Page 161 - 고등학교 인공지능 기초

2 기계학습 모델 구현을 위한 문제 정의

기계학습 모델을 구현하려면 먼저 인공지능을 통해 해결할 수 있는 문제에 문제 정의의 중요성
문제 정의는 모델을 이용하여 문
대해 정확하게 이해해야 한다. 제를 해결하기 위한 첫 단계이다.
전통적인 프로그램은 입력에 따른 결과를 산출하는 데 그치지만, 인공지능은 주어진 상황을 정확하게 파악해야
기계학습 모델이 우리가 원하는
대량의 데이터를 학습함으로써 특징을 추출해 인식, 분류, 예측 등을 실행할 수 답을 제시할 수 있다.
있다. 예를 들어 지하철 노선도에서 ‘출발역’과 ‘도착역’을 선택해 최소 환승 횟
수를 구하는 문제는 전통적인 프로그래밍으로도 해결할 수 있다. 하지만 “15분

후에 어떤 지하철 환승역이 가장 혼잡해질까?”와 같이 미래의 결과를 예측하는
문제는 인공지능을 이용해야 해결할 수 있다.
그러나 인공지능을 사용한다고 해서 모든 문제가 저절로 해결되는 것은 아

니다. 인간이 문제를 정확하게 분석하고 올바른 접근법을 제시하지 못하면 인
공지능만으로는 문제를 해결할 수 없다. 즉, 인식이나 예측이 가능하지 않은 문

제를 설정하거나, 데이터와 결과의 인과 관계가 뚜렷하지 않거나, 연관성이 있
는 데이터를 충분히 확보하지 못하면 의미 있는 결과를 도출하는 인공지능을
구현할 수 없다.

기계학습 모델을 구현하는 첫 번째 단계는 문제를 정의하는 것이다. 문제 정
의란 “모델을 이용하여 무엇을 할 수 있을까?”, “모델의 결과로 무엇을 알 수
있을까?”를 설정하는 것이다. 다음은 이 단원을 통해 해결하고자 하는 문제를

정의한 것이다. 분류 모델을 구현함으로써 해결할 수 있는 문제이다.
토마토의 분류
토마토가 과일인지 채소인지에 대
한 분류 문제는 1893년 미국 대법
문제 정의 : 토마토는 과일, 단백질, 채소 중 어디에 속할까? 원 판결까지 있을 정도로 논란이
있는 주제이다.

잠깐 활동

다음 사례를 보고 인공지능으로 해결할 수 있는 문제인지 없는 문제인지 구분해 보자.

사례 가능 불가능

날씨와 올해 유행을 분석하여 어떤 옷을 구입하면 좋을지 조언을 구하려고 한다.
등하교에 걸리는 시간을 조사하여 학생의 성별을 분류하려고 한다.

친구들의 취미를 조사하여 몇 년 후의 건강 상태를 예측하려고 한다.

새로운 영화에 달린 댓글을 분석하여 대중의 반응이 긍정적인지 부정적인지 판단하려고 한다.

159
4. 기계학습 모델 구현