인지 컴퓨팅과 AI의 주요 차이점

가장 기본적인 수준에서 AI 시스템은 독립적으로 '사고'하고 결정하도록 구축되었습니다. 동시에 인지 컴퓨팅은 인간과 유사한 사고 과정을 시뮬레이션하여 인간의 의사 결정을 대체하는 것이 아니라 의사 결정을 위한 정보를 제공하는 데 사용됩니다. 

예를 들어, AI는 특정 목적을 달성할 수 있는 도구로 생각할 수 있습니다. 반면 인지 컴퓨터는 전반적인 의사 결정 프로세스에 정보를 제공하여 더 광범위한 목표를 달성하는 데 도움이 되는 디지털 어시스턴트와 같은 역할을 합니다.

AI가 A와 B 사이를 가장 빠르게 이동할 수 있는 경로를 안내하는 GPS라면, 인지 컴퓨터는 여행 가이드에 가깝습니다. AI는 기존 지도와 교통 데이터를 참조하여 최적이라고 '생각'하는 경로를 제공할 수 있습니다.

그러나 인지 시스템은 사용자와 협력하여 사용자의 선호도를 학습하고 상황에 더 의존하는 정보에 반응합니다. 날씨가 좋고 단순한 효율성이 최우선 순위가 아닌 경우에는 길을 따라 흥미로운 명소를 강조 표시하거나 경치가 더 좋은 경로를 선택할 수 있습니다.

일반적으로 AI는 전문적인 문제 해결 도구로 생각할 수 있습니다. AI 시스템은 대량의 데이터를 신속하게 분석하여 패턴을 인식하고 사전 정의된 규칙에 따라 결정하는 데 탁월합니다. 사람처럼 생각하도록 설계된 인지 시스템은 AI 기능을 기반으로 하지만 복잡한 비정형 데이터를 더 잘 이해합니다. 인지 시스템은 상호 작용을 통해 학습하고 설명과 권장 사항을 제공합니다.

AI라는 포괄적인 용어는 신경망 및 대규모 언어 모델(LLM)과 같은 제한된 컴퓨터 모델의 특정 유형을 지칭하는 데 더 일반적으로 사용됩니다. 반면, 인지 컴퓨팅은 하이브리드 방법론으로 생각하는 것이 더 좋으며,인지 과학과 컴퓨터 과학을 결합하여 인간의 의사 결정 과정을 강화하고 정보를 제공하는 데 도움이 되는 시스템을 만듭니다.

인지 시스템은 패턴 인식 또는 음성 인식 능력을 개선하기 위해 머신 러닝(ML) 또는 딥 러닝과 같은 AI 기술을 사용하는 경우가 많습니다. 또한 이러한 유형의 시스템은 대량의 데이터를 실시간으로 처리, 수집 및 응답하도록 설계되었습니다. 인지 시스템은 시각적 단서나 제스처 단서 또는 청각적 단서와 같은 다양한 잠재적 데이터 또는 입력 소스에서 정보를 가져옵니다.

개별 AI 모델의 범위가 제한되어 의도한 범위를 벗어나는 데 어려움을 겪을 수 있는 반면, 인지 컴퓨팅 시스템은 다르게 설계되어 있습니다. 인지 컴퓨팅 시스템은 모호성, 불확실성 또는 비구체적인 답변과 관련된 복잡한 문제를 해결하는 데 매우 적합합니다.

다시 말해, 오늘날 우리가 알고 있는 AI는 격차를 해소하고, 일상적이거나 어려운 작업을 진행하는 지름길을 제공하기 위한 것입니다. 인지 컴퓨팅은 더 많은 정보를 바탕으로 결정을 내릴 수 있도록 인간의 인지를 강화하려는 시도에 가깝습니다. 인지 컴퓨팅은 AI를 인간-컴퓨터 상호 작용, 대화 및 내러티브 생성 기술과 같은 보완 분야와 결합하여 인간처럼 학습하고, 추론하고, 이해할 수 있는 기계를 만듭니다. 이러한 접근 방식은 사용자가 더 나은 의사 결정을 내리는 데 도움이 됩니다.

일부 AI 모델은 인간의 능력을 뛰어넘을 정도로 뛰어난 기능을 발휘할 수 있지만, 가장 진보된 AI 시스템조차도 좁은 범위의 작업만 수행하도록 설계되어 있습니다. 널리 사용되는 AI 시스템은 엄청난 능력을 갖춘 것처럼 보이지만, 규칙 기반 지침은 인간 인지의 유연성과 미묘한 차이를 파악하는 데 제약을 가합니다.

AI는 자연어를 이해하거나 특정 물체를 인식하는 것과 같이 맥락과 관련된 작업에서 적어도 아직은 인간의 지능을 완전히 대체하거나 복제할 수 없습니다.

인지 컴퓨팅은 인간의 의사 결정을 대체하는 것을 목표로 하지 않습니다. 대신, 사용자 의사 결정을 개선할 수 있도록 인간의 사고 과정을 담당하는 인지 시스템 유형을 모방하려고 합니다.

개별 시스템마다 수많은 고유 차이점이 있을 수 있으나, 대체로 다음 사항은 AI와 인지 컴퓨팅의 주요 차이점 몇 가지를 강조합니다.

AI 시스템은 반복적이거나 어려운 작업을 자동화하는 데 매우 적합합니다.

인지 컴퓨팅은 인간의 의사 결정을 향상시키고 정보를 제공하는 데 사용됩니다.

AI 시스템은 특정 데이터 세트에 대해 훈련되었으며 찾을 수 있는 특정 답변으로 문제를 처리하는 데 능숙합니다. 예를 들어, AI 시스템은 고객 서비스 핸드북에 대해 학습되어 기존 직원 교육을 기반으로 답변을 제공할 수 있습니다.

인지 컴퓨터는 다양한 유형의 입력을 끌어내고 응답하는 상황에 더 중점을 둡니다. 이러한 이유로 AI 시스템은 구체적인 답변으로 문제를 해결하는 데 더 능숙한 반면, 인지 컴퓨팅은 개방형 문제와 과제를 해결하는 데 더 유용합니다.

AI 시스템은 최선을 다해 문제를 해결하도록 구축되었습니다. 솔루션을 신속하게 제공할 수 있지만 아웃풋이 제한되거나 부정확하거나 완전히 신뢰할 수 없을 수 있습니다.

인지 컴퓨터는 인간이 더 나은 솔루션을 더 빨리 찾을 수 있도록 돕기 위한 것입니다. 인지 시스템은 최종 결과를 제공하거나 독립적으로 작업을 완료하도록 설계되지 않았습니다. 따라서 인지 시스템은 사용자가 AI 시스템이 즉시 제공할 수 있는 것보다 더 나은 솔루션을 찾는 데 도움이 될 수 있습니다. 

AI 시스템은 학습 데이터의 범위에 따라 제한을 받습니다. 이러한 이유로 AI 시스템은 고도로 전문화되도록 구축될 수 있지만 이러한 전문화는 유연성을 희생합니다.

인지 시스템은 훨씬 더 적응력이 뛰어납니다. 인지 컴퓨터는 더 넓은 범위의 다양한 입력을 활용하도록 설계되어 동적 상황에 더 잘 대응할 수 있습니다. 

인공 지능은 컴퓨터와 기계가 인간의 지능과 유사한 특성을 나타낼 수 있도록 하는 기술입니다. 이러한 특성에는 새로운 정보 학습 및 유지, 이해, 문제 해결, 의사 결정, 창의성 및 자율성이 포함됩니다.

1950년대로 거슬러 올라가는 연구 분야인 AI는 시간이 지남에 따라 진화해 온 일련의 중첩된 개념으로 볼 수 있습니다. 지난 70년 동안 이론적 모델에서 머신 러닝, 딥 러닝을 거쳐 현재는 생성형 AI(Gen AI)로 발전했습니다.

최근 기술 발전으로 AI가 전 세계적으로 주목을 받고 있습니다. 산업 공급망 최적화부터 소비자 수준의 생성형 AI 아트 생성기 및 챗봇에 이르기까지 많은 흥미로운 AI 애플리케이션이 투자자와 애호가 모두의 상상력을 사로잡았습니다. AI의 잠재적 영향은 아무리 강조해도 지나치지 않지만, 현재 단계에서는 AI가 여전히 특정 작업에 어려움을 겪을 수 있습니다. 

AI 시스템은 특정 주제에 대해 학습하기 위해 엄청난 양의 훈련 데이터가 필요합니다. 이렇게 방대한 데이터 세트는 AI에 제공되어 패턴 인식을 통해 연결하고 인사이트를 생성합니다.

문제를 받으면 AI 시스템은 학습 데이터에서 학습한 내용을 참조하여 확률에 따라 가능한 최상의 답을 제공합니다. 이처럼 학습 데이터와 알고리즘의 품질에 따라 인공지능의 능력은 더 높아지거나 낮아질 수도 있고, 다소 제한될 수도 있습니다.

최신 AI 기능은 종종 광범위해 보일 수 있지만 AI는 특정 목적에 맞게 조정된 특수 모델이며 보다 좁은 작업에 가장 잘 배치됩니다. 인지 시스템도 마찬가지로 특정 목적에 맞게 조정되지만, 이러한 유형의 시스템은 여러 유형의 AI를 결합하여 유연하고 반응성이 뛰어날 수 있습니다. 

인지 컴퓨팅에 사용되는 다양한 유형의 AI와  AI 인접 모델 또는 AI 관련 모델은 다음과 같습니다.

• 좁은 AI:  오늘날 가장 진보된 AI(좁은 AI 또는 약한 AI)는 명확하고 구체적인 목표를 가지고 잘 정의된 문제를 해결하는 데 매우 효과적입니다. Apple의 Siri, Amazon의 Alexa, 심지어 ChatGPT와 같은 스마트 어시스턴트은 모두 좁은 범위의 AI입니다.

• 머신 러닝(ML): 머신 러닝은 디지털 시스템이 인간의 학습을 모방하는 방식으로 데이터에서 학습할 수 있도록 하는 AI의 하위 범주입니다. AI 시스템은 ML 알고리즘을 사용하여 시간이 지남에 따라 정확도가 향상되므로 자율적으로 작업을 수행할 수 있습니다. 머신 러닝은 컴퓨터가 실수로부터 배우고 사용자 피드백을 기반으로 아웃풋을 개선하는 데 도움이 됩니다.

• 신경망: 신경망은 머신 러닝 방법론과 결합된 노드 계층을 사용하여 인간의 두뇌가 뉴런을 통해 정보를 처리하는 방식을 시뮬레이션합니다. 신경망은 AI의 능력을 개선하여 문제를 해결하고 상황에 따라 더 나은 해결책과 더 나쁜 해결책을 평가합니다.

• 딥 러닝: 딥 러닝은 신경망을 한 단계 더 발전시킵니다. 간단한 신경망에는 하나 또는 두 개의 계층이 있습니다. 반면 심층 신경망은 3개에서 수천 개의 계층을 가질 수 있으므로 인간의 두뇌 기능과 유사한 복잡한 의사 결정 프로세스를 모델링할 수 있습니다.

인지 컴퓨팅 기술은 때때로 AI의 일종이라고도 하지만 인지 시스템에는 종종 다양한 유형의 AI가 통합된다고 말하는 것이 더 정확합니다. 인지 컴퓨팅은 머신 러닝 AI 시스템을 다양한 유형의 사용자 인터페이스(예: 음성, 텍스트) 및 로보틱과 같은 다른 일반적인 인지 컴퓨팅 기술과 결합합니다.

인지 시스템은 대규모 데이터 세트를 수집하여 AI 기능을 강화합니다. 이러한 데이터 세트는 정형 데이터이거나 비정형 데이터 일 수 있으며, 다양한 소스에서 제공됩니다.

이러한 유형의 자가 학습 시스템은 데이터 과학을 사용하여 입력을 실시간으로 처리하고 상황 정보를 평가하여 사용자가 최종 결정을 내릴 수 있도록 돕습니다. 이러한 방식으로 인간은 복잡한 데이터 과학을 스스로 숙달할 필요 없이 인지 시스템이 대규모 데이터 마이닝과 데이터 분석을 처리하도록 하고 데이터 기반 의사 결정을 내릴 수 있습니다.

인지 컴퓨팅의 실제 사용 사례에는 감정 분석, 위험 평가 및 최적화와 같은 일반적인 작업이 포함됩니다. 

인지 컴퓨팅 시스템의 정확한 매개변수는 인지 시스템으로 간주되기 위해 엄격하게 정의되지는 않지만, 특정 기준을 충족해야 합니다. 인지 컴퓨팅 시스템은 다음과 같아야 합니다.

• 적응성: 인지 시스템은 역동적이고 새롭고 변화하는 데이터에 유연하게 대응할 수 있어야 합니다. 정보가 변화함에 따라 진화하는 미션 목표와 목적에도 적응할 수 있어야 합니다. 

• 상호 작용성: AI 시스템은 자율적으로 작동할 수 있지만, 인지 시스템은 반응성이 뛰어나도록 구축되었습니다. 따라서 사용자 및 신호 입력 모두와 상호 작용하고 응답할 수 있어야 합니다. 

• 반복성 및 상태 저장: 인지를 시뮬레이션하려면 이러한 유형의 시스템은 반복적이어야 합니다. 인지 시스템은 패턴 인식을 사용하여 고유한 문제나 문제 클래스를 식별하고 적절한 경우 명확한 질문을 합니다.

• 상황별: AI 시스템은 간단하고 잘 정의된 문제를 해결할 때 성공할 수 있지만 실제 시나리오는 상황에 따라 달라지는 경우가 많습니다. 특정 상황에서 문제에 대한 올바른 해결책이 다른 상황에 반드시 적용되는 것은 아닙니다. 인지 컴퓨팅 시스템은 상황에 따른 문제 해결이 필요한 문제를 위해 개발되었습니다. 이러한 유형의 시스템은 제시된 정보의 맥락뿐만 아니라 솔루션이 적용될 수 있는 맥락도 이해할 수 있어야 합니다. 

인지 컴퓨팅은 여러 AI 또는 AI 인접 솔루션을 기초 신경망 또는 심층 네트워크에 추가하여 작동합니다. 인지 시스템은 적응성, 상호 작용성, 상태 저장 및 상황 이해를 달성하기 위해 머신 러닝 알고리즘과 다음과 같은 다양한 다른 기술을 결합하여 구축합니다.

• 전문가 시스템: 전문가 시스템은 특정 영역이나 주제에 대해 철저하게 훈련된 좁은 AI입니다. 전문가 시스템의 목표는 가능한 한 인간 전문가를 대신할 수 있는 인공적인 주제 전문가를 만드는 것입니다. 전문가 시스템은 인간이 복잡한 문제를 이해하고 더 현명한 결정을 내리는 데 도움이 되는 조언이나 지침을 제공할 수 있습니다. 이러한 시스템은 비즈니스 분야에서 시장 동향을 예측하거나 과거 사건을 이해하는 데 자주 사용됩니다. 

• 자연어 처리(NLP): 자연어 처리는 언어에 대한 규칙 기반 모델링 접근 방식인 계산 언어학과 통계 모델링을 결합하여 컴퓨터가 자연스러운 음성이나 텍스트를 이해하고 응답할 수 있도록 합니다. NLP는 자연어 이해(NLU)와 자연어 생성(NGU)의 하위 분야를 통합하여 전체적인 사용자 경험을 제공합니다.

• 자동 음성 인식(ASR): 컴퓨터 음성 인식이나 Speech to Text라고도 알려진 음성 인식을 사용하면 컴퓨터가 사람의 음성을 문자 텍스트로 처리할 수 있도록 합니다.

• 음성 인식(Voice recognition): ASR과 혼동하기 쉬운 음성 인식은 컴퓨터 시스템이 고유한 음성을 인식하고 서로 다른 사용자를 구별할 수 있도록 하며, 가상 어시스턴트 및 기타 사물인터넷(IoT) 장치에서 볼 수 있는 일반적인 기능입니다. 

• 객체 감지: 컴퓨팅 비전의 주요 구성 요소인 객체 감지는 신경망을 사용하여 시맨틱 카테고리에 따라 이미지에서 물체를 찾고 분류하는 방법입니다. 객체 감지 및 이미지 인식은 자율주행 차량, 시각적 검색 및 의료 진단에 유용합니다.

• 로보틱: 인지 컴퓨팅 시스템은 농업의 가지치기, 파종, 살포와 같은 간단하고 반복적인 작업을 수행하는 수단으로 로보틱을 통합하는 경우가 많습니다. 간단한 AI 시스템은 로봇이 이와 같은 기본 작업을 수행할 수 있도록 하지만, 로보틱과 결합된 인지 시스템은 의료 분야에서 섬세한 수술에도 도움을 줄 수 있습니다.