이 변환은 (앞에 나온 2D 좌표 분류 예시와 같이) 좌표 변환이거나 (손글씨 숫자 분류 예시와 같이) 픽셀의 히스토그램이나 동심원을 헤아리는 것일 수 있습니다. 또는 선형 투영(linear projection), 이동(translation), 비선형 연산(예를 들어 x > 0인 모든 포인트를 선택하는 것) 등이 될 수도 있습니다. 머신 러닝 알고리즘은 일반적으로 이런 변환을 찾기 위한 창의력이 없습니다. 가설 공간(hypothesis space)이라고 하는 미리 정의된 연산의 모음들을 자세히 조사하는 것뿐입니다. 예를 들어 2D 좌표 분류 예시에서 가능한 모든 좌표 변환이 가설 공간이 됩니다.

간략하게 말하면 머신 러닝은 가능성 있는 공간을 사전에 정의하고 피드백 신호의 도움을 받아 입력 데이터에 대한 유용한 변환과 규칙을 찾는 것입니다. 이 간단한 아이디어가 음성 인식에서부터 자율 주행 자동차까지 아주 다양한 분야에서 지능에 관한 문제를 해결합니다.

이제 학습이 의미하는 바를 이해했을 것입니다. 다음으로 무엇이 딥러닝을 특별하게 만드는지 살펴보겠습니다.