CDL에서 AI/ML 솔루션 도메인은 전체의 약 15~20%를 차지합니다. 어떤 AI 솔루션을 선택하는지, Vertex AI와 사전 학습 API의 역할이 핵심입니다.
AI, ML, 딥러닝이란 무엇인가
처음 접하는 분들에게 AI, ML, 딥러닝은 모두 비슷하게 들릴 수 있습니다. 하지만 이 세 개념은 포함 관계에 있습니다. 마치 러시아 인형처럼, 딥러닝은 ML 안에, ML은 AI 안에 들어 있습니다.
AI (인공지능, Artificial Intelligence)는 가장 큰 개념입니다. "기계가 인간처럼 사고하고 판단하도록 만드는 기술의 총칭"입니다. 체스를 두는 컴퓨터, 자동 번역 시스템, 음성 비서 모두 AI의 한 형태입니다.
ML (머신러닝, Machine Learning)은 AI를 구현하는 방법 중 하나입니다. "데이터에서 패턴을 학습하여 스스로 판단하는 시스템"입니다. 사람이 규칙을 직접 프로그래밍하는 대신, 수많은 예제 데이터를 보여주면 기계가 스스로 규칙을 발견합니다. 예를 들어, 스팸 메일 필터는 수천만 개의 스팸/정상 메일 예시를 학습해 새로운 메일이 스팸인지 스스로 판단합니다.
딥러닝(Deep Learning)은 ML의 한 분야로, 사람의 뇌 신경망 구조에서 영감을 받은 "인공 신경망(Neural Network)"을 사용합니다. 이미지 인식, 자연어 처리, 음성 인식처럼 복잡한 패턴 인식 문제에서 탁월한 성능을 보입니다. 현대 ChatGPT 같은 LLM(대형 언어 모델)도 딥러닝 기술입니다.
| 개념 | 핵심 정의 | 예시 | |------|----------|------| | AI | 기계가 인간처럼 생각 | 자동 번역, 체스 AI | | ML | 데이터에서 패턴 학습 | 스팸 필터, 추천 알고리즘 | | 딥러닝 | 신경망 기반 ML | 이미지 인식, ChatGPT |
ML이 비즈니스에 주는 가치: 예측(Prediction): 다음 달 수요 예측, 고객 이탈 예측 자동화(Automation): 수작업 분류 작업 자동화 개인화(Personalization): 개인 맞춤 상품 추천 이상 탐지(Anomaly Detection): 금융 사기 탐지, 장비 이상 감지 자연어 이해(NLU): 고객 문의 자동 분류, 감성 분석
Google Cloud AI 솔루션 스펙트럼
Google Cloud의 AI/ML 솔루션은 ML 전문 지식 수준에 따라 세 단계로 나뉩니다. CDL 시험에서 가장 중요한 것은 "이 상황에 어떤 단계의 솔루션이 적합한가?"를 판단하는 능력입니다.
마치 요리 실력에 따라 선택하는 방법이 다른 것과 같습니다. 초보자는 밀키트(사전 학습 API), 중급자는 레시피 보고 직접 조리(AutoML), 전문 셰프는 처음부터 자신만의 요리(커스텀 모델).
!사전 학습 API부터 커스텀 모델까지, Google Cloud AI 솔루션 스펙트럼
1단계: 사전 학습 API — ML 전문 지식 불필요
Google이 수억 개의 데이터로 이미 훈련해 놓은 AI 모델을 API 형태로 제공합니다. 몇 줄의 코드만으로 강력한 AI 기능을 내 앱에 추가할 수 있습니다. ML을 전혀 몰라도 됩니다.
| API | 주요 기능 | 활용 예시 | |-----|----------|---------| | Vision API | 이미지 분석 (객체 감지, 얼굴 인식, OCR, 부적절한 콘텐츠 탐지) | 상품 이미지 자동 태깅, 신분증 OCR | | Natural Language API | 텍스트 분석 (감성 분석, 개체명 인식, 구문 분석) | 고객 리뷰 감성 분석, 뉴스 분류 | | Speech-to-Text | 음성 → 텍스트 변환 (120개 이상 언어) | 콜센터 자동 전사, 음성 명령 | | Text-to-Speech | 텍스트 → 음성 변환 | TTS 오디오북, 음성 안내 | | Translation API | 100개 이상 언어 간 자동 번역 | 다국어 콘텐츠 번역, 실시간 채팅 번역 | | Video Intelligence API | 동영상 분석 (장면 감지, 객체 추적, 명시적 콘텐츠 탐지) | 동영상 콘텐츠 자동 분류 | | Document AI | 문서 이해 및 데이터 추출 | 인보이스 자동 처리, 계약서 분석 |
언제 사용하나: 범용적인 AI 기능이 필요하고, 특별히 커스터마이징이 필요 없을 때. 빠른 구현이 중요할 때.
2단계: AutoML — 약간의 데이터 + 거의 없는 코드
자체 데이터로 커스텀 모델을 자동으로 훈련합니다. 예를 들어, 범용 Vision API는 일반적인 객체를 인식하지만, 자사의 특수한 제품 종류를 분류하고 싶다면 AutoML로 자체 이미지 분류 모델을 만들 수 있습니다.
ML 코딩 지식 없이도 구현 가능합니다. AutoML이 최적의 신경망 구조와 하이퍼파라미터를 자동으로 찾아줍니다. 수백 ~ 수천 장의 레이블된 훈련 데이터만 있으면 됩니다.
언제 사용하나: 사전 학습 API가 우리 도메인에 맞지 않을 때. ML 엔지니어 없이 커스텀 모델이 필요할 때.
3단계: 커스텀 모델 — 최대 유연성
TensorFlow, PyTorch, scikit-learn 같은 ML 프레임워크를 직접 사용해 모델을 처음부터 구축합니다. 가장 많은 제어권을 가지지만 ML 전문 지식과 많은 데이터가 필요합니다.
언제 사용하나: 매우 특수한 문제를 해결해야 할 때. 사전 학습 API와 AutoML이 충분하지 않을 때. ML 연구 개발팀이 있을 때.
AI 솔루션 선택 흐름도:
Vertex AI — 통합 ML 플랫폼
Vertex AI는 Google Cloud의 완전 관리형 ML 플랫폼입니다. "ML 파이프라인의 모든 단계를 하나의 플랫폼에서" 처리할 수 있습니다. AutoML부터 커스텀 TensorFlow 모델까지, 모든 ML 워크로드를 지원합니다.
주요 기능:
Vertex AI Workbench: Jupyter 노트북 기반 ML 개발 환경 Managed Datasets: 훈련 데이터 관리 및 버전 관리 AutoML: 코드 없이 커스텀 모델 자동 훈련 Training: 커스텀 TensorFlow/PyTorch 모델 분산 훈련 Model Registry: 훈련된 모델의 버전 관리 및 메타데이터 추적 Prediction (Endpoints): 모델을 REST API로 배포 Pipelines: ML 워크플로 오케스트레이션 및 자동화 Explainable AI: 모델 예측의 이유를 설명하는 기능 Feature Store: 머신러닝 피처(입력 변수)를 저장하고 재사용
Vertex AI 이전에는 AutoML과 AI Platform이 별도로 존재했습니다. Vertex AI가 이 둘을 통합한 것입니다.
BigQuery ML — SQL로 머신러닝
BigQuery ML은 독특한 포지션을 가집니다. ML 엔지니어가 아닌 데이터 분석가가 이미 익숙한 SQL만으로 BigQuery 안에서 직접 ML 모델을 훈련하고 예측할 수 있습니다.
가장 큰 장점은 데이터 이동이 없다는 것입니다. 데이터를 다른 곳으로 옮기지 않고, 데이터가 있는 BigQuery 안에서 바로 ML을 수행합니다. 데이터 엔지니어링 작업을 줄이고 분석가가 직접 ML을 수행할 수 있게 합니다.
지원 모델 유형: 선형 회귀, 로지스틱 회귀, K-평균 클러스터링, 딥러닝(DNN), XGBoost, 시계열 예측 등.
책임 있는 AI(Responsible AI)
AI는 강력한 도구이지만, 잘못 사용하면 차별이나 편향을 야기할 수 있습니다. Google은 AI 개발과 활용에 있어 다음 원칙을 강조합니다. CDL 시험에서도 이 개념이 출제됩니다.
공정성(Fairness): AI가 특정 그룹에 대해 편향되지 않도록 합니다. 예: 채용 AI가 성별이나 인종에 따라 차별하지 않아야 합니다. 투명성(Transparency): AI의 결정 과정을 이해하고 설명할 수 있어야 합니다. Vertex AI의 Explainable AI 기능이 이를 지원합니다. 안전성(Safety): AI가 의도하지 않은 방식으로 동작하지 않도록 설계합니다. 개인정보 보호(Privacy): 훈련 데이터와 예측 과정에서 개인정보를 보호합니다. 책임감(Accountability)**: AI의 결과에 대한 책임 소재를 명확히 합니다.
시험 핵심 정리
"기계가 인간처럼 생각" -- AI / "데이터에서 패턴 학습" -- ML / "신경망 기반" -- 딥러닝
"이미 훈련된 모델을 API로, ML 지식 불필요" -- 사전 학습 API
"이미지 분석 (객체, 얼굴, OCR)" -- Vision API
"텍스트 감성/개체명 분석" -- Natural Language API
"음성을 텍스트로 변환" -- Speech-to-Text API
"100개 이상 언어 번역" -- Translation API
"자체 데이터로 커스텀 모델 자동 훈련, ML 코딩 불필요" -- AutoML
"TensorFlow로 직접 구축, 최대 유연성" -- 커스텀 모델
"훈련→배포→관리 통합 ML 플랫폼" -- Vertex AI
"SQL만으로 BigQuery 내 ML 모델 훈련, 데이터 이동 없음" -- BigQuery ML
"AI 편향 방지, 공정성/투명성/안전성" -- 책임 있는 AI(Responsible AI)
전문성 순서: 사전 학습 API (최소) → AutoML → 커스텀 모델 (최대)