학습 방식을 나열하지 않는다. "AI가 배우는 방식은 한 가지인가"를 한 질문으로 따라가, 셋(지도·비지도·강화)을 가르는 단 하나의 축이 '피드백의 종류'임을 논증한다.
학습 방식 셋을 그냥 늘어놓지 않고, "무엇이 셋을 가르나"라는 한 질문으로 꿴다. 윗줄은 가르는 축을 6단계로 논증하고, 아랫줄은 그 축으로 일상 AI를 분류하고 방식을 고르는 법으로 잇는다.
C1에서 "AI는 데이터로 배운다"고 하니, 흔히 모든 AI가 똑같은 한 방식으로 배운다고 생각하기 쉽다. 하지만 사람도 정답을 외워서, 스스로 분류해서, 직접 해보며 서로 다르게 배운다. AI도 마찬가지다 — '데이터로 배운다'는 같아도 '어떻게' 배우는지는 갈린다.
영어 단어는 정답을 보고 외우고, 친구들을 성격별로 스스로 묶고, 자전거는 넘어지며 익힌다. 받는 피드백이 다르면 배우는 방식도 다르다. AI도 정확히 그렇다.
AI의 학습은 크게 세 가지로 나뉜다. 지도학습은 정답이 붙은 예시로 배우고, 비지도학습은 정답 없이 데이터의 숨은 구조를 스스로 찾고, 강화학습은 상과 벌(점수)을 받으며 시행착오로 배운다. 사람의 세 가지 배움 — 외우기·발견하기·연습하기 — 에 각각 대응한다.
정답표를 보고 배운다. "이 사진=고양이"처럼 라벨이 붙은 예시로. → 분류·예측
정답 없이 스스로 무리 짓는다. "비슷한 것끼리 묶기". → 군집·패턴 발견
상벌(점수)로 시행착오. "잘하면 +점, 못하면 -점". → 게임·제어
세 방식의 차이는 막연한 게 아니라 '학습할 때 무슨 피드백을 받느냐' 하나로 갈린다. 지도는 정답표를, 비지도는 아무 정답도 없이 데이터 자체를, 강화는 행동의 결과로 오는 상벌 점수를 피드백으로 받는다. 이 한 축만 잡으면 셋을 절대 안 헷갈린다.
| 방식 | 받는 피드백 | 배우는 목표 |
|---|---|---|
| 지도 | 정답(라벨) | 입력 → 정답 맞히기 |
| 비지도 | 없음 (데이터만) | 숨은 구조·무리 찾기 |
| 강화 | 상벌(점수) | 점수를 최대로 하는 행동 |
세 방식은 각자 맞는 문제가 있다. 정답표가 있는 문제엔 지도, 정답이 없고 구조를 찾고 싶으면 비지도, 시행착오로 목표를 이뤄야 하면 강화가 맞는다. 문제에 안 맞는 방식을 쓰면 — 예컨대 라벨이 없는데 지도학습을 고집하면 — 아예 학습이 안 되거나 라벨 다는 데 막대한 비용이 든다.
정답표가 있거나 만들 수 있을 때. "스팸인가 아닌가"처럼 답이 분명한 분류·예측.
정답은 없지만 숨은 그룹·패턴을 찾고 싶을 때. 고객을 비슷한 무리로 묶기.
정답은 몰라도 잘했는지 점수로 알 수 있을 때. 게임·로봇 제어·자율주행.
"그래서 챗GPT는 셋 중 뭐냐"는 질문엔 함정이 있다 — 현실의 강한 AI는 한 방식만 쓰지 않는다. 세 방식은 서로 배타적인 칸막이가 아니라, 필요에 따라 이어 붙이는 도구상자다. 챗GPT만 봐도 여러 방식이 단계별로 쓰였다.
학습의 종류를 알면, AI를 만날 때 "이건 무슨 피드백으로 배웠을까"를 물어 그 성격을 짚을 수 있다. 그리고 무언가를 풀 때는 문제에 맞는 방식을 골라(또는 섞어) 쓴다. 세 방식은 외울 목록이 아니라, 문제 앞에서 꺼내 드는 도구다.
| 물음 | 그러면 |
|---|---|
| 정답표가 있나? | 예 → 지도 |
| 정답 없이 구조를 찾나? | 예 → 비지도 |
| 시행착오로 목표를 이루나? | 예 → 강화 |
학습 방식이 진짜 도구인지, 익숙한 AI들을 직접 분류해 보자. '피드백의 종류'라는 축을 대보면, 비슷해 보이던 AI들이 전혀 다른 방식으로 배웠음이 드러난다.
지도와 비지도를 가르는 라벨이 중요한 이유는, 라벨이 곧 사람의 수고와 비용이기 때문이다. 정답을 붙이려면 사람이 데이터 하나하나에 "이건 고양이"라고 달아야 한다. 그래서 라벨이 있느냐 없느냐가 단지 기술 차이가 아니라 '얼마나 사람 손이 드느냐'의 차이가 된다 — AI 개발의 현실적 분기점이다.
수십만 장에 일일이 정답 달기 = 막대한 시간·비용. 전문 지식이 필요한 분야(의료 영상 등)는 더 비싸다.
자기지도(다음 단어 맞히기)는 라벨을 사람이 안 달고 데이터가 스스로 만든다. 비싼 라벨 없이 거대하게 배우는 비결이 됐다(B5·C5).
학습의 종류는 외울 지식이 아니라 고르는 도구다. 어떤 일을 AI로 풀고 싶을 때 세 질문을 순서대로 던지면 어떤 방식이 맞는지 정해진다. 이 판별이 AI 프로젝트의 첫 단추이고, AI를 이해하는 실전 감각이다.
이 장은 학습 방식을 나열한 게 아니라, "무엇이 학습 방식을 가르나"라는 한 질문을 따라간 추론이었다. 출발은 "학습은 다 똑같다"는 통념, 도착은 "피드백의 종류가 셋을 가른다"는 결론이었다.