본문으로 건너뛰기

인공지능(AI)의 이해

1. 인공지능(AI)의 이해​

1.1 인공지능(AI)의 정의​

인공지능(AI) 은 인간의 학습능력과 추론능력, 지각능력, 자연언어의 이해능력 등을 컴퓨터 프로그램으로 실현한 기술입니다. 이는 지능적인 기계를 만드는 과학 및 엔지니어링이며, 의사결정, 문제해결과 같은 인간의 사고와 관련된 활동의 자동화를 포함합니다.

궁극적으로 인공지능은 인간의 학습능력, 추론능력, 지각능력을 인공적으로 구현하려는 컴퓨터 과학의 세부분야 중 하나입니다.

1.2 인공지능 시스템의 네 가지 유형​

인공지능은 다음과 같은 네 가지 관점에서 분류될 수 있습니다:

  • 인간처럼 사고하는 시스템: 사람의 인지 모델에 대한 이해(인지과학, 신경과학, 정보처리 심리학)가 필요합니다
  • 인간처럼 행동하는 시스템: 인간의 지능적인 행동만을 구현하며, 사회적인 행동 구현이 용이합니다
    • 튜링 테스트, 자연어 처리, 지식 표현, 머신 러닝, 컴퓨터 비전, 로보틱스
  • 이성적으로 사고하는 시스템: 사고에 대한 표기법 및 파생 규칙이 필요하나, 비공식적인 지식 확보가 어렵습니다
  • 이성적으로 행동하는 시스템: 예상되는 효용을 최대화하여 최상의 성과를 달성하지만, 계산상의 한계로 완벽한 합리성은 불가능합니다

1.3 인공지능의 역사​

인공지능은 세 차례의 주요 붐(boom)을 거치며 발전했습니다.

제1차 AI 붐 (1950년대~1970년대 - 추론, 탐색)​

  • 1956년 존 매카시가 '인공지능' 용어를 처음 사용
  • 마크 I 퍼셉트론(문자 인식), Lisp 언어, DENDRAL(최초의 전문가 시스템), ELIZA 등이 개발

제2차 AI 붐 (1980년대 - 전문가 시스템, 지식)​

  • 신경망의 부활과 함께 다층 퍼셉트론 모델, 역전파(backpropagation) 알고리즘 연구가 활발해져 문자인식 및 영상인식 구현에 기여

제3차 AI 붐 (2000년대~현재 - 학습)​

  • 2004년 제프리 힌튼의 딥러닝 기반 학습 알고리즘 RBM 제안 이후
  • IBM 왓슨(퀴즈쇼 우승, 2011), 구글의 심층신경망(DNN) 구현(2012), 페이스북 딥페이스(얼굴 인식, 2014), 구글 알파고(이세돌에 승리, 2016) 등 딥러닝 기반의 혁신적인 발전이 이루어짐

1.4 인공지능 발전의 동인​

최근 인공지능이 중요하게 여겨지는 이유는 학술적인 연구 단계를 넘어 실제 우리 생활에 적용이 가능한 수준으로 발전하고 있기 때문입니다. 특히, 기계 학습의 하나의 기술인 인공신경망 분야에서 두드러진 발전이 이루어진 분야는 딥러닝입니다.

딥러닝은 과거 논리·규칙 기반, 연결 기반, 통계 기반 방식의 한계를 극복하고, 컴퓨터가 스스로 자질을 학습하며 학습한 데이터를 다른 문제에 응용하거나 재활용할 수 있게 했습니다.

1.5 인공지능의 미래​

인공지능은 반복적인 지적 노동을 수행하고 인간은 최종 의사결정과 소통, 직관이 필요한 창조적 업무를 맡는 형태로 인간과 협력하거나, 특정 업무에서는 AI가 전부 대체 가능할 것으로 전망됩니다.

AI가 지원하거나 수행할 수 있는 역할​

  • 도서관 사서, 전문 고객 상담, 온라인 강사, 관광 안내원, 간병인, 교사, 의사 등

AI가 대체할 가능성이 높은 직업​

  • 택시 기사, 전화 영업원, 환경 미화원, 보안 담당자, 트럭 기사 등

인간이 AI를 도구로 활용하여 협업할 직업​

  • CEO/경영자, 마케터, 전략 투자가, 변호사, 사회 봉사원, 예술가, 컬럼니스트, 과학자, 경제학자 등
  • "지식 활용의 최적화"와 "전략과 창의력"을 발휘하는 방식으로 협업

2. 인공지능(AI) 알고리즘​

2.1 인공지능-머신러닝-딥러닝의 관계​

  • 인공지능(artificial intelligence): 사람이 해야 할 일을 기계가 대신할 수 있는 모든 자동화를 의미합니다
  • 머신러닝(machine learning): 명시적으로 규칙을 프로그래밍하지 않고 데이터로부터 의사결정을 위한 패턴을 기계가 스스로 학습하는 기술입니다
  • 딥러닝(deep learning): 인공신경망 기반의 모델로, 비정형 데이터로부터 특징 추출 및 판단까지 기계가 한 번에 수행하는 기술입니다. 딥러닝은 인공신경망의 발전된 형태로, 이미지, 텍스트, 오디오, 비디오와 같은 매우 큰 데이터와 관련됩니다

2.2 기계학습의 종류 (알고리즘)​

다양한 머신러닝 알고리즘들이 존재합니다.

  • 회귀 알고리즘(regression algorithms): 모델에 의한 예측을 위해 오차 측정을 사용하여 변수 간의 관계를 모델링합니다

    • 예: 선형 회귀, 로지스틱 회귀

  • 인스턴스 기반 알고리즘(instance-based algorithms): 모델에 중요하거나 필요하다고 여기는 학습 데이터의 인스턴스 또는 예제에 대한 의사 결정을 합니다

    • 예: k-최근접 이웃

  • 의사 결정 트리 알고리즘(decision tree algorithms): 데이터 속성의 실제 값을 기반으로 의사 결정 모델을 구성하고, 주어진 레코드에 대한 예측을 트리 구조에서 결정합니다

    • 예: 몬테칼로 트리 서치

  • 베이지안 알고리즘(bayesian algorithms): 베이지안 확률 기반으로 불확실성에 대해 새로운 사건을 추정하며, 분류 및 회귀 문제에 자주 사용됩니다

  • 클러스터링 알고리즘(clustering algorithms): Centroid 기반 및 계층 기반의 모델 방법으로 구성되며, 데이터를 최대 공통 그룹으로 잘 구성되도록 동작합니다

    • 예: K-means

  • 연관 규칙 알고리즘(association rule learning algorithms): 변수 간 관찰된 관계를 가장 잘 설명하는 규칙을 추출하며, 어떤 항목이 어떤 항목을 동반하여 등장하는 지를 파악합니다

  • 신경망 알고리즘(artificial neural network algorithms): 생물학적 신경망의 구조 또는 기능에서 영감을 받은 모델로, 회귀와 분류 문제에 일반적으로 사용되는 패턴 매칭의 한 종류입니다

2.3 머신러닝(기계학습)의 알고리즘 분류​

머신러닝은 크게 세 가지 학습 방식으로 나뉩니다.

  • 지도 학습(supervised learning): 문제와 정답을 모두 알려주고 공부시키는 방법으로, 예측과 분류에 사용됩니다
  • 비지도 학습(unsupervised learning): 답을 가르쳐주지 않고 공부시키는 방법으로, 연관 규칙과 군집(클러스터링)에 활용됩니다
  • 강화 학습(reinforcement learning): 보상을 통해 상은 최대화, 벌은 최소화하는 방향으로 행위를 강화하는 학습입니다

참고: 심화 강화 학습은 강화 학습과 딥러닝의 교차점에 있습니다

3. 인공지능(AI) 기술 동향​

3.1 인간의 두뇌를 닮아가는 인공지능​

대화하는 인공지능 (Chat GPT)​

자연어 처리(NLP) 및 생성 기술을 통해 사용자와 인간과 같은 대화를 나눌 수 있는 인공지능 시스템이 등장했습니다.

기사를 작성하는 인공지능​

포브스의 퀼(Quill), AP통신의 워드스미스, LA 타임스의 퀘이크봇, 가디언의 자체 로봇, 로이터의 트레이서, 아사히 신문의 오토리 등은 증시 시황, 기업 실적, 지진 정보, 기사 편집, 속보 작성, 야구 경기 평가 등 다양한 분야에서 기사를 작성하고 있습니다.

시와 소설을 쓰는 인공지능​

  • MS와 교토대학은 시를 짓는 인공지능을 개발
  • 중국의 인공지능 시인 샤오이스는 시집을 출간
  • 일본과 미국에서도 소설을 쓰거나 저술하여 출판하는 인공지능이 개발

한계: 이야기를 만들어내지만 창의적 감성 표현은 어려움

그림 그리는 인공지능​

  • 미국 콜로라도 주박람회 미술전에서 인공지능 작품이 1등을 수상
  • 프랑스 인공지능 화가 오비어스(Obvious)의 작품 '에드몽 드 벨라미'는 5억원에 낙찰
  • 서양화 15,000여 작품을 학습하여 규칙을 찾아내 그림을 생성
  • 그림 합성 및 오래된 사진 복원도 가능

음악을 만드는 인공지능​

  • 악기별 연주 구성과 편곡까지 가능
  • 10년 후 미국 인기 차트곡의 20%가 인공지능에 의존할 것으로 예상
  • 구글은 머신러닝으로 작곡한 피아노 곡을 발표
  • 영국에서는 K-pop 인공지능이 30초 만에 곡을 완성

3.2 우리가 경험하는 인공지능​

추천하고 취향을 찾아주는 인공지능​

최근 인터넷 검색이나 유튜브에서 매우 활성화되어 사용자가 관심을 가졌던 주제나 검색 경험을 바탕으로 광고나 동영상을 추천하고, 사용자가 자주 찾는 프로그램 경향을 분석하여 맞춤형 서비스를 제공합니다.

얼굴을 인식하는 인공지능​

인물의 얼굴을 감지하고 고유한 특징과 패턴을 분석하여 개인을 식별하는 기술입니다.

활용 분야:

  • 보안 (감시 카메라)
  • 교육 (수업 출석체크)
  • 금융 (계정 잠금 해제, 은행 정보 해제)

안전운전을 도와주는 인공지능​

운전자의 주행 습관 데이터를 수집하고 운전 형태를 분석하여 차량 전방 충돌, 차선 이탈, 어린이 보호구역 우회전 진입 등의 사전 경보를 제공하며 안전운전을 돕습니다.

결론​

인공지능(AI) 은 인간의 학습, 추론, 지각 능력을 모방하려는 컴퓨터 과학의 한 분야이며, 꾸준한 연구와 발전으로 현재 다양한 서비스에 활용되고 있습니다.

특히 딥러닝 기술의 발전에 힘입어 대화, 기사 작성, 예술 창작(시, 소설, 그림, 음악), 추천 시스템, 얼굴 인식, 안전 운전 지원 등 우리 생활 전반에 걸쳐 혁신적인 변화를 가져오고 있습니다.

인공지능은 미래에 인간의 업무를 지원하거나 일부는 대체하며, 인간과 AI의 협업을 통해 새로운 가치를 창출할 것으로 기대됩니다.