인공지능 AI

◦ (인공지능 개념) 인공지능은 인간의 지능을 인공적으로 만들어내는 것으로 많은 학자들이 다르게 정의하고 있지만, 인간의 사고와 행동을 모방한다는 공통점을 가지고 있다.
◦ (튜닝 테스트) 컴퓨터나 기계가 가진 지능이라는 개념은 엘런 튜닝 (1912-1954)이 자신의 1950년 논문 ‘Computing Machinery and Intelligence(1950)’에서 이미테이션 게임이라는 방법을 제안하여 컴퓨터의 지능을 측정할 수 있는 방안을 제안하고 기계가 생각할 수 있는가(‘Machine can think?’)라는 질문을 던졌.

<그림 > 앨런 튜닝의 질문 ‘기계가 생각할 수 있나?’ (1950년)

 

◦ (인공지능 기술) 인공지능 분류도 정의 못지않게 기술을 바라보는 관점, 배경, 목적에 따라 다양하게 분류됨. 전통적으로는 이론지능, 추론지능, 감각지능으로 분류하고 세부기술로 분류하였음. 하지만 이세돌의 바둑 대국으로 유명세를 탄 딥마인드 알파고의 학습(Learning)도 갑자기 생겨난 기술이라기보다는 예전부터 연구되어 오던 분야이며, 딥러닝 (Deep Learning)과 강화학습이 많은 주목을 받고 있다.

<그림 > 전통적인 인공지능 기술 분류 출처: 강동수, ICBMS+AI 기술을 이용한 국가안보 발전방향 연구, RINSA, 2017.

 

◦ (인공지능의 분류) Stuart Russell and Peter Norvig에 따르면 Thinking Humanly, Acting Humanly, Thinking rationally와 Acting rationally로 구분하여 인간의 지능을 묘사하려는 방법들을 정의하고 있으며 필자가 공감하는 분류이다.

◦ (현실적인 인공지능) 이러한 4가지 목록화한 인공지능의 정의를 볼 때 현대사회에서 바라보는 인공지능은 주로 Thinking Humanly와 Acting Humanly로 일반적인 인공지능은 Acting Humanly, 즉 사람처럼 행동하게 하는 부분에서 인공지능을 의미한다.
◦ (인간처럼 행동) 기계로 사람이 행동하는 것과 유사하게 접근하겠다는 방식으로 인간처럼 생각하고자 하는 것이 아니라 인간처럼 행동하는데 초점이 맞춰있기 때문에 지능과는 거리가 멀 수도 있지만, 실질적으로 중요한 문제들을 해결하는데 가장 유용한 방식임.

<그림 > 인공지능 분류

 

◦ (인공신경망) 인공지능 기술의 근간이 되는 인공신경망의 기본 구조는 입력 레이어, 처리 레이어, 출력 레이어의 구조로 딥러닝은 보통 2개 이상의 처리 레이어를 가지고 있다.
◦ (기계 학습 분류) 기본적으로 컴퓨터가 데이터를 학습하여, 판단이나 예측 결과를 제공하는 알고리즘으로 학습방식과 입력 데이터의 종류에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류한다.
◦ (인공지능 특이점 예상) 인공지능 특이점(Singularity)이 기존 예측 2045년 보다 빠른 2035년으로 예상되고, 인공지능의 한 분야인 기계 학습(머신 러닝)은 특정 영역에서 인간의 능력을뛰어넘는 수준으로 제2의 인공지능 물결의 중심으로 발전되고 있다.

<그림 > 인공지능에서 딥러닝의 위치