칙을 다시 짜야 함	새 데이터로 다시 학습 가능

예를 들어 "스팸 메일을 걸러라"라는 문제를 생각해 봅시다. 규칙 기반 방식은 "제목에 '무료'가 있으면 스팸"처럼 사람이 조건을 직접 적습니다. 하지만 스팸 발송자가 표현을 바꾸면 규칙도 계속 고쳐야 합니다. 머신러닝은 수만 통의 스팸/정상 메일을 보여주면 어떤 특징이 스팸인지 스스로 학습합니다.

💡 관련 이론: 머신러닝의 고전적 정의는 "명시적으로 프로그래밍하지 않아도 컴퓨터가 학습할 수 있게 하는 연구 분야"(아서 새뮤얼, 1959)입니다.

3. 딥러닝(DL)이란

딥러닝은 머신러닝의 한 갈래로, **인공 신경망(neural network)**을 여러 층(deep, 깊게) 쌓아 복잡한 패턴을 학습합니다. 사람 뇌의 뉴런 구조에서 아이디어를 얻었습니다.

📝 연습 문제

선택지를 클릭하면 정답·해설이 펼쳐집니다.

문제 1

인공지능(AI), 머신러닝(ML), 딥러닝(DL)의 관계를 가장 정확하게 설명한 것은?

문제 2

사람이 "제목에 특정 단어가 있으면 처리하라"는 규칙을 직접 모두 작성해 동작하는 시스템에 대한 설명으로 옳은 것은?

문제 3

딥러닝이 전통적인 머신러닝과 비교해 일반적으로 더 많이 요구하는 것은?

문제 4

다음 중 일반적으로 딥러닝이 가장 큰 강점을 보이는 데이터 유형은?

사례	분류	이유
규칙으로 동작하는 자동 온도조절기	AI(머신러닝 아님)	사람이 만든 규칙으로만 동작
이메일 스팸 필터	머신러닝	데이터로 스팸 패턴을 학습
스마트폰 얼굴 인식 잠금 해제	딥러닝	신경망으로 얼굴 이미지 인식
음성 비서(시리, 알렉사)의 음성 인식	딥러닝	신경망으로 음성을 텍스트로 변환
쇼핑몰 상품 추천	머신러닝	구매 데이터로 취향 패턴 학습