머신러닝은 AI 구현에 사용되는 알고리즘을 개발하는 데 초점을 맞추고 있습니다. 특히 머신러닝은 명시적으로 프로그래밍하지 않고도 데이터로부터 학습하고, 데이터를 기반으로 예측을 하거나 결정을 내릴 수 있는 알고리즘을 개발합니다. 이를 설명하기 위해 머신러닝의 실제 적용 사례로 스팸 필터(spam filter)를 생각해 보죠. 스팸 이메일을 찾아 내기 위해 수동으로 규칙을 작성하는 대신 머신러닝 알고리즘에 ‘스팸’과 ‘스팸 아님’이라는 레이블(label)이 부여된 샘플(example)을 전달합니다. 훈련 데이터셋(dataset)에 있는 샘플에 대한 예측 오류를 최소화하면서 모델은 스팸을 특정하는 패턴과 특징을 인식하도록 학습됩니다. 이를 통해 새로운 이메일이 스팸인지 아닌지를 분류할 수 있습니다.

그림 1-1에서 보듯이 딥러닝은 머신러닝의 하위 분야로 주로 (심층 신경망이라고도 부르는) 3개 이상의 층을 가진 신경망을 활용해 데이터에 있는 복잡한 패턴과 추상화를 모델링합니다. 딥러닝과 달리 전통적인 머신러닝에서는 수동으로 특성을 추출해야 합니다. 이는 전문가가 모델을 위해 가장 관련이 높은 특성(feature)을 찾아내고 선택해야 한다는 의미입니다.