AI란 인간과 같은 지능을 가진 컴퓨터와 같은 것으로, 스스로 학습하는 것이 큰 특징입니다. 현재 AI는 매우 친밀한 존재가 되었습니다만, 그 본질적인 의미나 구조를 모르고 어쩐지 이해하고 있다 라고 하는 분도 아직 아직 많은 것은 아닐까요? AI라는 말의 의미나 정의로부터 지금까지의 연구의 행보 기계 학습과 딥 러닝이라고 하는 학습 방법 미래에 가져오는 효과까지를 철저 해설과 AI에 관한 기초 지식을 정리해보았습니다. 인공지능라는 말의 탄생은 AI라는 단어가 처음 사용된 것은 1956년 미국의 다트머스 대학에서 개최된 다트머스 회의에서 계산기와 인지 과학자의 존 매커시 교수에 의해 제안되었습니다. AI는Artificial Intelligence 의 약칭으로 Artificial은 인공적인, Intelligence는 지능/지성 이라는 의미를 가지고 있습니다. AI의 대의어는 Natuar Intelligence 네이처 인텔리전스로 약어는 NI입니다. Natuar Intelligence의 번역은 자연 지능이라는 말로 인간과 동물 등의 자연이 만들어낸 지능을 말합니다.
인공지능의 정의
인공지능의 정의는 일반사단법인 인공지능학회에서는 AI라는 말은 존 맥아시 교수의 지적인 기계 특히 지적인 컴퓨터 프로그램을 만드는 과학과 기술로 라는 책을 번역해 소개하고 있습니다. 그러나, AI에 관한 연구가 진행된 현재 연구자마다 다른 말로 정의되고 있는 것이 현재 상황으로 일본 에서의 주요 연구자에 의한 AI의 정의는 아래와 같습니다. 현재 애플의 'Siri'로 대표되는 음성 어시스턴트 아이 로봇 청소 로봇 '룸바' 소프트뱅크 감정 인식 휴머노이드 로봇 'Pepper' 등 AI가 친밀한 존재로 인간 사회에 받아들여지고 있다. 최근의 AI 기술의 진보에는 눈길을 끄는 것이 있지만, AI의 연구가 활발해진 것은 1950년대 후반경부터. 붐과 겨울의 정체기를 반복해서 서서히 AI는 진화해 왔습니다. 여기에서는 그런 AI 연구의 역사를 간단히 소개합니다.
인공지능 변천
제1차 AI 붐은1950년대 후반~1960년대인데 AI라는 말을 낳은 다트머스 회의가 개최된 1950년대 후반부터 1960년대에 걸쳐 제1차 AI 붐이 일어났습니다. 붐의 배경에 있던 것은 컴퓨터에 의한 추론과 탐색이 가능하게 되어 특정의 문제에 대해서 해답을 도출할 수 있게 된 것입니다. 그러나 당시의 AI가 대응할 수 있었던 것은 명확한 룰이나 정의부가 있는 문제에 한정되어 있었습니다. 현실 사회에서 일어나고 있는 다양한 요인이 복잡하게 얽혀 있는 과제의 해결에는 대응할 수 없는 것이 판명된 것으로 AI 붐은 서서히 하향화가 됩니다. 1970년대 겨울 정체기를 맞이해 버렸습니다. 제2차 AI 붐은 1980년대~1990년대로 전문 시스템의 탄생에 의해 지식 표현이 가능하게 된 것이 큰 요인입니다. 전문가 시스템은 ○나를 하고 그 이외의 경우는 △를 하십시오 라고 하는 룰군으로 지식을 구성하고 있는 인공 지능의 시대입니다. 스스로 학습하는 구조는 없지만 미리 전문가가 생각할 수 있는 한의 상황을 예측해 대처 방법이나 판단을 준비하는 것으로 기능합니다. 규칙이 많을수록 정확성은 향상되지만 필요한 정보를 모두 사람의 손으로 컴퓨터에 이해시켜야 하며 실제로 활용할 수 있는 것은 특정 영역의 정보 등에 한정된 것으로 이처럼 활용할 수 있는 지식량에 한계가 보였기 때문에 1995년경부터 AI는 다시 겨울 시대를 맞이했습니다. 제3차 AI 붐은 2000년대~현재까지인데 붐의 요인을 만든 것은 AI 자신이 대량의 빅 데이터로부터 지식을 획득하는 기계 학습의 실용화가 진행된 것입니다. 게다가 2006년에는 지식을 정의하는 요소를 AI가 스스로 습득하는 딥러이 제창되어 붐에 박차를 가했습니다.
인공지능 알고리즘
AI의 대표적인 알고리즘은 AI의 연구에 있어서 중요한 역할을 담당하는 신경망, 유전적 알고리즘, Expert 시스템 이라고 하는 대표적인 알고리즘을 해설해 갑니다. 신경망은 생물의 뇌를 구성하는 신경 세포의 구조와 작용을 모델로 한 AI 뉴런은 다른 뉴런으로부터 일정 값 이상의 전기 신호를 수신하면 흥분하고 그 앞에 연결된 뉴런에 전기 신호를 보냅니다.
이러한 뉴런끼리의 제휴 행동의 구조를 수치 모델화한 것입니다. 신경망은 데이터를 넣는 입력층과 입력층에서 흘러 오는 가중치를 처리하는 중간층, 결과를 출력하는 출력층으로 구성되어 있습니다. 인간이 선생님이 되어 예제와 모범 해답 세트를 신경망에 가르치면, 그 후에는 가르치지 않는 범위에 대해서도 신경망 자체가 판단하거나 추리 하게 됩니다.
유전 알고리즘
유전 알고리즘은 다윈의 진화론을 모티브로 한 AI입니다. 다윈의 진화론을 요약하면 미야케 요이치로 모리카와 유키토 그림으로 아는 인공 지능 이라는 책에 게제된 생물은 환경에 따라 우수한 개체만이 자손을 남길 수 있고 열등한 개체는 도태된다. 또, 개체는 돌연변이를 일으키는 경우가 있어 드물게 우수한 개체 가 될 수도 있다. 이것을 반복해서 진화해 왔다. 이 우수한 개체가 좋은 해답으로서 진화의 수법을 이용해 최적해를 도출하려고 하는 것이 유전적 알고리즘 입니다. 유전적 알고리즘이 가장 자랑하는 것은 방대한 조합이 존재하는 가운데 최고의 답을 찾아내는 것이다. 인력으로 계산하기 어려운 수준의 조합 폭발을 일으키는 문제에 대해 신속하게 최적해를 낼 수 있습니다. 이렇게 이번시간에는 인공지능이 무었인지와 변천사를 알아보았습니다.
댓글