1. 머신러닝 (Machine Learning): "데이터로 규칙 찾기"
🌳 의사결정나무 (Decision Tree)
- 어떻게 작동하나요? 질문을 던져 데이터를 계속 나누는 방식입니다. 마치 '스무고개' 게임과 같아요.
- 예: "나이가 40세 이상인가?" → "예" → "담배를 피우는가?" → "예" → [고위험군]
- 실제 예시: 보험사에서 사고가 났을 때 "이 사고가 사기인가?"를 판별할 때 씁니다. (사고 시간, 장소, 과거 이력 등을 질문으로 던져 분류하죠.)
🌲 랜덤 포레스트 (Random Forest)
- 어떻게 작동하나요? 의사결정나무(나무)를 수백 개 만들어서 '다수결'로 결정하는 방식입니다. 나무가 많으니 '숲(Forest)'이라고 불러요. 한 나무가 틀려도 다른 나무들이 잡아주기 때문에 훨씬 정확합니다.
- 실제 예시: 고객이 보험을 해지할지 예측할 때 씁니다. 수천 명의 데이터로 수백 개의 나무를 만들어 투표를 시키면, 혼자 판단할 때보다 훨씬 정확하게 "이 고객은 해지할 확률이 높다"고 맞힙니다.
2. 딥러닝 (Deep Learning): "복잡한 패턴 읽기"
👁️ CNN (합성곱 신경망)
- 어떻게 작동하나요? '돋보기'를 들고 이미지 구석구석을 훑는 방식입니다. 선, 모양, 색깔 같은 아주 작은 특징부터 시작해서 전체 이미지가 무엇인지 알아냅니다.
- 실제 예시: 자동차 보험 앱에 사고 사진을 올리면 AI가 알아서 파손 부위를 찾는 기술입니다. 범퍼인지, 문짝인지 사진만 보고 척척 알아맞힙니다.
🕒 RNN & LSTM (순환 신경망)
- 어떻게 작동하나요? '메모장'을 가진 AI입니다. 앞의 내용을 기억했다가 뒤의 내용을 이해할 때 사용합니다. 특히 LSTM은 중요한 정보만 오래 기억하고 쓸모없는 건 지우는 영리한 메모장입니다.
- 실제 예시: "오늘 주가는..."이라는 문장을 읽을 때 앞 단어를 기억해야 다음 단어를 예측할 수 있듯, 시간 순서가 중요한 주가 예측이나 음성 인식에 쓰입니다.
3. 생성형 AI (Generative AI): "새로운 것 창조하기"
🎭 GAN (생성적 적대 신경망)
- 어떻게 작동하나요? '위조지폐범'과 '경찰'의 대결입니다. 한쪽은 가짜를 만들고, 한쪽은 가짜를 잡아내면서 서로 실력을 키웁니다. 결국 진짜 같은 가짜를 만들어내게 됩니다.
- 실제 예시: 존재하지 않는 가상의 모델 사진을 만들거나, 저화질 사진을 고화질로 복원할 때 사용합니다.
🧠 Transformer (트랜스포머)
- 어떻게 작동하나요? 문장에서 '어디에 집중(Attention)할지' 스스로 결정합니다. "나는 사과를 먹었다"에서 '나는'과 '먹었다'의 관계를 아주 똑똑하게 파악하죠.
- 실제 예시: 제미니(Gemini)나 ChatGPT의 심장입니다. 아주 긴 보험 약관을 순식간에 읽고 "중요한 내용은 이거야!"라고 요약해 주는 일등 공신입니다.
🌫️ Diffusion (확산 모델)
- 어떻게 작동하나요? 점토를 부수었다가 다시 만드는 과정과 비슷합니다. 깨끗한 사진에 노이즈(먼지)를 잔뜩 뿌려 망가뜨린 뒤, 다시 그 먼지를 하나씩 털어내면서 새로운 그림을 그려냅니다.
- 실제 예시: "우주에서 수영하는 강아지 그려줘"라고 하면 멋진 그림을 그려주는 도구들(미드저니 등)이 이 기술을 씁니다.