“머신러닝”이라는 단어는 이미 수백번 들었고 수십번 사용했지만. 한 줄의 정의로 표현하려니 주춤하게 됩니다.
“복잡한 문제를 예측해주는 알고리즘”이라고 해야 되나…?
머신러닝을 이제 제대로 공부하고 사용할 겸, 머신러닝의 대가들이 머신러닝을 어떻게 정의했는지 간단하게 정리해보았습니다.
1959년에 머신러닝 용어를 처음 소개한 Arthur Samuel은 “머신러닝”을 다음과 같이 정의하였습니다.
“머신러닝은 어떤 작업을 수행하도록 컴퓨터를 학습시키는 분야이다.
특별히, 명시적으로 프로그래밍하지 않고 컴퓨터가 학습하도록 하는 능력을 의미한다.”
Arthur Samuel
머신러닝 연구자인 Tom Mitchell은 “머신러닝”을 다음과 같이 정의하였습니다.
“어떤 작업 T에 대한 성능을 P로 측정하였을 때 경험 E로 인해 성능이 향상되었다면,
이 시스템은 작업 T 및 성능 측정 P에 대해 경험 E로 학습한 것이다”
Tom Mitchell
딥러닝 분야에서 활동한 Ian Goodfellow은 다음과 같이 “머신러닝”을 정의하였습니다.
“머신러닝은 컴퓨터 프로그램이 어떤 작업에 대해 경험을 쌓는 것이다.
경험은 특정 작업에 대한 성능을 측정하며, 성능이 향상되도록 프로그램을 수정하는데 사용된다”
Ian Goodfellow
다양한 개념이 있어서 사람들 마다 어떻게 머신러닝을 받아들이는지 궁금하네요.
저는 Arther Samuel의 정의가 가장 직관적으로 와닿는데요.
다른 분들은 “컴퓨터가 학습하는 능력”을 “경험”이라는 키워드를 사용해서 조금 더 명시적으로 설명한 것 같습니다.