인공지능(AI)

menu icon

인공지능(AI)

인공지능은 컴퓨터와 기계를 활용하여 인간 마음의 문제점 해결과 의사결정 능력을 모방합니다.

인공지능이란?

지난 수십 년 동안 수많은 인공지능(AI)에 관한 정의가 내려졌지만, John McCarthy는 이 2004년 논문(PDF, 106 KB)(IBM 외부 링크)에서 이러한 정의를 내렸습니다. "이는 지능형 기계, 특히 지능형 컴퓨터 프로그램을 만드는 과학이자 공학입니다. 이는 컴퓨터를 사용하여 인간 지능을 이해하는 유사한 태스크와 관련되지만, AI는 생물학적으로 관찰 가능한 방법으로 자신을 제한한 필요가 없습니다."

그러나, 이러한 정의가 나오기 수십년 전에, 인공 지능 대화의 탄생은 1950년에 공개된 Alan Turing의 중대한 작업인 "컴퓨팅 기계 및 지능"(PDF, 89.8KB)(IBM 외부 링크)으로 알려졌습니다. 이 논문에서, 종종 "컴퓨터 사이언스의 아버지" 로 언급되는 Turing은 이러한 질문을 합니다. "과연 기계가 생각할 수 있을까?" 여기에서 그는 현재 "튜링 테스트"로 알려진 유명한 테스트를 제공하는데, 여기서 인간 질문자는 컴퓨터와 인간 텍스트 답변을 구분하려고 시도합니다. 이 테스트는 공개된 이후 많은 검토를 받았지만, 이는 언어학과 관련된 아이디어를 활용하면서 철학 내에서 진행 중인 개념 뿐만 아니라 AI 역사의 중요한 부분으로 남아 있습니다.

Stuart Russell 및 Peter Norvig은 이후에 AI 연구의 선도적인 교과서 중 하나가 된 인공지능: 현대식 접근 방식(IBM 외부 링크)을 출간했습니다. 여기서 이들은 합리성과 사고 대 행동을 기반으로 컴퓨터 시스템을 차별화하는 AI의 4가지 잠재적 목표 또는 정의를 탐구했습니다.

인간의 접근 방식:

  • 인간처럼 생각하는 시스템
  • 인간처럼 행동하는 시스템

이상적인 접근 방식:

  • 이성적으로 생각하는 시스템
  • 이성적으로 행동하는 시스템

Alan Turing의 정의는 "인간처럼 행동하는 시스템"의 범주 하에 속했습니다.

가장 단순한 형태로, 인공지능은 컴퓨터 사이언스와 강력한 데이터 세트를 결합하여 문제점 해결을 가능하게 하는 분야입니다. 이는 또한 인공지능과 함께 자주 언급되는 머신 러닝과 딥 러닝의 하위 영역도 포괄하고 있습니다. 이러한 원칙들은 입력 데이터를 기반으로 예측 또는 분류를 작성하는 전문가 시스템을 만들고자 하는 AI 알고리즘으로 구성됩니다.

오늘날 AI 개발과 관련하여 여전히 대대적인 광고가 펼쳐지고 있으며, 새로운 신흥 기술이 등장할 것으로 기대됩니다. Gartner의 하이프 사이클(IBM 외부 링크)에서 언급한 바와 같이, 자율주행차 및 개인 비서 등의 제품 혁신은 "과도한 열중에서부터 환멸의 시기를 거쳐 시장이나 도메인에서 혁신의 관련성과 역할에 대한 궁극적인 이해로 나아가는 전형적인 혁신 프로세스"를 따르고 있습니다. 여기(IBM 외부 링크)에서 보듯이 Lex Fridman이 2019년 MIT 강연에서 설명한 대로, 우리는 부풀려진 기대치의 정점에 있으며 환멸의 골짜기로 다가가고 있습니다.

AI의 윤리를 둘러싼 대화가 활발해지면서, 우리는 환멸의 골짜기의 초기의 모습을 보기 시작할 수 있습니다. AI 윤리와 관련한 대화에서 IBM의 입장에 대해 자세히 알아보려면 여기에서 읽어보세요.

인공지능의 유형 - 약한 AI 대 강한 AI

협의적 AI 또는 ANI(Artificial Narrow Intelligence)라고도 하는 약한 AI는 특정 태스크를 수행하도록 훈련되고 집중화된 AI입니다. 약한 AI는 오늘날 우리를 둘러싸고 있는 대부분의 AI를 구동합니다. 결코 약하지 않으므로, '협의'가 이러한 AI 유형에 대해 보다 정확한 서술이 될 것입니다. 이는 Apple의 Siri, Amazon의 Alexa, IBM Watson 및 자율주행차 등 몇몇 매우 강력한 적용 분야의 기반이 됩니다.

강한 AI는 AGI(Artificial General Intelligence) 및 ASI(Artificial Super Intelligence)로 구성되어 있습니다. AGI(Artificial General Intelligence) 혹은 일반 AI는 기계가 인간과 동일한 지능을 갖춘 AI의 이론적 형태입니다. 이는 문제를 해결하고 학습하며 미래의 계획을 세울 수 있는 능력을 지닌 자가 인식하는 의식을 갖습니다. 초지능이라고도 하는 ASI(Artificial Super Intelligence)는 인간 두뇌의 지능과 능력을 능가합니다. 강한 AI가 오늘날 사용 중인 실제 사례가 없는, 아직까지는 순전히 이론에 불과하지만, AI 연구자들은 여전히 이의 개발을 몰두하고 있습니다. 한편, ASI의 가장 좋은 사례는 2001: A Space Odyssey의 HAL, 수퍼휴먼, 악당 컴퓨터 어시스턴트 등 공상과학 소설에서 찾아볼 수 있습니다.

딥 러닝 vs. 머신 러닝

딥 러닝과 머신 러닝이 상호 교환적으로 사용되는 경향이 있으므로, 이 둘 사이의 뉘앙스를 주목할 가치가 있습니다. 위에서 언급한 바와 같이 딥 러닝과 머신 러닝은 모두 인공지능의 하위 영역이며, 딥 러닝은 실제로 머신 러닝의 하위 영역입니다.

AI, ML 및 DL 간의 상호 관련성의 시각적 표현

 

딥 러닝은 실제로 신경망으로 구성되어 있습니다. 딥 러닝의 "딥"은 입력과 출력을 포함할 수 있는 3개 이상의 계층으로 구성된 신경망을 의미하며, 이는 딥 러닝 알고리즘으로 간주될 수 있습니다. 이는 일반적으로 다음의 다이어그램을 사용하여 표현됩니다.

심층 신경망의 다이어그램

딥 러닝과 머신 러닝의 차이점은 각 알고리즘의 학습 방법에 있습니다. 딥 러닝은 프로세스의 기능 추출 부분을 대부분 자동화함으로써, 필요한 수동적인 사용자 개입의 일부를 제거하고 보다 큰 데이터 세트의 사용을 가능하게 합니다. 위에서와 동일한 MIT 강연에서 Lex Friman이 언급한 대로, 딥 러닝을 "확장형 머신 러닝"으로 생각할 수 있습니다. 고전적인 혹은 "딥이 아닌" 머신 러닝은 학습을 위해 인간의 개입에 보다 많이 의존합니다. 인간 전문가들은 데이터 입력들 간의 차이를 파악하기 위해 기능의 계층 구조를 판별하며, 학습을 위해 일반적으로 보다 정형적인 데이터를 필요로 합니다.

"딥" 머신 러닝은 감독형 학습이라고도 하는 레이블링된 데이터 세트를 활용하여 자체 알고리즘에 알릴 수 있지만, 레이블링된 데이터 세트가 반드시 필요하지는 않습니다. 이는 원시 양식(예: 텍스트, 이미지)에서 비정형 데이터를 수집할 수 있으며, 서로 간에 상이한 데이터 카테고리를 구별하는 기능들의 계층 구조를 자동으로 판별할 수 있습니다. 머신 러닝과는 달리, 이는 데이터 처리에 인간의 개입이 필요하지 않으므로 보다 흥미로운 방법으로 머신 러닝을 확장할 수 있도록 허용합니다.

인공지능 애플리케이션

오늘날에는 AI 시스템의 다양한 실세계 적용 분야가 존재합니다. 다음은 가장 일반적인 사례 중 일부입니다.

  • 음성 인식: 이는 자동 음성 인식(ASR), 컴퓨터 음성 인식 또는 음성-텍스트 변환으로 알려져 있으며, 자연어 처리(NLP)를 사용하여 인간의 음성을 문서 형식으로 처리하는 기능을 말합니다. 다수의 모바일 디바이스는 자체 시스템에 음성 인식을 내장하여 음성 검색을 수행하거나(예: Siri), 문자 메시지와 관련한 추가적인 접근성을 제공합니다.
  • 고객 서비스: 온라인 챗봇이 고객 여정에서 인간 상담사들을 대체하고 있습니다. 이들은 배송 등의 문제와 관련된 자주 묻는 질문(FAQ)에 답변합니다. 또는 맞춤형 조언, 교차 판매 제품 또는 사용자에 맞는 크기 제안, 웹사이트와 소셜 미디어 플랫폼에서 고객 참여에 대한 사고 방식의 변경 등을 제공합니다. 실제 사례로는 가상 에이전트를 통한 전자상거래 사이트의 메시징 봇, Slack 및 Facebook Messenger 등의 메시징 앱, 그리고 통상적으로 가상 어시스턴트와 음성 어시스턴트가 수행하는 태스크를 들 수 있습니다.
  • 컴퓨터 비전: 이 AI 기술을 사용하여 컴퓨터와 시스템은 디지털 이미지, 비디오 및 기타 시각적 입력에서 의미 있는 정보를 추출할 수 있으며, 이러한 입력에 따라 조치를 취할 수 있습니다. 추천을 제공하는 이 기능은 이를 이미지 인식 태스크와 차별화합니다. 나선형 신경망으로 구동되는 컴퓨터 비전은 소셜 미디어의 사진 태깅, 의료 분야의 방사선 촬영, 그리고 자동차 산업의 자율주행차 등에 적용될 수 있습니다.
  • 추천 엔진: 과거의 소비 행태 데이터를 사용함으로써, AI 알고리즘은 보다 효과적인 교차 판매 전략의 개발에 사용할 수 있는 데이터 트렌드를 발견하는 데 도움이 됩니다. 이는 온라인 소매업체의 체크아웃 프로세스 중에 고객들에게 연관된 부가적인 추천사항을 제공하는 데 사용됩니다.
  • 자동 주식 거래: 주식 포트폴리오를 최적화하도록 설계된 AI 기반의 고주파 거래 플랫폼은 인간의 개입 없이도 하루에 수천 건 또는 수백만 건의 거래를 체결합니다.

인공지능의 역사: 주요 날짜와 이름

'생각하는 기계'라는 아이디어는 고대 그리스까지 거슬러 올라갑니다. 그러나, 전자 컴퓨팅의 출현(그리고 이 기사에서 논의된 주제들 중 일부와 관련하여) 이후, 인공지능의 진화에서 중요한 사건과 이정표에는 다음이 포함됩니다.

  • 1950: Alan Turing은 Computing Machinery and Intelligence을 출간합니다. 이 논문에서, 제2차 세계대전 중에 나치의 ENIGMA 코드를 해독한 것으로 유명한 Turing은 "'과연 기계가 생각할 수 있을까?"라는 질문에 답변할 것을 제안하고, 컴퓨터가 인간과 동일한 지능(또는 동일 지능의 결과)을 보여줄 수 있는지를 판별하기 위한 튜링 테스트를 소개했습니다. 튜링 테스트의 가치는 그 이후로도 계속된 논쟁거리였습니다.
  • 1956: John McCarthy는 Dartmouth College에서 열린 최초의 AI 컨퍼런스에서 '인공지능' 이라는 용어를 사용했습니다. (McCarthy는 곧 Lisp 언어를 개발합니다.) 당해 년도 말에 Allen Newell, J.C.Shaw 및 Herbert Simon은 최초로 실행되는 AI 소프트웨어 프로그램인 Logic Theorist를 만들었습니다.
  • 1967: Frank Rosenblatt는 시행착오를 거쳐 '학습'하는 신경망 기반의 첫 번째 컴퓨터인 Mark 1 Perceptron을 만들었습니다. 1년 후에, Marvin Minsky 및 Seymour Papert는 Perceptrons이라는 책을 출간했으며, 이는 신경망에 대한 획기적인 연구 성과이자 최소한 당분간은 미래의 신경망 연구 프로젝트의 논쟁거리가 되었습니다.
  • 1980년대: 후면 알고리즘을 사용하여 자신을 훈련하는 신경망이 AI 애플리케이션에서 널리 사용되었습니다.
  • 1997: IBM의 Deep Blue가 체스 경기(및 재경기)에서 세계 체스 챔피언인 Garry Kasparov를 이겼습니다.
  • 2011: IBM Watson이 Jeopardy에서 챔피언인 Ken Jennings 및 Brad Rutter를 이겼습니다!
  • 2015: Baidu의 Minwa 슈퍼컴퓨터가 나선형 신경망이라고 하는 특별한 종류의 심층 신경망을 이용하여 평균적인 인간보다 더 높은 정확도로 이미지를 식별하고 분류했습니다.
  • 2016: 신경망으로 구동되는 DeepMind의 AlphaGo 프로그램이 5경기 시합에서 세계 챔피언 바둑 선수인 이세돌을 이겼습니다. 게임이 진행됨에 따라 가능한 이동 수가 엄청나게 많아졌으므로, 승리는 의미심장했습니다(단 4회의 이동 후 14.5조 이상!). 이후 Google은 알려진 대로 4억 달러에 DeepMind를 구매했습니다.

인공지능과 IBM Cloud

IBM은 기업용 AI 기반 기술 발전의 리더였으며, 여러 산업에 걸쳐 머신 러닝 시스템의 미래를 선도해 왔습니다. 수십 년에 걸친 AI 연구, 모든 규모의 기업들과의 다년간 작업 경험, 그리고 30,000건 이상의 IBM Watson 계약을 통해 얻은 지식을 바탕으로 IBM은 성공적인 인공지능 배치를 위한 AI Ladder를 개발했습니다.

  • 수집: 데이터 수집과 접근성을 간소화합니다.
  • 구성: 비즈니스용 분석 기반을 구축합니다.
  • 분석: 확장형의 신뢰할 수 있는 AI 기반 시스템을 구축합니다.
  • 주입: 전체 비즈니스 프레임워크에서 시스템을 통합하고 최적화합니다.
  • 현대화: AI 애플리케이션과 시스템을 클라우드로 가져옵니다.

IBM Watson은 자동화와 효율성을 크게 향상시키면서도 비즈니스 시스템과 워크플로우를 전환하는 데 필요한 AI 툴을 기업들에게 제공합니다. AI 여정을 완료하는 데 IBM이 도움이 될 수 있는 방법에 대한 자세한 정보는 관리형 서비스 및 솔루션의 IBM 포트폴리오를 살펴보세요.

IBM ID에 등록하고 IBM Cloud 계정을 만드세요.