기계학습이란

프로그램을 짤 때 우리는 문제를 풀 때마다 순서와 조건을 직접 적습니다. 「점수가 90점 이상이면 A를 준다」처럼 규칙을 적어 두면 컴퓨터가 그대로 따라 합니다. 프로그래밍이란 그 규칙을 적는 일입니다.

「규칙을 적을 수 없는 일」 쪽을 조금 더 살펴봅시다. 손으로 쓴 「3」을 읽어 내는 규칙을 적어 보려 하면 「위아래로 둥근 곡선이 둘」 정도가 떠오릅니다. 그런데 곧 납작하게 쓴 3, 각지게 쓴 3, 8과 닮게 쓴 3을 만나 규칙이 무너집니다. 사람은 알아보면서도 그 근거를 규칙으로 적지 못합니다.

두 방식을 나란히 놓고 보면 「규칙」과 「답」의 자리가 서로 바뀌어 있습니다. 사람이 규칙을 적을 때는 규칙이 들어가는 것이었지만, 기계학습에서는 규칙이 나오는 것입니다.

손글씨 「3」으로 돌아가 봅시다. 이제 우리가 하는 일은 여러 사람이 쓴 숫자 이미지를 잔뜩 모으고 각각에 그 답을 적어 주는 것까지입니다. 「어떻게 3을 알아보는가」는 적지 않습니다. 그것이 학습으로 나오는 결과입니다. 답을 붙이지 않고 데이터만 주어 비슷한 것끼리 묶는 규칙을 찾게 하는 방식도 있지만, 지금은 답을 붙여 주는 경우로 설명합니다.

「데이터에서 규칙을 찾는다」는 말이 아직 흐릿하다면, 작은 데이터로 직접 해 보면 손에 잡힙니다. 아래는 어떤 학생이 과제를 할 때 쪽수와 걸린 시간을 적어 둔 것입니다.

수업에서 원리를 확인하려고 지어낸 값입니다.

눈으로 살펴보면 한 쪽에 13분쯤 걸린다는 것이 보입니다. 이 「13분쯤」이 바로 데이터에서 찾아낸 규칙입니다. 우리는 이 규칙을 미리 알고 있지 않았고, 표를 보고 나서야 얻었습니다.

문제를 풀 때 핵심 요소를 뽑아 말 · 표 · 그림으로 정리하는 일도 모델링이라고 부릅니다. 그쪽은 사람이 문제를 정리한 결과이고, 기계학습의 모델은 컴퓨터가 데이터에서 학습해 얻은 규칙이라는 점이 다릅니다.

규칙을 데이터에서 찾아내므로, 어떤 데이터를 주었느냐에 따라 어떤 규칙이 나올지가 정해집니다. 모델이 잘 맞히지 못할 때 사람들이 먼저 데이터를 다시 보는 것은 그 때문입니다.

더 조심할 것은 답이 잘못 붙은 데이터입니다. 사람이 답을 적어 주다가 몇 개를 잘못 적으면, 모델은 그 잘못까지 그대로 배울 수 있습니다. 그래서 기계학습에서 「데이터의 질」을 검토할 때는 세 가지를 봅니다. 고르게 모였는가, 답이 바르게 붙었는가, 빠진 것이 없는가.