기계학습은 데이터에서 패턴이나 관계를 학습해 새로운 입력에 대한 예측·분류·생성 등에 사용하는 방법입니다. 사람이 모든 사례의 처리 규칙을 직접 작성하는 방식과 구별되며 실제 서비스에서는 두 방식을 함께 쓸 수 있습니다.
다른 이름: 머신러닝 · Machine Learning
사람이 판단 규칙을 직접 적는 방법
규칙 기반 프로그램에서는 사람이 조건과 처리 방식을 명시합니다. 주문 수량이 0이면 결제하지 않게 하거나, 마감 시간이 지나면 주문 버튼을 잠그는 기능이 예입니다. 조건이 명확하면 결과를 추적하고 검증하기 편합니다.
빵 사진에도 색·모양·크기로 규칙을 만들 수 있습니다. 다만 조명, 촬영 각도, 제품 변형까지 고려하면 규칙이 복잡해질 수 있습니다. 규칙 방식이 나쁜 것이 아니라 문제의 성격에 따라 관리 비용이 달라지는 것입니다.
데이터에서 구별하는 방법을 배우게 하기
머신러닝에서는 여러 사례를 이용해 모델의 동작을 조정합니다. 사진과 빵 종류의 짝을 보여주고, 모델의 예측과 정답을 비교하며 내부 값을 바꾸는 방식이 한 예입니다. 사람이 모든 사진에 적용될 세부 조건을 하나씩 적는 부담을 줄일 수 있습니다.
사람의 일이 사라지는 것은 아닙니다. 무엇을 맞힐지 정하고, 자료를 모으고, 잘못된 이름표를 점검하며, 실패를 평가해야 합니다. 모델도 마법으로 정답을 아는 것이 아니라 주어진 목표와 자료에 맞춰 계산을 배웁니다.
배울 때와 사용할 때를 나누어 봅시다
학습 단계에서는 예시와 목표를 이용해 모델을 조정합니다. 사용 단계에서는 새 사진을 넣어 이미 학습한 모델의 결과를 얻습니다. 이처럼 모델로 출력을 계산하는 과정을 보통 추론이라고 부릅니다.
새 사진을 분류했다고 해서 그 사진으로 모델이 반드시 즉시 다시 학습되는 것은 아닙니다. 운영 중 추가 학습을 하는 서비스도 있지만 별도 설계가 필요합니다. 입력을 받는 일과 가중치를 바꾸는 일을 혼동하지 않는 것이 중요합니다.
실제 서비스는 두 방법을 함께 씁니다
빵 종류 판단은 학습 모델에 맡기면서, 품절 상품을 주문하지 못하게 하는 처리는 명확한 규칙으로 만들 수 있습니다. 모델 점수가 낮을 때 직원에게 확인을 요청하는 규칙도 붙일 수 있습니다.
평가에는 처음 보는 사진이 필요합니다. 학습 자료에 우연히 단팥빵은 흰 접시, 크림빵은 검은 접시에만 놓여 있었다면 모델이 빵 대신 접시를 단서로 삼을 수 있습니다. 결과가 맞는지뿐 아니라 어떤 조건에서 틀리는지도 확인해야 합니다.
예시와 비교
상황 | 어울리는 접근 예 | 이유 |
|---|---|---|
마감 뒤 주문 차단 | 명시적 규칙 | 시간 조건이 분명함 |
다양한 사진에서 빵 종류 추정 | 학습 모델 | 모양·조명 등 변화가 많음 |
애매한 결과 직원 확인 | 모델+규칙 | 판단과 후속 처리를 결합 |
주의할 해석
규칙 기반 접근도 AI 연구에서 중요한 역할을 해왔습니다. '규칙은 무조건 비AI, 학습만 AI'라는 절대적인 경계로 외우지 않습니다.
추가 설명
학습 알고리즘은 모델을 조정하는 절차이고, 학습된 모델은 그 절차를 거쳐 만들어진 결과입니다. 모델의 형태에 따라 저장되는 정보는 가중치, 트리 구조 등으로 달라집니다.
출처와 더 읽을 자료
Google — What is Machine Learning? — 기계학습·학습 유형·생성 작업 · 확인 2026-10-29
Google — Supervised Learning — 특징·레이블·학습과 추론 · 확인 2026-10-29
OECD.AI — AI 시스템의 정의 — 입력에서 출력을 도출하는 AI 시스템의 범위 · 확인 2026-10-29