정답: D
이 질문은 SAP Business Suite와 머신 러닝(ML) 기능을 활용하는 SAP Business AI 구성 요소와 관련된 AI 맥락에서 머신 러닝의 정의를 묻고 있습니다.
SAP 공식 문서와 널리 인정된 AI 관련 문헌에 따르면, 머신러닝은 컴퓨터 과학, 통계학, 심리학 등의 분야를 활용하여 시스템이 경험이나 데이터를 통해 학습하고 개선할 수 있도록 하는 인공지능(AI)의 하위 집합입니다. 따라서 정답은 옵션 D입니다.
정답에 대한 설명:
옵션 D: 컴퓨터 과학, 통계학, 심리학과 같은 분야의 요소를 통합하여 컴퓨터 시스템이 경험이나 데이터를 통해 학습하고 개선할 수 있도록 하는 데 중점을 둔 AI의 하위 집합입니다.
머신러닝은 컴퓨터가 데이터로부터 패턴을 학습하고 명시적으로 프로그래밍하지 않고도 성능을 향상시킬 수 있도록 알고리즘과 모델을 개발하는 AI의 한 분야로 정의되기 때문에 그렇습니다. 머신러닝은 컴퓨터 과학(예: 알고리즘 설계), 통계학(예: 확률적 모델링), 심리학(예: 학습 행동을 위한 인지 모델링)의 방법론을 통합합니다. learning.sap.com의 SAP Business AI 문서는 SAP Business Suite 내 AI와 관련하여 다음과 같이 기술합니다.
"머신러닝은 컴퓨터 시스템이 데이터로부터 학습하고 경험을 통해 개선할 수 있도록 하는 AI의 하위 집합입니다. 컴퓨터 과학, 통계학, 심리학의 기술을 활용하여 결과를 예측하고, 데이터를 분류하고, 프로세스를 최적화할 수 있는 모델을 구축합니다." 이 정의는 SAP 커뮤니티 블로그와 더 광범위한 AI 관련 자료에서 언급된 것처럼 업계 표준과 일치합니다.
"머신러닝(ML)은 컴퓨터가 데이터를 통해 학습하고 이를 기반으로 의사 결정이나 예측을 내릴 수 있도록 하는 알고리즘 개발에 중점을 둔 AI 분야입니다. 통계적 방법, 계산 기법, 인지 과학의 통찰력을 통합하여 적응형 학습을 가능하게 합니다." SAP Business Suite 내에서 머신러닝은 SAP Databricks 및 SAP Business Technology Platform(BTP)과 같은 구성 요소를 통해 예측 분석, 이상 탐지, 프로세스 자동화 등의 시나리오를 지원하는 데 활용됩니다. 예를 들어, SAP Business AI는 비즈니스 프로세스(예: SAP S/4HANA Cloud의 공급망 예측)에 ML 모델을 내장하여 데이터 기반 학습을 통해 성과를 향상시킵니다.
틀린 답변에 대한 설명:
옵션 A: 대규모 언어 모델과 같은 기초 모델을 활용하여 훈련된 데이터를 기반으로 텍스트, 이미지, 사운드, 비디오 등의 새로운 콘텐츠를 생성하는 딥 러닝 형태입니다.
이는 머신 러닝을 딥 러닝의 한 형태로 부정확하게 설명하고 대규모 언어 모델(LLM)과 같은 기반 모델로 제한하기 때문에 잘못된 설명입니다. 실제로 딥 러닝은 머신 러닝의 하위 집합이며, 그 반대는 아닙니다. 머신 러닝은 딥 러닝이나 생성 모델을 넘어 더 광범위한 기술(예: 의사 결정 트리, 지원 벡터 머신, 선형 회귀)을 포괄합니다. 해당 문서는 다음과 같이 설명합니다.
"머신러닝에는 지도 학습, 비지도 학습, 강화 학습 등 다양한 접근 방식이 포함되며, 그중 딥러닝은 신경망을 활용하는 특수한 하위 집합입니다. 머신러닝은 기반 모델이나 콘텐츠 생성에만 국한되지 않습니다." 이 설명은 너무 제한적이며 머신러닝과 딥러닝의 관계를 잘못 표현합니다.
옵션 B: 방대한 데이터에 대한 자기 감독 학습을 사용하여 문서 작성이나 이미지 생성과 같은 다양한 작업을 수행하는 AI 시스템입니다.
이는 머신러닝 전체를 설명하는 것이 아니라 생성 AI나 자기 지도 학습(예: LLM)에 의존하는 모델과 같은 특정 유형의 AI 시스템을 설명하기 때문에 잘못된 설명입니다. 머신러닝은 지도 학습, 비지도 학습, 강화 학습 등 여러 학습 패러다임을 포함하며, 자기 지도 학습이나 문서 작성, 이미지 생성과 같은 작업에만 국한되지 않습니다. 해당 문서에는 다음과 같은 내용이 있습니다.
"머신 러닝은 분류를 위한 지도 학습, 클러스터링을 위한 비지도 학습, 의사 결정을 위한 강화 학습을 포함한 광범위한 기술을 포괄하며, 생성 작업을 위한 자기 지도 학습만을 의미하지 않습니다." 이 설명은 너무 구체적이어서 머신 러닝의 전체 범위를 포괄하지 못합니다.
옵션 C: 문제 해결, 시각적 인식, 음성 인식, 의사 결정, 언어 번역 등 인간과 유사한 기능을 기계에 제공하는 기술입니다.
이는 머신러닝을 구체적으로 설명하기보다는 인공지능(AI)의 더 광범위한 목표를 설명하기 때문에 잘못된 설명입니다. 머신러닝은 이러한 기능(예: 음성 인식 또는 이미지 분류 모델)을 달성하는 데 기여하지만, AI의 한 영역일 뿐 AI의 전체 범위를 포괄하는 것은 아닙니다. 해당 문서에는 다음과 같이 기술되어 있습니다.
"AI는 문제 해결이나 언어 번역과 같이 인간과 유사한 기능을 갖춘 시스템을 만드는 것을 목표로 하는 더 광범위한 분야입니다. 머신러닝은 데이터 기반 학습 및 모델 개발에 중점을 둔 AI의 하위 집합입니다." 이 용어는 너무 광범위하여 머신러닝을 정확하게 정의하지 못합니다.
요약:
머신러닝은 컴퓨터 과학, 통계학, 심리학의 요소를 통합하여 컴퓨터 시스템이 경험이나 데이터를 통해 학습하고 개선할 수 있도록 하는 AI의 하위 집합으로 정확하게 정의되며, 이는 옵션 D에 해당합니다. 옵션 A는 머신러닝을 딥러닝의 한 형태로 잘못 정의하고 기반 모델로 제한하기 때문에 올바르지 않습니다. 옵션 B는 자기 지도 학습 시스템에 초점을 맞춰 너무 좁게 정의되어 있으며, 옵션 C는 AI를 일반적으로 설명하는 너무 광범위합니다. 이 정의는 SAP가 SAP Business AI에서 SAP Business Suite의 데이터 기반 인사이트 및 프로세스 최적화를 위해 머신러닝을 활용하는 방식과 표준 AI 관련 문헌과 일치합니다.
