[인공지능] 1. 인공지능 소개

1. 인공지능의 시대

 2016년 3월 알파고(AlphaGo)

- 구글의 AI 바둑 프로그램- 이세돌과의 경기에서 4-1로 승리
- 2017년 1월 마스터(Master):
- 한중일 대표 프로기사 상대로 30전 전승 기록 

- 이후 구글은 알파고 업그레이드 버전인 AlphaGo Zero제작

1997년 IBM의 딥블루 (Deep Blue)

-당시 세계 체스 챔피언인 개리 카스퍼로프를 꺾으면서 다시 주목
-(인간을 넘어선 최초의 컴퓨터)

 

2011년 IBM의 왓슨 (Watson)

-세계 최고의 퀴즈쇼 제퍼디(Jeopardy)에서 그동안 전설적인 퀴즈왕으로 꼽혔던 2명의 퀴즈 왕들을 상대로 한 대결에서 승리

 

자율 주행 자동차

-인공지능 탑재 자율주행 자동차는 길 선택, 주행, 정차 모두 인공지능이 판단
예: 장애물이 감지 시 자동차 Stop, 앞차와 충돌 위험이 있을 때 스스로 브레이크 걸고 사고를 최소화하는 방향으로 이동

 

인공 지능 스피커

필요한 것을 말하면 인터넷에 연결하여 자동 실행

예: Amazon의 알렉사, KT의 기가지니, SK의 NUGU

 

인공지능의 종류

강인공지능(strong AI):

-인공지능의 강한 형태

-자의식이 있다(스스로 느끼고, 생각하고, 행동함)

-일반적인 영역에서의 문제도 해결하지만, 명령받지 않은 일도 스스로 필요하다면 해결할 수 있다

-ex)터미네이터의 스카이넷, 어벤져스의 울트론

약인공지능(weak AI):

-인공지능의 약한 형태

-자의식이 없음

-특정한 영역에서 주어진 문제를 해결함

-ex)알파고

 

인간과 인공지능

인간과 컴퓨터는 각각 장점과 약점을 가지고 있음

인공지능 탑재 컴퓨터: 논리적 추론 및 학습도 가능

인간: 계산은 늦지만 창의적으로 문제 해결

 

2. 인공지능의 정의

인간 지능의 특징

1. 학습(Learning): 과거의 패턴들로부터 학습할 수 있는 능력

2. 문제 해결(Problem Solving): 복잡한 문제를 분석하고 해결할 수 있는 능력

3. 빅데이터(Big Data): 아주 큰 용량의 변화하는 데이터를 처리할 수 있음

4. 추론(Reasoning): 주위의 상황으로부터 추론할 수 있는 능력

 

인공지능을 정의할 때, 다음의 측면을 중시한다

1. 인간처럼 사고하기 2. 합리적으로 사고하기 3. 인간처럼 행동하기 4. 합리적으로 행동하기

-> 하지만 학자들의 의견에 따라 인간이 사고하는 방식을 그대로 따라서 구현되어야 하는지 , 아니면 상관없이 합리적이고 이성적으로 사고할 수 있어야 하는지 주장이 갈림

 

지능?

1.  인간이 사물을 이해하고 학습하는 능력(learning)

2. 어떤 문제가 주어졌을 때, 합리적으로 사고하여 문제를 해결하는 능력 (problem solving)

-> 지능은 문제를 해결하기 위하여 학습하고 이해하는 능력

=> 인공지능이란 "인간의 인지적인 기능을 흉내내어 문제를 해결하기 위하여 학습하고 이해하는 기계(컴퓨터)"이다.

인공지능 vs 기계학습 vs 딥러닝

 

3. 튜링테스트

"기계가 생각할 수 있을까"를 판단하기란 까다롭다

-생각의 정의가 사람마다 다르기 때문

-따라서 영국의 수학자 알란 튜링은 기계와 사람을 구분할 수 없다면 인공 지능이 구현되었다고 봐야 한다고 주장하였다

-이를 위해 제안된 실험이 튜링 테스트

 

인간, 컴퓨터, 질문자가 각각 독립된 방에 있고 원격 터미널만을 사용하여 통신함

- 질문자는 방 안에 누가있는지 볼수없고 음성도 들을 수 없음

- 질문자는 누가 인간이고 누가 컴퓨터인지를 알아내기 위하여 질문을 한다

- 만약 컴퓨터가 인간만큼 질문자를 속일 수 있다면 컴퓨터는 튜링테스트를 통과한다.

 

그래서 이 튜링테스트를 통과하면 인공지능이 구현되었다고 생각한다

ELIZA

1966년 MIT 인공지능연구소의 Weizenbaum은 심리 치료사의 행동을 모방하기 위해 ELIZA를 개발

 

ELIZA 프로그램
-사용자의 문장에서 특정한 키워드가 발견되면 특정 규칙을 적용하여 답변을 생성한 후에 반환된다.

-키워드를 찾을 수 없는 경우에는 일반적인 대응 문장 또는 이전 의견 중 하나를 반복하여 응답한다.

이를 통해 일부 사람들은 실제 사람과 대화하고 있다고 믿었다
-튜링 테스트를 통과할 수 있는 프로그램으로 간주

중국인 방

1980년 John Searle이 튜링 테스트로 기계의 인공지능 여부를 판단할 수 없음을 주장하기 위해 제안한 실험
▪ 소프트웨어(예 : ELIZA)가 자신이 이해하지 못한 기호를 단순히 조작하여 튜링 테스트를 통과할 수 있다고 주장. 

▪ 이해하지 못하면, 사람들과 같은 의미에서 "생각"으로 간주될 수없다는 것.
▪ 따라서 튜링 테스트는 기계가 생각할 수 있음을 입증할 수 없다고 주장.

 

실험
▪ 영어만 할 수 있는 사람이 닫힌 방에 있고 중국어 질문과 답변이 적힌 책, 종이, 연필, 지우개를 가지고 있다고 가정 

▪ 이 방 안으로 중국인 질문자가 중국어로 질문을 써서 안으로 넣으면 방 안의 사람은 준비된 책에 따라 답변을 중국어로 써서 밖의 질문자에게 준다

 

유진 구스트만

2014년 6월 튜링 테스트를 처음 통과한 인공지능
▪ 13세 우크라이나 출신 소년을 시뮬레이트하기 위해 개발된 컴퓨터 프로그램 

▪ "유진 구스트만 (Eugene Goostman)"은 심판관 중 33%가 인간이라고 판단

튜링테스트의 문제점 

인간의 행동과 지적인 행동이 항상 같지는 않다.
▪ 어떤 인간의 행동은 비지능적이고 일부 지적 행동은 비인간적이다. 

인간의 비합리적인 행동도 하는 컴퓨터를 원하는가?

튜링 테스트 자체가 너무 예전 기준이라는 의견도 있다.
▪ 예: 유튜브 영상 보고 내용 질문에 대한 대답할 수 있어야, 인간 유머 이해 필요

구글 듀플렉스(Duplex)

사람처럼 통화하는 인공지능

2018년 5월 구글 I/O 컨퍼런스에서 발표

튜링 테스트를 통과한 인공지능 비서

 

4. 인공지능의 역사

 1956년 이후 지금까지 3번의 황금기, 2번의 침체기 겪음

 

1차 AI 황금기 (1956-1974)
▪ 간단한 문제 해결: 컴퓨터가 여러 경우를 나열하고 분석해 최선의 선택을 “탐색” 하는 연구 중심 

▪ 경우의 수에 대한 조합 폭발로 현실문제 적용 어려움

=> 첫번째 AI 겨울 (1974-1980)

2차 AI 황금기 (1980-1987)
▪ 전문가 시스템: 컴퓨터에 “지식”을 입력해 이를 기반으로 특정분야의 현실문제를 풀게하는 연구 중심 

▪ 방대한 지식 관리 어려움
▪ 상식 수준의 지식도 입력하여 학습시켜야 하는 한계 봉착 

=>두번째 AI 겨울 (1987-1993)

 3차 황금기 (1993- 현재)
▪ 인터넷 상의 수많은 데이터를 기반으로 컴퓨터가 지식을 스스로 학습하는 “기계학습” 등장 

   ▪ 특징 기반 분류데이터 학습 통해 새로운 데이터 분류 가능 (예:고양이 vs 개) 

   ▪ 그러나 수많의 데이터의 ‘특징’을 파악하는데에 한계
▪ 2012년 이미지인식 경연대회에서 Supervision 팀이 에러율 15.3% 기록 (10%이상 성능 향상, 캐나다 토론토 대학 제프리 힌튼)
   ▪ 컴퓨터가 특징을 스스로 학습해서 분류하는 방식인 “딥러닝” 사용 

▪비약적 발전 배경
   ▪ 빅데이터, 컴퓨터 기술 (GPU, 클라우드 등) 발전

 

다트머스 학술 대회

1956년에 의해 다트머스 학술 회의가 Marvin Minsky와 John MacCarthy 등에 의하여 조직되었다.

“Artificial Intelligence” (인공지능) 용어 탄생

 

1차 황금기 (1956-1974)

“탐색으로 추론하기” 시대
▪ 많은 초기의 AI 프로그램은 기본 탐색 알고리즘을 사용했다.
   ▪ 여러 경우의 수를 나열하고 분석하여 최선의 선택을 탐색 

   ▪ 많은 현실 문제들에 대해 경우의 수가 천문학적 (조합폭발 문제)

 

첫 번째 AI 겨울 (1974-1980)

당시의 문제점

▪ 1970년대는 충분한 컴퓨팅 파워 없었음. 실제로 유용한 결과를 내는데 필요한 CPU의 속도나 충분한 메모리가 없었다 

   ▪ 예: 자연어 처리 S/W가 20단어 만을 사용
▪ AI 프로그램의 기능이 아주 제한적
   ▪ 간단한 문제(Toy problem)만 처리 가능 

   ▪ 많은 현실문제가 조합폭발로 알고리즘 탐색 복잡도가 지수적으로 커져 상상할 수 없는 계산량 필요
▪ 컴퓨터 시각이나 자연어 처리 등을 위한 AI 프로그램은 엄청난 양의 정보처리가 필요함을 깨달음. 그러나 DB구축이나 학습 방법 모름 

   ▪ 7살 정도의 아이가 물체를 인식하는 정도(상식 수준)의 구현을 위해서도 방대한 양의 정보를 처리하는 것이 필요

2차 황금기 (1980-1987)

"전문가 시스템(expert system)” 시대
▪ 연구자들은 이 세상의 모든 문제를 해결할 수 있는 시스템을 개발한다는 생각을 버렸다 

=> 특정분야에 특화된 시스템 연구

   ▪전문가들로부터 습득한 논리규칙 (“지식”)을 컴퓨터에 입력해 이를 기반으로 특정분야의 질문이나 문제를 해결하는 프로그램

      ▪ DENDRAL: 화합물 분석 전문가 시스템

      ▪ MYCIN: 감염성 질환 진단, 항생제 처방 시스템

두 번째 AI 겨울 (1987-1993)

 전문가 시스템은 몇 가지 특수한 상황에서만 유용함이 밝혀짐
▪ 업데이트하기 어렵고, 학습할 수 없음: 방대한 지식관리 어려움
▪ 비정상적 입력의 경우 신뢰성 부족 

 AI 하드웨어 (Lisp 컴퓨터) 시장의 붕괴
▪ Apple, IBM의 데스크탑 컴퓨터 성능 증가로 비싼 AI 컴퓨터보다 강력해짐
 1980년대 후반,
▪ 미국의 전략적 컴퓨팅 구상(Strategic Computing Initiative)은 AI에 대한 기금을 잔인하게 삭감

 

3차 황금기(1993 - 현재)

“기계학습과 딥러닝” 시대
▪ 인터넷 상의 수많은 데이터를 기반으로 컴퓨터가 지식을 학습하는 “기계학습” 연구 중심 

▪ 산업 전반에 걸쳐 성공적으로 사용되기 시작 (특정문제 촛점)
   ▪ 1997년 IBM Deep Blue: 세계 체스 챔피언인 Garry Kasparov를 이긴 최초 컴퓨터 체스게임 시스템 

   ▪ 2011년 IBM Watson: 제퍼디 퀴즈쇼에서 인간을 누르고 우승
▪ 2012년 캐나다 토론토 대학 Supervision팀이 이미지인식경연대회(ILSVRC)에서 “딥러닝” 의 사용으로 에러율 15.3%로 다른 팀보다 10% 이상의 정확도 차이로 우승을 차지
▪ 2016년 AlphaGo: 이세돌 9단과 바둑대결에서 4-1 승리

5. 인공지능은 어디에 필요할까?

자율주행 자동차

▪ 자동차에 부착된 여러가지 센서들을 통하여 수집된 정보를 이용해 핸들, 브레이크를 조작

광고 (개인 맞춤형)

▪ 인공지능은 현재 사용자가 보고 있는 웹사이트의 컨텐츠와 가장 유사한 상품이나 기사를 추천한다.

챗봇

▪ 음성이나 텍스트를 사용하여 대화를 진행하는 S/W
▪ Google Assistant 및 Amazon Alexa와 같은 가상 어시스턴트 등

의료분야
▪ 인공지능이 확산되는 추세
▪ 대용량 의료정보를 저장해 놓은 후 환자의 증상이나 검사 결과를 종합하여 약물이나 치료 방법을 제안하는 의사 결정 시스템

▪ ex) 왓슨

경영 분야
▪ 회사 경영 전략을 세울 때도 인공지능을 사용할 수 있다