인공 지능이란
외부 입력으로부터 합리적인 행동을 생성하는 기계의 능력에 초점을 맞춘 컴퓨터 과학의 한 분야 인공지능(AI)이란?
인공 지능(AI)은 외부 입력으로부터 합리적인 행동을 생성하는 기계의 능력에 초점을 맞춘 컴퓨터 과학의 광범위한 분야입니다. AI의 목표는 인간의 지능이 필요한 작업을 수행할 수 있는 시스템을 만드는 것입니다. AI는 가상 비서 , 검색 예측 기술, 심지어 차량 호출 서비스를 통해 일상생활에 나타납니다.
요약
인공 지능(AI)은 추론 측면에서 인간이 할 수 있는 것을 수행할 수 있는 기계를 개발하는 것을 목표로 합니다.
인공 지능의 네 가지 유형은 반응 기계, 제한된 기억력, 마음 이론 및 자기 인식입니다.
인공 지능은 이제 생산성, 고용 및 경쟁 행동에 상당한 영향을 미칩니다.
인공 지능의 유형
1. 반응 기계
반응형 기계는 현재의 외부 정보를 인식하고 그에 따라 조치를 계획합니다. 기계는 특수한 임무를 수행하며 당면한 작업만 이해합니다. 반복되는 상황에서 기계의 동작은 일관됩니다. 1990년대에 IBM은 경쟁적인 체스를 하기 위해 Deep Blue라는 반응형 기계를 개발했으며 , 각 말의 판 위치를 식별하여 체스 움직임을 예측했습니다.
2. 제한된 메모리
제한된 메모리 기계는 최근 관찰을 활용하여 정보에 입각한 결정을 내릴 수 있습니다. 기계는 사전 프로그래밍된 개념적 프레임워크를 참조하여 관찰 데이터를 고려합니다. 관찰 데이터는 제한된 기간 동안 보관되었다가 잊힙니다.
3. 마음의 이론
마음 이론 기계는 감정적 맥락과 관련하여 생각을 형성하고 결정을 내릴 수 있습니다. 따라서 그들은 사회적 상호 작용에 참여할 수 있습니다. 기계는 아직 개발 단계에 있습니다. 그러나 많은 사람들이 인간과 같은 능력의 측면을 보여줍니다. 예를 들어, 기본적인 음성 안내와 명령은 이해할 수 있지만 대화는 할 수 없는 음성 비서 애플리케이션을 생각해 보십시오.
4. 자기 인식
자기 인식 기계는 관념화, 욕망 형성 및 내부 상태 이해를 통해 지능적인 행동을 보여줍니다. 1950년 Alan Turing은 인간과 구별할 수 없는 행동을 할 수 있는 기계를 식별하기 위해 Turing Test를 개발했습니다.
인공 지능의 관련성 증가
21 세기에 인공 지능의 인기가 높아진 것은 주로 기계 학습 하위 분야의 발전에 기인합니다. 머신 러닝은 알고리즘 식별을 통해 자체적으로 개선되는 시스템을 개발합니다. 기계 학습이 최적화하는 일부 프로세스에는 문서 작업 자동화, 법의학 회계 및 알고리즘 거래가 포함됩니다.
기계 학습은 어떻게 달성됩니까?
기계가 AI를 통해 지능화되는 방식을 이해하는 가장 쉬운 방법은 기계를 인간이 학습하는 방식과 비교하는 것입니다. 예를 들어, 자전거 타는 법을 배우는 어린이를 생각해 보십시오. 아이는 자전거를 타고 핸들을 잡고 똑바로 서서 통제하기를 희망합니다. 아이는 자전거 타기의 물리학을 이해함으로써 자전거 타는 법을 배우는 것이 아니라 시행착오를 통해 배우게 됩니다.
시간이 지나면서 아이는 본능적으로 자전거를 통제할 수 없게 만드는 요인을 인지하는 데 능숙해집니다. 아이가 자전거 타기의 불문율을 연습을 통해 배우듯이 인공지능은 반복적인 시뮬레이션을 통해 발달합니다.
1. 지도 학습
지도 학습은 인공 지능 분야에서 가장 일반적인 학습 방법입니다. 기계는 레이블이 지정된 입력 및 출력 쌍 세트가 있는 함수를 파생하려고 시도합니다. 수치 데이터 세트를 다룰 때 회귀가 사용됩니다. 범주형 변수를 다룰 때는 분류가 선호되는 방법입니다. 모델이 오답을 제공하는 경우 더 정확한 출력을 제공하도록 모델을 조정할 수 있습니다.
2. 비지도 학습
비지도 학습은 데이터를 유용한 정보로 변환하는 기계를 포함합니다. 일반적인 방법에는 클러스터링 및 연결이 포함됩니다. 클러스터링은 유사한 변수를 함께 그룹화하는 반면 연관은 변수 간의 상관관계를 감지합니다. 데이터 마이닝은 클러스터링 및 연관을 활용하여 대규모 데이터 세트를 필터링합니다. 대규모 데이터 세트를 의미 있는 정보로 변환하는 프로세스는 비지도 학습으로 최적화할 수 있습니다.
3. 강화 학습
강화 학습에서 기계는 외부 자극에 자율적으로 반응하고 가끔 보상과 처벌을 통해 조건화됩니다. 강화 학습 방법의 목적은 합리적으로 독립적으로 행동할 수 있는 기계를 개발하는 것입니다.
대형 투자 은행인 JP Morgan은 현재 강화 학습 알고리즘을 사용하여 거래를 진행하고 있습니다. 이것은 결정에 따라 알고리즘을 그에 따라 수여하거나 불이익을 주는 프로그래밍을 통해 수행됩니다.
인공 지능의 미래 영향
인공 지능의 급속한 발전은 생산성, 고용 및 경쟁에 지대한 영향을 미칠 것입니다. 그러나 AI의 미래 사회 통합은 논란의 여지가 있는 주제입니다.
생산성에 미치는 영향
경제적 생산성 향상은 고객 만족도를 높이고 기업 수익성을 강화합니다. 항공 산업에서 AI는 정확하고 안전한 비행을 통해 고객 만족을 주도할 것입니다. AI를 활용하는 기업은 고객에 대한 가치 제안을 개선하는 동시에 수익성을 개선할 수 있습니다.
예를 들어 Delta Airlines는 기계 학습을 활용하여 고객에게 우수한 비행 경험을 제공합니다. Delta는 빅 데이터를 분석하여 항공기 위치, 기상 조건 및 항공기 진단에 대해 학습합니다. 그런 다음 가상 결과와 그 확률이 식별됩니다. 그런 다음 항공사는 잠재적인 결과와 관련하여 비행 일정을 최적화합니다.
고용에 미치는 영향
인공지능이란 분야의 급속한 확장으로 인해 더 많은 고임금 직업이 생겨나면서 더 많은 교육을 받은 직원이 필요할 것입니다. AI에 대한 가장 큰 비판은 저 숙련 일자리를 자동화하고 교육 수준이 낮은 사람들의 실업률을 높일 것이라는 점입니다.
더욱이 저숙련 근로자는 제도적 차별로 인해 소수자일 가능성이 높다. 따라서 인공 지능이 체계적인 차별 관행을 강화할 수 있다고 주장합니다.
경쟁에 미치는 영향
경쟁 우위를 확보하려는 기업은 AI를 활용하여 비즈니스를 최적화할 수 있습니다. 현재 혁신가와 소수의 얼리 어답터만이 AI를 비즈니스에 통합하고 있습니다. AI 통합의 경제적 이점이 R&D 및 통합 비용을 능가하면 더 많은 기업이 새로운 기술을 채택할 것입니다.
장난감 제조업체가 공급망을 더욱 최적화하기 위해 기계 학습을 사용하기로 결정했다고 가정합니다. 제조업체는 제품 판매 비용을 낮추고 시장 점유율을 확보하기 위해 더 저렴한 가격으로 장난감을 제공할 수 있습니다. 이는 인공지능이란 AI가 시장에서 경쟁 행동을 어떻게 높일 수 있는지 보여줍니다.
댓글