0. 들어가며...
- AI는 완성된 기술이 아님
- 토머스 쿤 Tomas Kuhn, 1922-96, 과학혁명의 구조
- "과학적 발견이란 결코 완결되지 않는다"
- "여러단계의 진화 과정을 거쳐 가는 것"
- 아이작 뉴턴 Issac Newton, 1642-1727
- "내가 멀리 볼 수 있었던 것은 고인의 어깨 위에 있었기 때문"
- 얀 르쿤
- "현상만을 읽을 줄 아는 것은 위험하다. 거대한 역사적 흐름을 느낄 줄 알아야 한다"
- 모라벡의 역설 (Moravec's Paradox)
- "어려운 것은 쉽고, 쉬운 것은 어렵다", Hans Moravec(1948~)
- 인간에게 쉬운 것은 컴퓨터에게 어렵고 반대로 인간에게 어려운 것은 컴퓨터에게 쉽다는 역설
1. 지능(知能, intelligence)
- 본능적이나 자동적으로 행동하는 대신에, 생각하고 이해하여 행동하는 능력
- 지능은 다양한 방식으로 정의되고 연구된 복잡하고 다면적인 개념입니다. 일반적으로 지능이란 새로운 상황에 대해 배우고, 이해하고, 추론하고, 적응하는 능력을 의미합니다.
- 심리학자들은 종종 지능을 문제를 해결하고 추상적으로 생각하며 경험을 통해 배우는 능력으로 정의합니다. 그들은 또한 지능이 단일 특성이 아니라 언어 이해, 공간 추론 및 지각 속도와 같은 다양한 능력의 조합임을 인식합니다.
- 지능은 기억력, 추론 및 처리 속도와 같은 인지 능력을 평가하도록 설계된 IQ 테스트와 같은 다양한 표준화된 테스트를 사용하여 측정할 수 있습니다.
- 지능의 본질과 측정 방법에 대한 논쟁이 계속되고 있지만, 대부분의 전문가들은 지능이 학업 성취, 경력 성공 및 전반적인 웰빙을 포함하여 인간 삶의 여러 측면에서 중요한 요소라는 데 동의합니다.
2. 인공지능(人工知能, Artificial Intelligence)
- 인공 지능(AI)은 자연 언어 이해, 이미지 및 음성 인식, 의사 결정 및 학습과 같이 일반적으로 인간 지능이 필요한 작업을 수행할 수 있는 지능형 기계를 만드는 것을 다루는 컴퓨터 과학의 한 분야입니다.
- 간단히 말해서 AI는 얼굴 인식, 구어 이해 또는 자동차 운전과 같이 일반적으로 인간 지능이 필요한 작업을 수행할 수 있는 컴퓨터 시스템을 말합니다. AI 알고리즘은 대량의 데이터를 분석하고 인간이 놓칠 수 있는 패턴을 식별하여 해당 데이터를 기반으로 예측이나 결정을 내릴 수 있도록 설계되었습니다.
- AI는 자율주행차와 스마트 홈 기기에서 의료 및 금융에 이르기까지 다양한 애플리케이션에서 사용되고 있습니다. AI 기술이 지속적으로 개선됨에 따라 미래에 우리가 살고 일하는 방식을 형성하면서 사회에 점점 더 큰 영향을 미칠 것으로 예상됩니다.
- 인공적으로 만든 지능
- 기계가 경험을 통해 학습하고 새로운 입력 내용에 따라 기존 지식을 조정하며 사람과 같으 방식으로 과제를 수행할 수 있도록 지원하는 기술
- 오늘날 대부분의 인공지능 사례는 딥러닝과 자연어 처리에 크게 의존하며, 대량의 데이터를 처리하고 데이터에서 패턴을 인식함으로써 특정한 과제(알파고, 자율주행차량 등)을 수행하도록 컴퓨터를 훈련시킴
- 튜링 테스트(Turing test) (1950년, Alan Mathison Turing)
- 기계는 생각할 수 있는가? Can Machines Think?
- 기계가 인간의 생각을 모방하는 것이 가능한가?
- 인간이 기계와 대화하고 있다는 사실을 깨닫지 못한 채로 5분간 대화를 할 수 있다면, 그 컴퓨터는 테스트를 통과한다는 것
- 지능의 조작적 정의 (operational definition)
- 조작적 정의: 측정할 수 있는 조건으로 어떤 속성을 기술
- 튜링상
- ATM에서 컴퓨터과학 분야에 업적을 남긴 사람들에게 매년 시상하는 상. 컴퓨터과학의 노벨상"이라고도 불림.
- 규칙기반 인공지능 모델
- 에이다 러브레이스 (Ada Lovelace, 1815-52) : 세계 최초의 프로그래머
- "기계는 인간이 시키는 일만 한다. 어떤 해석 관계나 진실을 예측할 능력은 없다"
- 전통적인 방식의 컴퓨터 프로그래밍 개념
- if-then 규칙
- 기계학습 인공지능 모델
- 규칙 입력없이 기계가 스스로 학습하는 방식
- 사람이 찾아내지 못하는 규칙도 컴퓨터가 학습을 거쳐 찾아 낼 수 있음
3. 인공지능(人工知能, Artificial Intelligence) 정의
- 인공지능 용어 시작
- 1956년 '다트머스 회의(Dartmouth)' - 인공지능(AI, Artificial Intelligence)
- 고도의 지능을 가진 컴퓨터 디바이스를 만들기 위한 과학과 공학
- 퍼셉트론(Perceptron, 1958) : Frank Rosenblatt
- 인공 신경망 (Artificial Neural Network) 초기 모델
- 인간의 두뇌가 뉴런이 서로 연결된 상태에서 전기신호를 보내어 정보를 전달하는 모델을 차용해 인공 뉴런이 연결된 인공 신경망 구현
- 다양한 정의
- 사람의 생각과 관련된 활동, 예를 들면 의사 결정, 문제 해결, 학습 등의 활동을 자동화하는 것 (Bellman, 1978)
- 사람이 하면 더 잘 할 수 있는 일을 컴퓨터가 하도록 하는 방법을 찾는 학문 (Rich & Knight, 1991)
- 지능이 요구되는 일을 할 수 있는 기계를 만드는 예술 (Kurzweil, 1990)
- 지능적인 에이전트를 설계하는 학문 (Poole et al. 1998)
- 인지하고, 추론하고, 행동할 수 있도록 하는 컴퓨팅에 관련된 학문(Wilson, 1992)
- 인공물이 지능적인 행위를 하도록 하는 것 (Nisson, 1990)
- 목표에 따른 정의 (Thinking vs Act / Human vs Rationality)
- 인간처럼 생각하는 (Thinking Humanly)
- 인간처럼 행동하는 (Acting Humanly)
- 이성적으로 생각하는 (Thinking Rationally)
- 이성적으로 행동하는 (Acting Rationally)
4. 인공지능 종류
- 강한 인공지능 (strong AI)
- 범용인공 지능, SF나 영화 속에 자주 등장하는 인공지능 로본 등
- 마음을 가지고 사람처럼 느끼면서 지능적으로 행동하는 기계
- 추론, 문제해결, 판단, 계획, 의사소통, 자아 의식(self-awareness), 감정(sentiment),
지혜(sapience), 양심(conscience)
- 튜링 테스트(Turing test)
- 약한 인공지능 (weak AI, narrow AI)
- 사람의 지능적 행동을 흉내 낼 수 있는 수준
- 대부분의 인공지능 접근 방향
- 중국인 방 사고실험(Chinese room thought experiment, John Searle, 1980)
• 문 밑으로 중국어로 쓴 질문지를 전달
• 방 안에서 중국어를 모르는 사람이 글자모양에 따른 중국어 단어 조합 방법
• 매뉴얼을 참조하여 답변에 대한 단어 조합
• 조합된 단어들을 문 밖으로 내보냄
• 문 밖 사람은 중국어를 이해하는 사람이 방안에 있다고 생각
• 단지 흉내만 내고 이해하는 것은 아님
• 이해하지 못하고 흉내 낼 수 있어도 지능적(intelligent) 행동
- 구글 알파고, 사진검색, 기계 자동번역기, 메일필터링, 숫자 판별 등
- 초인공지능 (strong AI)
- 자체 기능 개선을 통해 초인공지능으로 이행되어 인류는 이해하기 어려움
- 초인곤지능이 구현되면 인류는 영생을 누리거나 열등한 종으로 분류되어 멸종 가능
5. AI / ML / DL 정의 (참조)
- AI 인공지능(Artificial Intelligence)
- 인간의 학습능력, 추론능력, 지각능력, 언어 이해능력 등을 컴퓨터에 구현한 기술
- ML 머신러닝(Machine Learning)
- 머신 러닝은 과거의 경험을 바탕으로 추론 및 결정을 하는 방법을 머신에게 알려줘, 패턴을 파악하고 과거의 데이터를 분석하여 이러한 데이터들의 의미를 추측하고, 인간의 경험을 필요로 하지 않고서도 가능한 결론에 도달. 이러한 머신 러닝를 통해 데이터를 평가하고 결론을 낼 수 있으며, 기업은 인적인 시간을 절약하고 더 나은 판단을 내림
- 많은 데이터를 기반으로한 학습
- 뇌의 구조와 같은 인공신경망, 결정 트리 등의 기계학습
- 클라우드 컴퓨터가 학습 모형을 기반으로 외부에서 주어진 데이터를 통해 스스로 학습
- 빅데이터를 분석하고 가공해서 새로운 정보를 얻어 내거나 미래를 예측하는 기술
- 축적된 데이터를 토대로 상관관계와 특성을 찾아내고 결론을 도출
- DL 딥러닝(Deep Learning)
- 머신 러닝 방식의 일종입니다. 결과를 분류하고 추측하기 위해서, 레이어를 통해 입력을 처리하는 것을 기계에 가르칩니다
- 뇌의 구조와 같은 인공신경망 네트워크로 이루어지는 기계학습
- 알고리즘을 통한 ML로 인해 통계분석가들이 일일이 데이터를 입력하지 않아도 데이터값을 출력
- 컴퓨터가 여러 데이터를 이용해 마치 사람처럼 스스로 학습할 수 있게 인공신경망을 기반으로 구축한 기계 학습 기술
- 축적된 데이터를 분석만 하지 않고 데이터를 학습까지 하는 기계 학습 능력을 활용하여 결론을 도출
6. ML / DL 차이 (참조)
- ML, DL 프로세스
- ML
- Fearturing engineering을 통해, 각각의 문제를 여러 파트로 쪼개고 답을 구해서 합치는 방법을 사용
- 처리 데이터 : 데이터베이스, 레코드 파일, 엑셀 파일 등의 정형 데이터
- 학습 방법 : 높은 수준에서 입력에서 출력에 이르는 기능들을 대략적으로 학습하는데 중점으로 데이터 기반으로 한 다양한 기술을 학습하는 데 사용
- 알고리즘 : 랜덤 포레스트, ...
- 결과 분석 방법 : Engineering한 범위내에서 결과에 대한 명확한 이유와 원인등을 알수 있음
- 활용처 : 암진단, 암수술, 등의 의료분야 사업, 구글 서치, 메일 스팸, 아마존 추천
- DL
- Input Data, Feature에 대한 Enginneering이 필요 없음
- 처리 데이터 : 이미지, 영상, 음성, 택스트(Text), 소리 등의 비정형 데이터
- 학습 방법 : 학습을 위한 실제 알고리즘을 제공하는 것 외에도 다양한 알고리즘의 가중치 분석, 가능한 가상 공간 이해등을 위한 이론 도구(VC 치수 등)를 제공
- 알고리즘 : cnn, rnn
- 뉴럴 네트워크 : 뉴럴 네트워크는 인간의 신경 세포와 같은 유사한 원리. 뉴럴 네트워크는 마치 인간의 뇌처럼 다양한 기초 변수들 사이의 관계를 파악하고 데이터를 처리하는 일련의 알고리즘
- 결과 분석 방법 : 왜 어떠한 근거로 이러한 결과를 내었는지를 말해주지 않기 때문에, 사람이 그 결과를 해석하지 못함. 결과에 대한 해석 방법 : Desion Tree, 선형회귀모형 등과 같은 해석가능한 알고리즘을 활용
- 활용처 : 알파고, 스타그래프트 등 게임분야, 자율주행 자동차, 자율택시 등과같은 교통산업, 자연어
- 자연 언어 처리(NLP : Natural Language Processing) : 자연어 처리는 기계에 의한 언어의 판독, 이해, 해석의 과학. 기계는 사용자가 무엇을 의도하고 있는지를 사용자의 의사소통을 이해하면 그에 따라 응답.
- 컴퓨터 비전(Computer Vision) : 컴퓨터 비전 알고리즘은 이미지를 분석하여 객체의 다양한 부분을 조사함으로써 이미지를 이해. 이를 통해 기계는 일련의 이미지로를 분류하고 학습을하여 이전의 관찰 결과에 근거하여 보다 적절한 출력을 결정.
- 인지 컴퓨팅(Cognitive Computing) : 인지 컴퓨팅 알고리즘은 인간이 하고 원하는 결과를 제공하려고 하는 방식으로, 텍스트, 음성, 이미지, 객체를 분석함으로써 인간의 뇌를 모방.
