[강화학습 기초 1] 왜 지금 강화학습인가
강화학습이 다른 인공지능과 무엇이 다른지, 이 연재에서 무엇을 어떤 순서로 다루는지 소개합니다.
강화학습 기초 시리즈 · 12편 중 1번째 글
연재 목차 보기
대표가 쓴 『개발자답게 코드로 익히는 강화학습』(프리렉, 2025)의 내용을 블로그에 맞게 정리해 연재합니다.
강화학습은 알파고 덕분에 이름이 널리 알려졌지만, 게임에만 쓰이는 기술이 아닙니다. 주식 트레이딩 봇, 물류 · 편성 최적화, 의료 영상 판독 보조처럼 "여러 번 결정을 내리며 결과를 좋게 만드는" 문제라면 어디든 쓸 수 있습니다. 이 연재는 강화학습을 공부하다 수식에 막혀 멈췄던 개발자를 위해, 필요한 개념만 골라 코드까지 이어지도록 정리합니다.
강화학습이 다른 인공지능과 다른 점
머신러닝과 딥러닝은 대부분 정답이 표시된 데이터를 많이 모아 학습합니다. 데이터를 모으고 표시하는 데 사람과 돈이 들고, 큰 모델을 돌리려면 비싼 장비가 필요합니다.
강화학습은 다릅니다. 에이전트가 환경 안에서 직접 행동해 보면서 데이터를 스스로 만들어 냅니다. 정답 데이터를 미리 준비할 필요가 없고, 장비가 좋다고 결과가 반드시 좋아지지도 않습니다. 결과를 가르는 것은 보상을 어떻게 설계하는지와 알고리즘을 얼마나 이해하고 구현하는지입니다. 그래서 큰 자본이 없는 개인이나 중소기업도 실력으로 성과를 낼 수 있는 분야입니다.
이 연재가 다루는 순서
| 장 | 내용 |
|---|---|
| 2장 | 확률, 마르코프 연쇄, 마르코프 보상 과정 |
| 3장 | 마르코프 결정 과정(MDP), 다이내믹 프로그래밍, 몬테카를로, TD, 살사, Q러닝 |
| 4장 | 선형 회귀에서 심층 신경망까지, 텐서플로 기본 |
| 5장 | 미분 · 경사하강법과 함수 근사 |
| 6장 | DQN 알고리즘과 카트폴 코드 |
책에서는 이어서 REINFORCE, A2C, PPO 같은 정책기반 알고리즘과 튜닝 방법을 다룹니다. 이 연재도 순서대로 이어 갈 예정입니다.
누가 읽으면 좋을까
- 반복문과 조건문으로 하던 업무 자동화를 한 단계 더 똑똑하게 만들고 싶은 개발자
- 스스로 판단하는 소프트웨어 봇을 만들어 보고 싶은 사람
- 인공지능으로 새로운 제품을 만들고 싶은 스타트업
준비물은 파이썬 기초 문법 하나면 됩니다. 데이터분석에 쓰는 정도의 파이썬이면 충분합니다. 필요한 수학과 통계는 연재 안에서 그때그때 설명합니다.