다양한 유형의 인공 지능 이해

오늘날 우리가 가장 많이 상호 작용하는 AI 애플리케이션의 초기 반복은 기존 기계 학습 모델을 기반으로 구축되었습니다. 이러한 모델은 데이터 과학자가 개발하고 유지 관리하는 학습 알고리즘에 의존합니다. 즉, 기존 기계 학습 모델은 새로운 정보를 처리하고 초기 훈련을 벗어나는 새로운 작업을 수행하기 위해 사람의 개입이 필요합니다.

예를 들어, Apple은 2011년에 Siri를 iOS의 기능으로 만들었습니다. 이 초기 버전의 Siri는 매우 구체적인 진술 및 요청 집합을 이해하도록 훈련되었습니다. Siri의 지식 기반과 기능을 확장하려면 사람의 개입이 필요했습니다.

그러나 AI 기능은 기계가 강화 학습에 참여하고 인간의 두뇌가 정보를 처리하는 방식을 시뮬레이션할 수 있게 해주는 인공 신경망이 2012년 획기적으로 개발된 이후 꾸준히 발전해 왔습니다.

기본 머신 러닝 모델과 달리 딥 러닝 모델을 사용하면 AI 애플리케이션이 인간의 지능이 필요한 새로운 작업을 수행하고, 새로운 행동에 참여하고, 인간의 개입 없이 결정을 내리는 방법을 학습할 수 있습니다. 그 결과, 딥러닝은 산업 전반에서 자동화, 콘텐츠 생성, 예측 유지 관리 및 기타 능력을 구현할 수 있게 되었습니다.

딥 러닝 및 기타 발전으로 인해 AI 분야는 끊임없이 빠르게 변화하고 있습니다. 현실화된 AI와 이론적 AI에 대한 우리의 집단적 이해는 계속 변화하고 있으며, 이는 AI 범주와 AI 용어가 출처마다 다를 수 있고 중복될 수 있음을 의미합니다. 그러나 AI의 유형은 AI 능력과 AI 기능이라는 두 가지 포괄적인 범주를 검토하여 크게 이해할 수 있습니다.

1. 좁은 인공 지능

좁은 인공지능(Narrow AI)이라고도 불리는 약한 AI는 현재 존재하는 유일한 유형의 AI입니다. 다른 형태의 AI는 이론적일 뿐입니다. 컴퓨터는 단 하나의 작업이나 좁은 범위의 작업을 수행하도록 훈련될 수 있으며, 종종 인간의 정신보다 훨씬 빠르고 더 잘 수행할 수 있습니다.

그러나 정의된 작업 외에는 수행할 수 없습니다. 대신, 인지 능력의 단일 하위 집합을 대상으로 하며 해당 스펙트럼의 발전을 목표로 합니다. 시리, 아마존의 알렉사, IBM Watson 등이 좁은 인공지능(Narrow AI)의 예입니다. OpenAI의 ChatGPT도 텍스트 기반 채팅이라는 단일 작업에만 국한되어 있기 때문에 좁은 AI의 한 형태로 간주됩니다.

2. 일반 AI

인공 일반 지능(AGI)은 강력한 AI 라고도 불리며 현재로서는 단지 이론적인 개념일 뿐입니다. AGI는 사람이 기본 모델을 학습시킬 필요 없이 이전의 학습과 기술을 사용하여 다른 상황에서 새로운 작업을 수행할 수 있습니다. 이 능력을 통해 AGI는 인간이 할 수 있는 모든 지적 작업을 학습하고 수행할 수 있습니다.

3. 슈퍼 AI

슈퍼 AI는 일반적으로 인공 초지능이라고 불리며, AGI와 마찬가지로 엄밀히 말해 이론적인 개념입니다. 실현된다면 슈퍼 AI는 생각하고, 추론하고, 배우고, 판단하고, 인간을 능가하는 인지 능력을 소유하게 될 것입니다.

슈퍼 AI 능력을 갖춘 애플리케이션은 인간의 감정과 경험을 이해하는 수준을 넘어 감정을 느끼고, 욕구를 가지며, 자신만의 신념과 욕구를 가질 수 있도록 진화할 것입니다.

기능에 기반한 세 가지 유형 중 하나인 좁은 AI 아래에는 두 가지 기능적 AI 범주가 있습니다.

1. 반응형 머신(Reactive Machine) AI

반응형 머신은 메모리가 없는 AI 시스템이며 매우 구체적인 작업을 수행하도록 설계되었습니다. 이전 결과나 결정을 기억할 수 없기 때문에 현재 사용 가능한 데이터로만 작업합니다. 반응형 AI는 통계 수학에서 비롯되며 방대한 양의 데이터를 분석하여 겉보기에 지능적으로 보이는 아웃풋을 생성할 수 있습니다.

반응형 머신 AI의 예
 

• IBM 딥 블루(Deep Blue): IBM의 체스 슈퍼컴퓨터 AI는 1990년대 후반 체스 그랜드마스터인 가리 카스파로프(Garry Kasparov)를 이겼습니다.
• Netflix 추천 엔진: Netflix의 시청 추천은 시청 기록에서 수집된 데이터 세트를 처리하여 고객이 가장 즐길 수 있는 콘텐츠를 제공하는 모델을 기반으로 합니다.

2. 제한적 기억(Limited Memory) AI

반응형 머신 AI와 달리 이러한 형태의 AI는 과거의 이벤트와 결과를 회상하고 시간이 지남에 따라 특정 개체나 상황을 모니터링할 수 있습니다. 제한적 기억 AI는 과거와 현재의 데이터를 사용하여 원하는 결과를 달성하는 데 가장 도움이 될 가능성이 가장 높은 행동 방침을 결정할 수 있습니다.

그러나 제한적 기억 AI는 특정 시간 동안 과거 데이터를 사용할 수 있지만 해당 데이터를 과거 경험 라이브러리에 보존하여 장기간 사용할 수는 없습니다. 시간이 지남에 따라 더 많은 데이터에 대해 훈련되면 제한적 기억 AI는 성능을 향상시킬 수 있습니다.

제한적 기억 AI의 예
 

• 생성형 AI: ChatGPT, Bard 및 DeepAI와 같은 생성형 AI 도구는 생성 중인 콘텐츠의 다음 단어, 구문 또는 시각적 요소를 예측하기 위해 제한적 기억 AI 기능을 사용합니다.
• 가상 어시스턴트 및 챗봇: Siri, Alexa, Google Assistant, Cortana 및 IBM Watson Assistant는 자연어 처리(NLP)와 제한적 기억 AI를 결합하여 질문과 요청을 이해하고 적절한 조치를 취하며 응답을 작성합니다.
• 자율 주행 자동차: 자율 주행 자동차는 제한적 기억 AI를 사용하여 주변 세계를 실시간으로 이해하고 속도를 적용하고, 브레이크를 밟고, 회전을 할 때 등에 대해 정보에 입각한 결정을 내립니다.

3. 마음 이론(Theory of Mind) AI

마음 이론 AI는 일반 AI에 속하는 기능적 AI 클래스입니다. 오늘날에는 실현되지 않은 형태의 AI이지만 마음 이론 기능을 갖춘 AI는 다른 개체의 생각과 감정을 이해할 수 있습니다. 이러한 이해는 AI가 주변 사람들과 상호 작용하는 방식에 영향을 미칠 수 있습니다. 이론적으로 이를 통해 AI는 인간과 유사한 관계를 시뮬레이션할 수 있습니다.

마음 이론 AI는 인간의 동기와 추론을 추론할 수 있기 때문에 개인의 고유한 정서적 요구와 의도에 따라 개인과의 상호 작용을 개인화할 수 있습니다. 또한 마음 이론 AI는 오늘날의 생성형 AI 도구로는 할 수 없는 예술 작품과 에세이를 이해하고 맥락화할 수 있습니다.

감정 AI는 현재 개발 중인 마음 이론 AI입니다. AI 연구자들은 음성, 이미지 및 기타 종류의 데이터를 분석하여 인간을 감정적 수준에서 인식하고, 시뮬레이션하고, 모니터링하고, 적절하게 반응할 수 있기를 희망합니다. 현재까지 감정(Emotion) AI는 인간의 감정을 이해하고 반응할 수 없습니다.

4. 자기 인식(Self-Aware) AI

자기 인식 AI는 초인적 AI 능력을 갖춘 애플리케이션을 위한 일종의 기능적 AI 클래스입니다. 마음 이론 AI와 마찬가지로 자기 인식 AI는 엄밀히 말하면 이론적입니다. 만약 그렇게 된다면, 그것은 인간의 감정과 생각과 함께 자신의 내적 조건과 특성을 이해할 수 있는 능력을 갖게 될 것이다. 또한 고유한 감정, 요구 및 신념이 있을 것입니다.

감정 AI는 현재 개발 중인 마음 이론 AI입니다. 연구원들은 음성, 이미지 및 기타 종류의 데이터를 분석하여 감정적 수준에서 인간을 인식, 시뮬레이션, 모니터링 및 적절하게 대응할 수 있는 능력을 갖기를 희망합니다. 현재까지 감정(Emotion) AI는 인간의 감정을 이해하고 반응할 수 없습니다.

컴퓨팅 비전

컴퓨팅 비전을 갖춘 좁은(Narrow) AI 애플리케이션은 시각적 세계를 해석하고 분석하도록 훈련될 수 있습니다. 이를 통해 지능형 기계는 이미지 및 비디오 장면 내에서 물체를 식별하고 분류할 수 있습니다.

컴퓨팅 비전의 애플리케이션은 다음과 같습니다.

• 이미지 인식 및 분류
• 객체 감지
• 객체 추적
• 얼굴 인식
• 콘텐츠 기반 이미지 검색

컴퓨팅 비전은 AI 기계가 주변의 물리적 세계와 상호 작용하고 횡단하는 사용 사례에 매우 중요합니다. 예를 들어 자율 주행 자동차와 기계가 창고 및 기타 환경을 탐색하는 것이 있습니다.

로봇 공학

산업 현장에서 로봇들은 좁은 AI를 활용하여 자재 처리, 조립 및 품질 검사와 같은 일상적이고 반복적인 작업을 수행할 수 있습니다. 의료 분야에서 좁은 AI가 탑재된 로봇은 외과의가 바이탈을 모니터링하고 시술 중 잠재적인 문제를 감지하는 데 도움을 줄 수 있습니다.

농업 기계는 자율 가지 치기, 이동, 솎아내기, 파종, 살포 작업을 수행할 수 있습니다. iRobot Roomba와 같은 스마트 홈 장치는 컴퓨터 비전을 사용하여 집 내부를 탐색하고 메모리에 저장된 데이터를 사용하여 진행 상황을 이해합니다.

전문가 시스템

좁은 범위의 AI 능력을 갖춘 전문가 시스템은 인간의 의사결정 과정을 모방하여 코퍼스를 기반으로 훈련될 수 있으며, 전문 지식을 적용하여 복잡한 문제를 해결할 수 있습니다. 이러한 시스템은 방대한 양의 데이터를 평가하여 추세와 패턴을 파악하여 결정을 내립니다. 또한 기업이 미래의 이벤트를 예측하고 과거 이벤트가 발생한 이유를 이해하는 데 도움을 줄 수 있습니다.

IBM은 초기부터 AI 분야를 개척하며 이 분야에 획기적인 발전을 거듭해 왔습니다. IBM은 가장 최근에 IBM watsonx™ 포트폴리오에 대한 대규모 업그레이드를 출시했습니다. IBM watsonx.ai 는 파운데이션 모델과 기존 머신 러닝을 기반으로 하는 새로운 생성형 AI 능력을 전체 AI 수명 주기에 걸친 강력한 스튜디오로 통합합니다. watsonx.ai를 통해 데이터 과학자는 단일 협업 스튜디오 환경에서 머신 러닝 모델을 구축, 훈련 및 배포할 수 있습니다.