머신러닝 학습 방식과 GAN

보이저엑스(VoyagerX) 창업자 남세동 대표가 pxd talks에서 소개한 AI·딥러닝 기초 개념이다. 기존 프로그래밍은 인간이 입력·출력·처리 규칙을 모두 설계하는 작업이었지만, 인공지능은 이 중 '처리' 단계를 컴퓨터가 스스로 학습하도록 넘긴다는 점에서 근본적으로 다르다. 이때 인간의 역할은 설계자에서 '훈련자(Training)'로, 컴퓨터의 역할은 '학습자(Learning)'로 재편된다.

머신러닝의 학습 방식은 크게 세 가지로 구분된다. 지도 학습(Supervised Learning)은 '고양이'·'강아지'처럼 이름이 붙여진(Labeling) 데이터를 학습해 새로운 입력을 분류·예측하는 방식이다. 비지도 학습(Unsupervised Learning)은 정답 라벨 없이 데이터의 특성(Feature)만으로 그룹화(Clustering)하는 방식으로, 아이가 동물원에서 이름은 몰라도 다리 개수나 날개 유무 같은 특성으로 동물을 스스로 구분하는 것에 비유된다. 심리학자 Lynda L. Warwick에 따르면 인간도 유사한 속성을 그룹화하며 '개념(Concept)'을 형성하는데, 이는 AI의 비지도 학습 과정과 본질적으로 닮아 있다는 시사점을 준다. 강화 학습(Reinforcement Learning)은 입출력 데이터 대신 환경(Environment)과 보상(Reward)만을 제공해, 컴퓨터가 스스로 최적 행동을 탐색하도록 하는 방식이다. 알파고(AlphaGo)가 대표 사례이며, 로봇이 시행착오 끝에 사람과 유사한 방식으로 그네 타기·턱걸이를 학습하는 과정도 이에 해당한다.

현재 가장 활발히 응용되는 딥러닝 분야로는 비지도 학습에 속하는 GAN(Generative Adversarial Networks, 생성적 적대 신경망)이 꼽힌다. 진짜 같은 데이터를 만들어내는 생성 모델과, 그 데이터가 진짜인지 가짜인지 판별하는 분류 모델이 위조지폐범과 감별사처럼 서로 경쟁하며 학습하고, 그 결과 생성 모델의 산출물이 점점 실제에 가까워진다. 보이저엑스의 손글씨 폰트 자동 생성 서비스 온글잎(300자 필기 샘플로 11,172자 한글 폰트를 생성)이 이 원리를 응용한 실제 사례다.

이 강연에서 남세동 대표는 AI·디자인 산업 전반에 대해 세 가지 시사점을 남겼다. 첫째, 기술은 예상보다 약 2배 빠르게 발전한다(2년 후 예상 → 1년 후 실현). 둘째, 대중적 관심에 비해 여전히 AI 인력 공급이 부족하며, 초등학생도 배울 만큼 진입장벽은 낮아지고 있다. 셋째, 딥러닝은 아는 만큼 활용 가능성이 보이므로 항상 안테나를 세우고 새로운 기회를 탐색해야 한다. 발표는 Don Norman의 "계산기가 수학자를 없애지 않았듯, AI도 디자이너의 역할을 대체하기보다 오류를 줄이고 문제 정의에 집중하게 해줄 것"이라는 관점으로 마무리된다.

핵심 내용

  • 프로그래밍(인간이 규칙 설계) → 머신러닝(컴퓨터가 처리 규칙을 스스로 학습)으로의 전환
  • 지도 학습: 라벨링된 데이터로 분류·예측 학습 (예: 고양이/강아지 이미지 분류)
  • 비지도 학습: 라벨 없이 특성 기반 그룹화(Clustering), 인간의 개념 형성 과정과 유사
  • 강화 학습: 환경과 보상만으로 최적 행동 탐색 (예: 알파고, 보행 학습 로봇)
  • GAN: 생성 모델과 분류 모델의 경쟁적 학습으로 진짜에 가까운 데이터 생성 (예: 온글잎 폰트 생성)
  • AI 기술은 예상 대비 약 2배 빠르게 발전하며, 인력 수요 대비 공급은 여전히 부족
  • Don Norman의 계산기 비유: AI는 인간의 역할을 대체하기보다 문제 정의에 집중하게 함

관련 개념

출처

최종 업데이트: 2026-08-02 | 출처 1개