인공지능 (Al)

컴퓨터가 학습하고 생각하여 스스로 판단할 수 있도록 만드는 기술

• 사전적 개념 : 지성을 갖춘 존재 또는 시스템에 의해 만들어진 인공지능을 의미한다.
• 전통적 개념: 컴퓨터가 인간의 지능적인 행동을 모방할 수 있도록 하는 소프트웨어로, 인간이 가진 지적능력의 일부 또는 전체를 구현한 것이다.
• 기술적 개념: 인간의 지능으로 할 수 있는 사고, 학습, 자기계발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터공학 및 정보기술의 분야이다.

프로그래밍과 인공지능

• 프로그래밍 : 발생할 수 있는 모든 케이스에 대해 사람이 프로그램으로 구현하고 해동한다.
• 인공지능 : 컴퓨터 스스로 데이터를 학습하여 판단하고 행동한다.

인공지능 (1차 태동기 )

인공지능의 시작 (1950~1960)

• 튜링 테스트(Turing Test) : 기계가 사람처럼 지능적으로 동작할 수 있는지 판단하는 테스트(사람과 기계를 화면을 통해 문자로 대화 후 어느쪽이 사람인지 구분할 수 없는 경우 인간 수준의 사고 능력을 가진 것으로 판정된다.
• 캡차(CAPTCHA) : 2000년 미국 카네기 멜론 대학교의 연구원들이 사람과 로봇을 구별하기 위해 만든 튜링 테스트로, 로봇은 구별하기 난해한 문자를 제시하여 이를 맞추면 사람으로 인정하는 방식이다

캡차 이미지 종류

인공지능의 (2차 태동기)

• 데이터 기반 분석 체계 구성(1956~1974)
• 1956년 다트머스 대학교에서 열린 워크숍에서 10명의 학자(인공지능 아버지)들이 AI 이라는 이름과 연구개발 목표, 추진 방향 등을 제안하고 토론했었다.
• AI라는 단어는 ‘지능을 가진 기계’의 이름을 고민하던 중 10명의 학자중 한명인 존 맥카시가 ‘인공지능’이라는 이름을 제안하면서 사용되기 시작됬다.
• 지금과 같은 수준의 인공지능을 다루는 것이 아닌 경우의 수를 계산하는 수준이었음. 그러나 이들에 의해 지금 정도의 인공지능이 완성되었다고 할 수 있다.

인공지능  1차암흑기

 인공지능의 첫 번째 겨울(1974~1980)
학자들의 인공지능 장미빛 선언 후 많은 과학자들이 인공지능 개발을 위한 연구에 뛰어들었지만, 기대와 달리 연구 성과가 낮아 인공지능에 대한 투자가 적어지면서 재정적 위기를 맞이함.
낙관의 거품이 걷히자 인공지능은 비판의 대상이 되었고 인공지능 역사의 첫번째 겨울(First AI Winter)이 시작됨

다트 머스 컨퍼런스에 참석한 과학자들의 인터뷰이다.
10년 내에 대지털 컴퓨터가 체스 세계 챔피언을 이길 것이다. 그리고 10년 내에 디지털 컴퓨터는 중요한 새로운 수학적 정리를 발견하고 증명할 것이다. (1958년 허버트 사이먼과 앨런 뉴얼)
20년 내에 기계가 사람이 할 수 있는 모든 일을 하게 될 것이다. (1965 허버트 사이먼)
이번 세기에 인공지능을 만드는 문제는 거의 해결될 것이다. (1967년 마빈 민스키)
3~8년 안에 우리는 평균 정도의 인간 지능을 가진 기계를 가지게 될 것이다. (1970년 마빈 민스크 )

 

인공지능 성장기 

• 전문가 시스템(1980~1987)
  Expert System : 인간이 특정 분야에 대하여 가지고 있는 전문적인 지식을 정리하고 표현하여 컴퓨터에 기억시킴으로써 일반인도 전문지식을 이용할 수 있도록 하는 시스템
• 최초로 성공한 전문가 시스템 XCON(카네기멜론 대학과 Digital Equipment사가 1970년대 공동으로 연구,개발한 것으로, 컴퓨터 시스템의 구성을 조언하는 상업용 시스템으로 발전했다. XCON은 VAX 컴퓨터의 이상적인 시스템 구성을 도와주었다고 알려져 있다. 이 시스템은 컴퓨터 시스템의 전체적인 윤곽 뿐만 아니라, 각 부품의 관계 및 위치에 관한 도표까지 제시하며 각 부품을 연결하는 케이블의 길이까지 결정해 주는 장점을 가지고 있다. 또한 XCON은 숙련된 전문가나 가능한 작업을 전문가 보다 훨씬 빨리 일을 처리하며 OPS5에 의해 구현되었다.)
• 대표적인 개발 사례 MYCIN( MYCIN은 혈액 감염증의 진단과 항생 물질를 이용한 치료를 조언하는 시스템으로 의학 교육과 연구를 위해 사용되었다. MYCIN을 시작으로 하여 현재 의학 분야에서 전문가 시스템의 연구는 의학 실험, 자료분석, 질병 진단 및 치료 등의 분야에서 활발하게 진행되고 있다.)

인공지능의 2차 암흑기(1987~1993년)
전문가 시스템은 유지비가 비싸고 전문가의 지식을 추출하는데 병목현상이 발생하면서 시스템을 유지하는 것이 어려웠음
데이터베이스에 축적되지 않은 질문들에 대해서는 예측할 수 없는 행동을 하는 전문가 시스템에 대해 사람들이 의구심을 가짐
시스템 유지는 어렵고 가격은 비싸다

 

인공지능 1차성숙기

• 뉴럴 네트워크(1993~2000)
  인간의 뇌 신경망을 모방한 인공신경망 연구는 인공지능 발전에 큰 영향을 미친다.
• ( 신경 세포들의 연결로 이루어진 인간의 뇌는 시냅스를 통해 전기 자극을 전달하는데 이것을 그대로 모사한 인공신경망은 뉴런이 일정한 자극을 받으면 다음 뉴런으로 신호가 전달되는 방식으로 동작함  ∴ 특히 2개 이상의 은닉층을 구성함으로써 복잡한 문제들을 쉽게 해결된다.할 수 있게 되면서 인공지능은 성숙기를 맞이하게 됨)
• 인공지능 연구는 인터넷과 함께 다시 한번 중흥기를 맞이한다.
• 이전의 인공지능은 사람이 규칙을 만들어 시스템을 구현했다면 성숙기 단계의 인공지능은 공식을 스스로 만들었다.(머신러닝과 딥러닝으로 발전)

 

뉴런의 네트워크

• 수상돌기(가지돌기)에서 신호를 받아들인다.
• 신호가 축삭돌기를 지나 축삭말단으로 전달된다.
• 축삭돌기를 지나는 동안 신호가 약해져서 축산말단까지 전달되지 않거나 강하게 전달되기도한다.
• 축삭만단까지 전달된 신호는 다음 뉴런의 가지돌기로 전달된다
• 수억개의 뉴런 조합을 통해 손가락을 움직이거나 물체를 판별하는 등 다양한 조작과 판단 수행 가능한다.

인공지능 2차 성숙기

머신러닝과 딥러닝(2000~ 2010) 
머신러닝(Machine Learning) : 기본적으로 알고리즘을 이용해 데이터를 분석하고, 분석을 통해 학습하며, 학습한 내용을 기반으로 판단으로 예측
딥러닝(Deep Learning) : 인공신경망에서 발전한 형태의 인공지능으로, 인간 뇌의 뉴런과 유사 한 입력층, 은닉층, 출력층을 활용해 데이터를 학습 

 

• 알파고의 등장(2010 ~ 현재)
  2012년 토론토 대학의 제프리 힌튼 교수(신경망의 가능성을 믿고 꾸준히 연구)가 이끄는 연구팀의 신경망 모델(AlexNet)이 대규모 이미지 경연 대회(ILSVRC)에서 우승 딥러닝 대한 말이 시초가된다.
• 이세돌과 승부(2016년 3월)를 겨뤘던 알고 리(AlphaGo Lee )는 나날이 성장하여 알파고 제로(AlphaGo Zero)로 완성된다.
• 알파고 제로는 학습을 하는데 인간의 기본 데이터가 필요하지 않는다.
• 알파고 제로는 알파고 리의 실력을 압도하는 기력을 불과 72시간 만에 얻었으며, 알파고 리와의 경기에서 100:0 으로 백전백승했다.
• 이미지 인식, 음성 인식, 자연어 처리등 다양한 곳에 딥러닝을 이용한 방법이 적용된다.

인공지능의 역사

인공지능 태동기->인공지능1차 암흑기->인공지능 2차성숙기->인공지능 2차암흑기->인공지능 3차성숙기

인공지능  시대별 흐름

인공지능의 종류

• 약(Narrow) 인공지능 : 특정 문제해결에 전문화된 인공지능(스팸메일 필터링, 구글번역, 유튜브 추천, 알파고, 테슬라 자율주행)
• 강(General) 인공지능 : 모든 산업 분야에서 일상적으로 사용되는 인공지능(영화의 아이 로봇, 터미네이터)
• 초(Super) 인공지능 : 인간보다 몇 백배 뛰어난 지능의 가진 존재(인류가 앞으로 1000년 동안 쓸 수 있는 신 에너지원 만들기 같은 고차원 명령 수행 가능)

지적수준(인간과 같은 사고의 가능여부)
약(스팸메일 필터링, 구글 검색, 구글 번역, 유튜브 영상추천) -> 강 -> 초인공 지능
기능발전(입력에 따른 출력이 변하는 시스템관점)
단순제어(Lv1) -> 고전적 인공지능(Lv2) -> 머신러닝(Lv3) -> 딥러닝(Lv4)으로 발전되고있다.
구현방식 
지식 기반 방법론(인지,추론,학습,행동), 데이터 기반 방법론(머신러닝, 데이터마이닝)으로 나뉜다.

인공지능 의 분류

• 단순제어 프로그램(세탁기, 청소기등)
• 고전적 인공지능(경우의 수가 많아짐, 체스게임등)
• 머신러닝이 도입된 인공지능(빅데이터를 바탕으로 자동 판단, 쿠팡 물건추천등)
• 딥러닝이 도입된 인공지능(입력데이터 자체를 학습해 스스로 판단하고 예측 ex)알파고 제로 , 테슬라 자율주행등)

 

지식 기반 방법론
: 저장된 지식을 기반으로 의사결정 수행
(인지, 학습, 추론 행동)

데이터 기반 방법론
: 데이터로부터 추출된 지식으로 의사결정 수행
(머신러닝, 데이터 마이닝)

 

인공지능의 한계

머신러닝의 99%는 인간의 수작업에 의존한다.
머신러닝을 유지하기 위해 많은 양의 데이터를 분류하고 정리하는 것이 필요하다.
데이터를 분류하고 적절한 알고리즘을 제공하는 과정에는 사람이 개입해야 한다.
결국 인공지능의 핵심은 인간의 노동력에 기반한다고 할 수 있다.

편향된 데이터로 학습할 경우 인공지능도 편견 형성됬으며
인공지능 챗봇 이루다 : 일부 사용자들이 학습 능력을 악용해 부적절 단어 주입으로 인해 혐오 발언을 가감 없이 내놓은 사태 발생 으로 20일만에 서비스 중단됬다.
재범률을 예측하는 콤파스 : 흑인의 범행위 검거되는 비율이 높았던 관계로흑인의 재범률을 백인에 비해 실제보다 더 높게 추론한다.
아마존의 채용 인공지능 : 남성 지원자가 많았던 과거 이력서 데이터 학습으로 인한 여성차별 문제로 인해 자체 폐기한다.