인공지능(AI)

menu icon

인공지능(AI)

인공지능은 컴퓨터와 기계가 인간 사고의 인식, 학습, 문제 해결 및 의사결정 능력을 모방할 수 있도록 합니다.

인공지능이란?

컴퓨터 사이언스에서, 인공지능(AI)이라는 용어는 컴퓨터, 로봇 또는 기타 기계에 의해 표현되는 마치 인간 같은 지능을 의미합니다. 대중적인 용어로, 인공지능은 예제와 훈련으로부터의 학습, 사물 인식, 언어 이해 및 반응, 의사결정, 문제점 해결 그리고 이와 기타 기능을 결합하여 인간이 수행할 수 있는 기능(예: 호텔 손님 접대 혹은 자동차 운전)을 수행하는 인간 사고의 기능을 모방하는 컴퓨터 혹은 머신의 기능을 의미합니다.

수십 년 동안 공상과학 소설로 치부되어 왔던 AI는 오늘날 우리의 일상적 삶의 일부가 되었습니다. AI 개발의 급증은 대용량의 데이터를 갑작스럽게 이용할 수 있게 되고 사람보다 더 빠르고 정확하게 모든 데이터를 처리할 수 있는 컴퓨터 시스템의 개발 및 광범위한 가용성에 의해 가능해졌습니다. AI는 입력 중에 단어를 완성하고, 요청 시에 운전 방향을 제시하며, 마루를 청소하고, 향후의 구매 필수품 또는 몰아서 볼 드라마를 추천합니다. 또한 숙련된 전문가들이 더 빠르고 성공적으로 중요한 작업을 수행하는 데 도움을 주는 의료 이미지 분석 등의 애플리케이션을 구동합니다.

인공지능이 보편화된 오늘날, AI 및 AI 관련 용어들을 이해하기란 쉽지 않습니다. 많은 용어들이 혼용되어 사용되기 때문입니다. 몇몇 경우에는 실제로 서로 혼용되지만, 어떤 경우에는 그렇지 않습니다. 인공지능과 머신 러닝 간의 차이점은 무엇일까요? 머신 러닝과 딥 러닝 간의 차이점은 무엇일까요? 음성 인식과 자연어 처리 간의 차이점은 무엇일까요? 약한 AI와 강한 AI 간의 차이점은 무엇일까요? 이 기사에서는 이러한 용어들과 함께 기타 용어들을 자세히 살펴보고 AI 작동 방식의 기초를 이해하는 데 도움을 주고자 합니다.

인공지능, 머신 러닝 및 딥 러닝

인공지능(AI), 머신 러닝 및 딥 러닝 간의 관계를 이해하는 가장 손쉬운 방법은 다음과 같습니다.

  • 인공지능을 인간 지능을 닮은 모든 것들을 원격으로 표현하는 컴퓨팅 기술의 전체 세상이라고 생각해 보세요. AI 시스템에는 복잡한 규칙이나 if/then 로직을 기반으로 의사결정을 내리는 전문가 시스템에서부터 인간의 지능, 자유 의지 및 감정을 개발하는 컴퓨터인 가상의 Pixar 캐릭터 Wall-E와 같은 것에 이르기까지 무엇이든 포함될 수 있습니다.  
  • 머신 러닝은 자가 학습을 수행하는 AI 애플리케이션의 서브세트입니다. 이는 실제로 더 많은 데이터를 취득하면서 자신을 재프로그래밍함으로써 점차적으로 보다 높은 정확도를 갖고 수행하도록 설계된 특정 태스크를 수행합니다. 
  • 딥 러닝은 인간의 개입 없이도 점차로 높은 정확도로 특정 태스크를 수행할 수 있도록 자가 학습을 수행하는 머신 러닝 애플리케이션의 서브세트입니다.
인공지능, 머신 러닝 및 딥 러닝 간의 관계의 다이어그램

머신 러닝과 딥 러닝 그리고 이들 간의 차이점을 좀 더 자세히 살펴보겠습니다.

머신 러닝

머신 러닝 애플리케이션(머신 러닝 모델이라고도 함)은 신경망 을 기반으로 하며, 이는 인간 두뇌의 인식과 사고 과정을 모방하려고 시도하는 알고리즘 계산의 네트워크입니다. 가장 기본적으로, 신경망은 다음으로 구성되어 있습니다.

  • 입력 레이어: 여기서 데이터는 네트워크에 진입합니다.
  • 최소 하나의 은닉 레이어: 여기서 머신 러닝 알고리즘은 입력을 처리하고 가중치, 편향 및 임계값을 입력에 적용합니다. 
  • 출력 레이어: 여기서는 다양한 결론이 도출되며, 네트워크는 다양한 수준의 확신을 갖습니다.
기본 신경망의 다이어그램.

딥 러닝 모델이 아닌 머신 러닝 모델은 단지 하나의 은닉 레이어를 지닌 인공 신경망을 기반으로 합니다. 이러한 모델에는 모델이 데이터를 식별하고 이해하는 데 도움이 되는 방식으로 해당 기능을 식별하는 태그를 사용하여 개선된 데이터인 레이블링된 데이터가 제공됩니다. 이는 감독형 러닝(즉, 인간의 감독이 필요한 러닝)이 가능합니다(예: 모델에서 알고리즘의 주기적 조정).

딥 러닝

딥 러닝 모델은 다수의 은닉 레이어를 지니며 각각은 이전 레이어의 결론을 더욱 정제하는 신경망인 심층 신경망을 기반으로 합니다. 은닉 레이어를 통해 출력 레이어로의 계산의 이동을 전방 전파라고 합니다. 후방 전파라고 부르는 다른 프로세스는 계산에서 오류를 식별하고, 이에 가중치를 지정하며, 이를 이전 레이어로 다시 푸시하여 모델을 정제하거나 훈련시킵니다.

심층 신경망의 다이어그램.

일부 딥 러닝 모델은 레이블링된 데이터로 작업하는 반면, 다수는 레이블링되지 않은 데이터로 작업할 수 있습니다. 딥 러닝 모델은 비감독형 러닝도 가능하며, 이는 사람의 감독이 거의 없이도 특징과 패턴을 감지할 수 있습니다.

딥 러닝과 기타 머신 러닝 간의 차이점에 대한 간단한 예시로서 Apple의 Siri 또는 Amazon의 Alexa(이는 훈련 없이도 음성 명령을 인식함)와 10년 전의 음성-입력 애플리케이션(이는 사용자가 사용 전에 시스템에 단어의 점수를 알려줌으로써 " 프로그램을 "훈련"(및 데이터를 레이블링)하도록 요구함) 간의 차이점을 들 수 있습니다. 그러나 딥 러닝 모델은 인간보다 더 빠르고 정확하게 일상적인 사물을 식별할 수 있는 이미지 인식 시스템을 포함하여 훨씬 더 정교한 애플리케이션에 파워를 제공합니다.

이러한 기술들 간의 미묘한 차이에 대해 자세히 알아보려면 "AI 대 머신 러닝 대 딥 러닝 대 신경망: 차이점"을 참조하세요.  

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 우리들 주변의 대부분의 AI를 구동시키며, '협의적'이라는 표현이 이 AI에 대해 보다 정확한 수식입니다. 왜냐하면, 이는 결코 약하지 않기 때문입니다. 이는 Apple의 Siri 및 Amazon의 Alexa, Jeopardy에서 인간 경쟁자들을 물리친 IBM Watson 컴퓨터 그리고 자율주행차를 포함하여 매우 인상적인 몇몇 애플리케이션을 작동시킵니다.

AGI(Artificial General Intelligence)라고도 하는 강한 AI는 인간 두뇌의 자율성을 완벽히 복제하는 AI입니다. 이는 많은 유형과 클래스의 문제점을 해결할 수 있으며, 심지어는 인간의 개입 없이도 자신이 풀고자 하는 문제점을 선별할 수도 있는 AI입니다. 강한 AI는 여전히 전적으로 이론적이며, 오늘날 사용 중인 실제 사례는 아직 없습니다. 그렇다고 해서, AI 연구자들이 인간 지능이나 능력보다 뛰어난 AI인 ASI(artificial super intelligence)를 (조심스럽게) 연구 중이지 않은 것은 아닙니다. ASI의 예시로는 2001: 스페이스 오디세이의 수퍼맨(결국에는 악당이 됨) 컴퓨터 어시스턴트인 HAL을 들 수 있습니다.

인공지능 애플리케이션

앞서 언급한 바와 같이 인공지능은 오늘날 도처에 존재하지만, 그 중 일부는 우리가 생각하는 것보다 더 오래 전부터 있었습니다. 다음은 가장 일반적인 예시 중 단지 일부에 불과합니다.

  • 음성 인식: STT(speech to text)라고도 하는 음성 인식은 음성 언어를 인식하고 이를 디지털 텍스트로 변환하는 AI 기술입니다. 음성 인식은 컴퓨터 구술 소프트웨어, TV 음성 리모컨, 음성 기반 텍스트 메시징 및 GPS, 그리고 음성 구동 전화 응답 메뉴를 구동하는 기능입니다.
  • 자연어 처리(NLP): NLP는 소프트웨어 애플리케이션, 컴퓨터 또는 머신이 인간의 텍스트를 이해, 해석하고 생성할 수 있도록 합니다. NLP는 디지털 어시스턴트(예: 앞서 언급한 Siri 및 Alexa), 챗봇 및 기타 텍스트 기반 가상 어시스턴트 이면의 AI입니다. 일부 NLP는 감성 분석을 사용하여 언어에서 분위기, 태도 또는 기타 주관적 특성을 감지합니다.
  • 이미지 인식 (컴퓨터 비전 또는 머신 비전): 사물, 사람, 글 그리고 심지어는 스틸이나 동영상 이미지 내의 동작을 식별하고 분류할 수 있는 AI 기술입니다. 일반적으로 심층 신경망에 의해 구동되는 이미지 인식은 지문 ID 시스템, 모바일 수표예금 앱, 비디오 및 의료 이미지 분석, 자율주행차 등에 사용됩니다.
  • 실시간 추천: 소매 및 엔터테인먼트 웹 사이트는 신경망을 사용하여 고객의 과거 활동, 다른 고객의 과거 활동, 그리고 일중 시간 및 날씨를 비롯한 수많은 기타 요인을 기반으로 고객에게 어필할 수 있는 추가 구매 또는 매체를 추천합니다. 온라인 추천으로 어디서나 매출을 5%에서 30%로 끌어올릴 수 있다는 연구 결과가 나왔습니다.
  • 바이러스 및 스팸 방지: 일단 규칙 기반 전문가 시스템에 의해 구동되면, 오늘날의 바이러스 및 스팸 감지 소프트웨어는 사이버 범죄자들이 생각하는 것만큼 빠르게 새로운 유형의 바이러스와 스팸을 발견하도록 학습할 수 있는 심층 신경망을 채택하고 있습니다.
  • 자동 주식 거래: 주식 포트폴리오를 최적화하도록 설계된 AI 기반 고주파 거래 플랫폼은 사람의 개입 없이 하루에 수천 건 또는 수백만 건의 거래를 실행합니다.
  • 승차 공유 서비스: Uber, Lyft 및 기타 승차 공유 서비스는 인공지능을 사용함으로써 운전자와 승객들에 맞게 대기 시간과 우회로를 최소화하고, 신뢰할 수 있는 ETA를 제공하며, 심지어는 교통량 폭증 시에 할증 요금의 필요성을 제거합니다.
  • 가정용 로봇: iRobot의 Roomba 진공 청소기는 인공지능을 사용하여 방의 크기를 판별하고 장애물을 식별하여 이를 피하며 바닥을 청소하는 가장 효율적인 경로를 학습합니다. 유사한 기술이 잔디 깎는 로봇 기계와 풀 클리너를 구동합니다.
  • 자동조종 기술: 이는 수십 년 동안 상업용 및 군사용 항공기를 운행하고 있습니다. 오늘날 자동조종은 센서, GPS 기술, 이미지 인식, 충돌 회피 기술, 로봇 및 자연어 처리의 조합을 사용하여 하늘에서 항공기를 안전하게 안내하고 필요에 따라 인간 파일럿을 업데이트합니다. 누구에게 물어보느냐에 따라, 오늘날 상업용 항공기 조종사들은 항공기를 수동으로 조종하는 데 3분 30초 정도만 소요합니다.

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 Intelligence"를 출간합니다. 이 논문에서, 제2차 세계대전 중에 나치의 ENIGMA 코드를 해석한 것으로 유명한 Turing은 '과연 기계가 생각할 수 있는가?' 라는 질문에 답변할 것을 제안했습니다. 그리고 컴퓨터가 인간과 동일한 지능(또는 동일한 지능의 결과)을 보여줄 수 있는지 여부를 판별할 수 있도록 Turing Test(IBM 외부 링크)를 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.) 당해년도 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: 네트워크를 훈련하기 위한 알고리즘인 후방 전파를 활용한 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 사다리를 개발했습니다.

  • 수집: 데이터 콜렉션 및 접근성을 간소화합니다.
  • 분석: 확장 가능하고 신뢰할 수 있는 AI 기반 시스템을 구축합니다.
  • 주입: 전체 비즈니스 프레임워크에서 시스템을 통합 및 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.