인공지능이란?
인공 지능(AI) 또는 기계 지능(Machine Intelligence)는 컴퓨터 과학의 한 분야로, 인간을 대신하여 자율적으로 의사 결정을 내리고 작업을 수행하는 방법을 학습할 수 있는 기술을 구축하고 관리하는 데 중점을 둔다.
인공지능은 단일 기술이 아니다. 머신러닝, 전문가 시스템, 생성형 AI, 특정 유형의 로보틱스를 지원하는 모든 유형의 소프트웨어 또는 하드웨어 구성 요소를 포함하는 포괄적인 용어다.
오늘날의 인공지능는 주로 기존 CMOS 기반 하드웨어에서 작동하며 기존 알고리즘과 데이터 기반 머신 러닝 모델이 혼합되어 있다.
인공지능 기술의 일상적인 활용도가 더 많아짐에 따라 저전력 소비와 실시간 처리에 최적화된 특수 하드웨어 및 알고리즘 설계를 통해 인간 두뇌의 구조를 모방하려는 연구 분야인 뉴로모픽 엔지니어링에 대한 관심이 높아지고 있다.
인공지능의 비지니스 활용
인공지능은 현재 연구실과 상업/소비자 환경 모두에서 다음과 같은 기술을 포함하여 다양한 기능에 적용되고 있다:
- 인공 신경망(ANN)은 인간 두뇌의 구조와 기능에서 영감을 얻은 계산 모델이다. 인공 신경망은 정보를 처리하고 전송하는 상호 연결된 노드(뉴런)로 구성되며, 네트워크가 훈련을 통해 데이터에서 패턴과 관계를 학습할 수 있도록 한다.
- 딥러닝은 머신러닝 알고리즘을 점점 더 복잡하고 추상화되는 계층 구조로 쌓아 올리는 반복적인 인공 지능 접근 방식을 사용한다. 딥러닝은 현재 사용 중인 가장 정교한 인공지능 아키텍처다.
- 음성 인식은 지능형 시스템이 사람의 음성을 텍스트나 코드로 변환할 수 있게 해준다.
- 자연어 생성은 인간과 컴퓨터 간의 대화식 상호 작용을 가능하게 한다.
- 컴퓨터 비전은 기계가 이미지를 스캔하고 비교 분석을 통해 이미지의 물체를 식별할 수 있게 해준다.
- 전문가 시스템은 1970년대와 1980년대에 개발된 초기 인공지능 기술 중 하나에 해당한다. 이러한 시스템은 특정 영역에서 인간 전문가의 지식과 의사 결정 과정을 포착하고 그 지식을 사용하여 추천을 제공하거나 의사 결정을 내리는 것을 목표로 했다. 전문가 시스템은 딥러닝이나 신경망과 같은 최신 인공지능 기술만큼 널리 논의되지는 않았지만 여전히 의료, 금융, 엔지니어링 분야에서 실용적으로 활용되고 있다.
테코피디아가 설명하는 인공지능
인공지능이라고 하면 흔히 공상 과학 소설에 나오는 의식을 지닌 절대적인 컴퓨터를 떠올리지만, 현재 현실은 이와는 많이 다르다. 현실 세계에서 인공지능 시스템은 이미지 인식, 언어 번역 또는 데이터 분석과 같은 특정 작업을 수행하도록 설계된 특수 도구다. 이러한 시스템에는 의식, 감정, 자기 인식이 없다. 대신 데이터에서 학습한 알고리즘과 패턴을 기반으로 작동하며, 프로그래밍과 학습에 의해 그 기능이 제한된다.
인공지능의 종류와 차이점은 ?
인공지능은 종종 약한 인공지능과 강한 인공지능 두 가지로 분류한다. 오늘날 대부분의 인공지능 애플리케이션은 약한 인공지능인 머신러닝 애플리케이션이다.
- 약인공지능 (Weak AI, narrow AI) 는 미리 정해진 제한된 기능만 수행한다.
- 강인공지능(General AI, Strong AI) 다양한 자극에 따라 자율적으로 기능하는 인간의 사고 능력과 같거나 준하는 인공지능;
- 슈퍼 인공지능은 언젠가 인간의 지능을 뛰어넘을 것으로 예상되며, 나아가 전 세계를 장악할 수 있다.
인공지능은 네 가지 범주로 세부 분류 되기도 한다.
- 반응형 AI는 실시간 데이터에 의존하여 의사 결정을 내린다.
- 제한된 메모리 AI는 저장된 데이터에 의존하여 의사 결정을 내린다.
- 마음 이론 AI는 의사 결정 시 사용자 의도와 같은 주관적인 요소를 고려할 수 있다.
- 자기 인식 AI는 독립적으로 목표를 설정하고 데이터를 사용하여 목표를 달성하기 위한 최선의 방법을 결정할 수 있는 인간과 같은 의식을 가지고 있다.
이러한 차이점을 시각화하는 좋은 방법은 AI를 프로 포커 플레이어로 상상하는 것이다. 반응형 플레이어는 현재 플레이 중인 패를 기준으로 모든 결정을 내리는 반면, 기억력이 제한된 플레이어는 자신과 다른 플레이어의 과거 결정을 고려한다.
마음의 이론 플레이어는 다른 플레이어의 행동 단서를 고려하고, 마지막으로 자기 인식 플레이어는 생계를 위해 포커를 하는 것이 정말 자신의 시간과 노력을 가장 잘 활용하는 것인지에 대해 고민하는 유형이다.
인공지능과 머신러닝의 차이점
머신 러닝은 컴퓨터가 데이터를 통해 학습할 수 있는 모델을 구축하는 데 중점을 둔 인공지능의 하위 집합이다. 머신 러닝 모델은 작업을 수행하도록 명시적으로 프로그래밍하는 대신 데이터를 사용하여 예측 또는 의사 결정을 내린다.
기본적으로 모든 머신러닝은 인공지능 기반이지만 모든 인공지능이 머신러닝 기술을 사용하는 것은 아니다. 예를 들어, 규칙 기반 전문가 시스템과 상징적 인공지능은 AI의 범주에 속하지만 반드시 머신 러닝과 같은 방식으로 데이터로부터 학습하는 것은 아니다.
진화하는 인공지능의 단계
인공지능은 전체 시스템을 대체하여 모든 의사결정을 전주기적으로 수행할 수도 있고, 특정 프로세스를 개선하는 데 사용될 수도 있다. 예를 들어 표준 창고 관리 시스템은 다양한 제품의 현재 수준을 보여줄 수 있지만, 지능형 시스템은 부족을 식별하고 그 원인과 전체 공급망에 미치는 영향을 분석하여 이를 해결하기 위한 조치를 취할 수도 있다.
인공지능의 활용도가 올라가고 더 널리 보급됨에 따라 더 빠르고 에너지 효율적인 정보 처리에 대한 수요가 기하급수적으로 증가하고 있다. 기존의 디지털 처리 하드웨어로는 이러한 수요를 따라잡을 수 없다. 연구자들은 뇌에서 영감을 얻어 인공 뉴런과 시냅스 네트워크가 에너지 효율적이고 확장 가능한 방식으로 빠른 속도와 적응형 학습 기능으로 정보를 처리하는 대체 아키텍처를 고려하고 있다.
