인공지능(AI) 이란?

인공지능(AI) 이란?

 

인공지능(Artificail Intelligence)을 공부하면서, 인공지능에 대해서 확실한 정의, 발전과정, 기술들, 응용분야, 최근 동향, 영향력에 대해서 기초적인 부분을 정리하려고 합니다.

 

먼저, 지능이라는 개념은 본능적이나 자동적으로 행동하는 것이 아니라, 생각하고 이해하여 행동하는 능력을 말한다.

 

1956년 Dartmouth Conference(다트머스 회의)에서 John McCarthy가 AI 용어에 대해서 제안하였으며,"지능적 기계 특히 지능적 소프트웨어를 만드는 과학 과 공학" 정의하였다.

 

인공지능에 대한 정의는 1956년에 맥카시에의해 정의 되어 여러차례 조금씩 변형되어 왔는데 1990년에 닐슨이 인공물이 지능적인 행위를 하도록 하는 것으로 정의가 되었다.

 

인공지능(人工知能, Artificial Intelligence)

-인공적으로 만든 지능

-Turing Test(튜링 테스트) : 인공지능하면 튜링 테스트가 유명한데, 인간과 구별할 수 없는 정도의 기계에 대한 능력 테스트이다. 예) Imiatation Game(이미테이션 게임): 흉내 게임

-이 학문의 궁극적인 목적은 "벽을 사이에 두고 다른 인간 혹은 기계와 대화를 한 뒤에 누가 인간이고 누가 기계(인공지능)인지 구별할 수 없을 정도의 수준의 인공지능을 만드는 것"을 최종 목표로 한다

 

 

Strong AI(강한 인공지능): 사람과 같은 지능, sentiment(감정), sapience(지혜), conscience(양심), self-awareness(자아-의식) 등이 모두 갖추어진 인공지능.(튜링 테스트 통과)

 

Weak AI(약한 인공지능): 특정 문제만 해결, 흉내낼 수 있는 정도의 수준이고, 대부분의 인공지능의 접근방향이다. 예)The Chinese Room Thought Experiment(중국인 방 사고실험 by John Searle,1980) ->"이 사고실험 처럼, 이 단어의 뜻을 이해하는 것이 아니라 조합적 특성만 이용하여 대화를 한다는 것"

---

 

인공지능 역사

 

1960년대 이전

-ENIAC개발, LISP언어 개발

-Perceptron(퍼셉트론) 모델(Rosenblatt,1958)=>초기 신경망 모델

-meas-ends analysis(수단 목표 분석) 기법(Newell & Simon,1958)=>범용 문제해결 목표

=>해결해야하는 문제를 State(상태)로 정의, 현재 상태와 목표 상태 간의 차이를 계산, 그 차이에 있는 연산자 선택 적용하는 과정을 반복.예)블록 이동 문제

 

1970년대에서 1980년대 초반

-특정 문제 영역에 효과적인 방법을 찾는 연구, Expert System(전문가 시스템)->특정 문제에서 전문가 수준의 해답을 제공, MYCIN, PROSPECTOR, DENDRAL이 있고 쉘도 개발을 하였다

Prolog언어 개발=> 지식의 표현과 추론을 지원하는 Logic(논리) 기반 언어.

 

MYCIN->스탠포드 대학에서 개발한 전염성 혈액 질환 진단하며 일반 의사보다 높은 정확도

PROSPECTOR-> 광물탐사 데이터 분석

DENDRAL-> 화학식과 질향 스펙트럼 데이터로부터 유기화합물의 분자구조 결정

 

1980년대 중반에서 1990년대

*신경망 모델 발전

- Multi-Layer Perceptron(다층 퍼셉트론,MLP): 신경망의 르네상스

- Error backpropogation(오류 역전파) 알고리즘

 

*Fuzzy Theory(퍼지 이론) -> 언어적인 애매한 정보를 정량화하여 표현

 

*진화연산 -> 진화 개념을 도입- 유전자 알고리즘, 진화 프로그래밍 등

 

* 확률적 그래프 모델 -> 그래프 이론과 확률론을 결합, 컴퓨터 비전, 로보틱스, 자연어처리, 진단 등에 적용.

 

*Support Vector Machine(SVM)

 

2000년대 이후

*Agent(에이전트)-> 위임받은 일을 자율적으로 처리

 

*semantic web(시맨틱 웹)-> 컴퓨터가 웹 상의 자원을 이해하여 처리

 

*Machine Learning(머신 러닝)

 

*Data Mining(데이터 마이닝)

 

*Deep Learning(딥러닝)

 

*상업적 성공 사례가 다수 출현하게 되었다.

(애플의 Siri, 구글, Now, MS Cortana, IBM의 Watcon, 자율주행 자동차 , 클라우드 앱 서비스 등)

 

튜링 테스트 최조 통과 프로그램 -> Eugene Goostman (13세인 우크라이나 소년 캐릭터의 챗봇, 30명의 검사자가 5분씩 대화: 33%가 사람으로 판정)

 

뢰브너 상(Loebner Prize)

-1990년 이후 매년 개최, 튜링 테스트 대회

 

 

채팅 봇 테이(Tay, Microsoft)

사용자의 성향을 학습하여 대화를 하는 개인 맟춤형 로봇

10대 소녀 채팅 봇, 오도한 학습 사례 발생으로 운영 중단.

---

 

*인공 지능의 연구 분야(기술)

 

 

1. Search(탐색) : 예를 들면, I can speak ? for angry person 이라는 문장이 있을 때, 이 ? 에 들어갈 수 있는 공간(space)에 대해서 최적의 해를 찾기 위해 체계적으로 찾아보는 것.

무정보 탐색 -> 너비 우선 탐색(BFS),깊이 우선 탐색(DFS)

휴리스틱 탐색 -> 언덕오르기 탐색(hill climbing), 최선 우선탐색(BFS), 빔탐색, A*알고리즘

게임 트리 탐색 -> mini-max알고리즘, α-β 가지치기(pruning), 몬테카를로 트리 탐색

 

2.Knowledge representation(지식표현) : 문제 해결에 효과적으로 도움이 될 수 있도록 표현하는 것.

IF-THEN규칙, 스크립트, 확률 그래프 모델, Logic.. 등

 

3. Inference(추론) : 가정이나 전제로부터 결론을 이끌어 내는 것. 

규칙기반 시스템의 추론이고 "이러이러한 조건이면 답은 이런 것이다" 이렇게 추론을 하거나 가능성을 가지고 확률 또는 확률 분포를 결정.

 

4.Machine Learning(기계 학습) : 기계가 경험을 통해 일을 효율적으로 처리할 수 있도록 시스템의 구조나 인자를 바꾸는 것, 경험/훈련/교육을 통하여 지식을 갖게 만드는 작업.

지도학습(supervised learning): 입력값 출력값을 주고 기계한테 학습시키는 것(분류(classification), 회귀(regression))

비지도학습(unsupervised learning): 입력값(데이터)만 주어주고 유사한 것들끼리 Clustering(군집화)하거나 확률분포로 표현

강화학습(reinforcement learning): 행동을 하고 reward value(보상)을 주어서 학습을 시키는 것.

 

5.Planning(계획수립) : 로봇의 움직임을 계획 수립하는 작업.

 

 

 

---

 

주요 응용 분야

 

1. Expert System(전문가 시스템): 특정 문제 영역에 대해 전문가 수준의 해법을 제공하는 것,

Rule-based system을 통한 구현 

제어 시스템, 의료 진단, 고장 진단, 추천 시스템 등으로 활용.

 

2. Data mining(데이터 마이닝) : 실제 대규모 데이터에서 암묵적인, 이전에 알려지지 않은, 잠재적으로 유용할 거 같은 정보를 추출하는 체계적인 과정. 머신러닝, 통계학 기법 적용

=> 연관 규칙, 분류 패턴, 군집화 패턴, 텍스트 마이닝, 그래프 마이닝, 추천, 시각화(Visualization)활용.

 

3. Pattern Recongnition(패턴 인식)

-데이터에 있는 패턴이나 규칙성을 찾는 것

-문자, 음성, 영상, 센서 신호, 텍스트 패턴 등을 인식,

-Outlier(이상치) 탐지

 

4. Natural Language Processing(자연어 처리)

사람이 사용하는 일반 언어로 작성된 문서를 처리하고 이해하는 분야

-형태소, 구문 분석, 품사나 의미를 분석한다.

-문서를 요약, Machine Translation(기계 번역), 질의 응답에 활용된다.

 

5. Computer Vision(컴퓨터 비전)

컴퓨터를 이용하여 시각 기능을 갖는 기계 장치를 만들려는 분야

 

6. 음성 인식

사람의 음성 언어를 컴퓨터가 해석해 그 내용을 문자 데이터로 전환

 

7. 로보틱스(robotics)

-로봇에 관련된 기술 분야로서 기계공학, 센서공학, 마이크로 일렉트 로닉스, 인공지능 기술 등을 종합적으로 활용

-지능 로봇(intelligent robots)

 

8. Agent(에이전트)

사용자로부터 위임받은 일을 자율적으로 수행하는 시스템

 

 

최근 동향

* 인공지능 비서 서비스

-애플의 Siri와 구글의 Now(Google Assistant)

-voice recognition, natural language processing, information retrieval, recommendation

 

* IBM Watson : 자연어로 주어진 질문에 답변을 하는 인공지능 시스템

-자연어 처리, 정보 검색, 지식 표현 및 추론, 기계학습 이용 질의에 대한 답변

-비구조화된 데이터(unstructured data) 분석

-복잡한 질문 이해

-답변 제공

-의료,  금융, 유통 등 다양한 분야에 활용

-ExoBrain프로젝트 : 한국어 질의응답 시스템

 

* Autonomous Vehicle(자율주행 자동차)

구글 자동차-2017년 누적 주행 거리가 600만 킬로미터 이상인 주행 테스트

-유수 자동차 회사 및 IT 기업에서 개발 연구 진행(Tesla Motors, Volvo, GM, Daimler, Ford, Audi, BMW, Hyundai, 네이버 랩스 등)

 

*기계 번역(machine translation)

 

*인공지능 바둑 프로그램 알파고(AlhaGo)

-구글 Deepmind 개발(기계 학습과 병렬처리로 구현)

*클라우드 서비스 앱

-스마트폰을 데이터 입출력 단말기로 사용

-핵심 처리는 클라우드의 서버에서 담당

구글의 앱 Goggles-> 이미지 인식 스마트폰 앱, 기기에서 찍힌 사진을 기반으로 한 검색

 

*딥러닝(deep learning)의 컴퓨터 비전에서 성공적 사례

 

이미지 주석 (Image Captioning/Annotation) 달기

 

화풍에 따른 그림 그리기

 

 

* 인공지능 기술 도입

자동화 -> 생산성 향상

일자리 문제 예) RPA, 일자리 축소

사회적 문제 초래 -> 고용 및 일자리, 기회의 불평등, 양극화 등

 

* 인공지능의 윤리

-자율주행 자동차의 돌발 상황에 대한 프로그래밍 : 희생자 선택 프로그래밍 요구

 

* 인공지능 기술의 오용

-개인 신원 확인 기술 : 지문, 얼굴 사진, 목소리, 필체 등

-인공지능 기술 이용한 위조 데이터 생성 : 사생활 침해, 인간 존엄성 도전

-살상용 자율무기(LAWS)

 

*Singualrity(특이점) : 기술의 수준이 어느 한 순간 기하급수적으로 증가하는 시점

-AI Singularity : 인공지능이 인간의 지능보다 더 진보하게 되는 시점