인공지능

人工智能 / artificial intelligence

인공지능 또는 AI는 인간의 학습능력, 추론능력, 지각능력을 인공적으로 구현시키는 컴퓨터과학의 한 분야이다. 자연어의 이해, 음성 번역, 로보틱스, 인공 시각, 문제 해결, 학습과 지식 획득, 인지 과학 등에 응용된다. 인간을 포함한 동물이 갖고 있는 자연지능(natural intelligence)와는 다른 개념이다.

지능을 갖고 있는 기능을 갖춘 컴퓨터 시스템이며, 인간의 지능을 기계 등에 인공적으로 시연(구현)한 것이다. 일반적으로 범용 컴퓨터에 적용한다고 가정한다. 이 용어는 또한 그와 같은 지능을 만들 수 있는 방법론이나 실현 가능성 등을 연구하는 과학 기술 분야를 지칭하기도 한다.

인공 지능은 크게 두 가지 카테고리로 분류합니다. 기능에 기반한 AI와 역량에 기반한 AI입니다.

• Reactive Machine – 이 AI는 메모리 성능이 없으며 과거 행동을 통해 학습하는 능력이 없습니다. IBM의 Deep Blue는 이 카테고리에 속합니다.
• Limited Theory – 메모리가 추가된 이 AI는 과거 정보를 활용하여 더 나은 결정을 합니다. GPS 위치 앱과 같은 애플리케이션이 이 카테고리에 속합니다.
• Theory of Mind – 이 AI는 인간의 사고를 깊이 있게 이해하는 것을 목표로 지금도 개발 중입니다.
• Self-Aware AI – 인간의 감정을 이해하고 감정을 불러일으키며 자체 감정도 보유한 AI는 아직 가설 단계입니다.

• ANI(Artificial Narrow Intelligence) – 좁게 정의되어 프로그래밍된 작업을 수행하는 시스템입니다. 이 AI는 반응형 메모리와 제한된 메모리를 함께 사용합니다. 현재 AI 애플리케이션 대부분은 이 카테고리에 속합니다.
• AGI(Artificial General Intelligence) – 이 AI는 인간처럼 교육, 학습, 이해, 수행하는 것이 가능합니다.
• ASI(Artificial Super Intelligence) – 이 AI는 우수한 데이터 처리, 메모리, 의사 결정 능력 등으로 인간보다 작업 수행 능력이 뛰어납니다. 현재 존재하는 실제 사례는 없습니다.

인공 지능은 기계에서 인간의 지능을 시뮬레이션하는 컴퓨터 과학의 한 분야입니다. AI 시스템은 기계 학습, 딥 러닝 과 같은 기술을 사용하여 알고리즘을 바탕으로 ‘지능적’인 행동을 보여줍니다.

컴퓨터는 소프트웨어가 이전의 결과 내용을 바탕으로 향후 전개될 시나리오를 성공적으로 예측하고 이에 대응하면서 ‘학습’합니다. 기계 학습은 컴퓨터가 패턴 인식 작업을 개발하는 프로세스 또는 특정 프로그래밍 없이도 컴퓨터가 지속적으로 학습하고 데이터를 기반으로 예측하여 필요한 작업을 수행하는 능력을 의미합니다. 인공 지능의 한 형태인 기계 학습은 분석 모델 빌딩 프로세스를 효과적으로 자동화하고 시스템이 독립적으로 새로운 시나리오에 적응할 수 있도록 합니다.

기계 학습 모델을 구축하는 4단계는 다음과 같습니다.

1. 문제 해결에 필요한 교육 데이터 세트를 선택하고 준비합니다. 이 데이터는 라벨이 있거나 없을 수 있습니다.
2. 교육 데이터에서 실행할 알고리즘을 선택합니다.
   • 데이터에 라벨이 있는 경우 알고리즘은 회귀, 의사 결정 나무 또는 인스턴스 기반일 수 있습니다.
   • 데이터에 라벨이 없는 경우 알고리즘은 클러스터링 알고리즘, 연합 알고리즘 또는 신경망일 수 있습니다.
3. 알고리즘 교육을 통해 모델을 구축합니다.
4. 모델을 사용하고 개선합니다.

기계 학습의 세 가지 방법은 다음과 같습니다. ‘지도형’ 학습은 라벨 데이터를 사용하며 교육이 더 적게 필요합니다. ‘비지도형’ 학습은 패턴과 관계를 식별하여 라벨 없는 데이터를 분류하는 데 사용됩니다. ‘준지도형’ 학습은 소규모 라벨 데이터 세트를 사용하여 더 큰 규모의 라벨 없는 데이터 세트의 분류를 안내합니다.

딥 러닝은 기계 학습의 하위 집합으로, 기존의 일부 기계 학습 방식보다 월등히 뛰어난 성능을 보였습니다. 딥 러닝은 인간의 뇌 활동에 대한 HPE의 연구 내용에서 영감을 받은 다중 계층 인공 신경망과 데이터 및 컴퓨팅 집약적 트레이닝 방식을 결합합니다. 이 방식은 점차 우수한 능력을 나타내며 이미지 및 언어 인식과 자연 언어 프로세싱 등의 다양한 영역에서 인간의 능력을 넘어서기 시작했습니다.

딥 러닝 모델은 많은 양의 데이터를 처리하며, 일반적으로 비지도형 또는 준지도형입니다.