Artificial Intelligence

• 인공지능(AI)는 지난 수 십년 동안 다양한 정의로 정리되어 왔다. 가장 보편적인 정의는 스탠포트 대학교의 존 맥카티(John McCarthy)가 정의한 ‘지능 적인 기계, 지능적인 컴퓨터 프로그램 및 인공지능 프로그램을 만드는 것’이라 할 수 있다. 또한, 컴퓨터 공학과 인공지능 아버지라 불리는 앨런 튜링(Alan Turing)은 ‘인간처럼 행동하는 시스템’이라고 정의하였다. 구체적으로 인공지능의 정의는 인간적 접근 방법과 이상적인 접근 방법으로 구분할 수 있다.

• 인간적 접근 방법: 인간처럼 생각하고 행동하는 시스템

• 이상적 접근 방법: 합리적으로 생각하고 행동하는 시스템

• 강인공지능: 강인공지능은 인간과 똑같은 지성을 가진 인공지능을 말한다. 이러한 인공지능은 자연어 처리, 이해, 추론, 학습, 의사 결정 등을 수행할 수 있을 뿐 아니라, 사람과 비슷하게 생각하고 판단할 수 있는 의식이 있다. 또한, 인간과 비슷한 방식으로 감정, 상황에 대한 이해, 자율적인 행동 등을 수행할 수 있다.

• 약인공지능과 강인공지능 상관없이 이러한 인공지능이 학습하는 방법을 머신러닝(Machine Learning)이라 부른다. 머신러닝이란 프로그램이 데이터를 분석하여 스스로 학습하는 기술을 말한다. 즉, 머신러닝은 데이터를 분석하여 규칙을 찾아내고, 그 규칙을 기반으로 새로운 데이터를 예측하거나 분류하는 기술이다. 머신러닝에서는 알고리즘을 통해 데이터에서 패턴을 찾아내고, 이 패턴을 기반으로 미래의 데이터를 예측하거나 분류하는 모델을 만든다.

• 강화학습: 강화학습이 현재 보여줄 수 있는 가장 강력한 형태의 인공지능 모델일 듯합니다. 에이전트(Agent)가 주어진 환경(Enviroment)에 따라 최적의 선택을 할 수 있도록 지속적으로 보상(Reward)을 누적보상(Cumulative reward)값을 최대화하여 학습하는 방법을 말한다. 예를 들어 어떤 환경 속에서 사고가 나지 않고 운행 가능한 자율주행 자동차를 학습시킬 때 사고 없이 1m를 가게 되었다면 1점의 보상값을 주고, 지속적으로 반복 학습을 시킨 후 누적 보상값이 최고점인 자율 주행 자동차를 최고의 강화학습이 잘 될 자율 주행자동차라고 말하는 학습 방법을 말한다.

강화학습(Reinforcement Learning)은 현재(2023년 기준) 물리적 하드웨어로 체험할 수 있는 키트는 없다. 대신 Open Ai의 Chat GPT나 You브라우져의 AI 챗 플랫폼, 그림을 그려주는 Dall_E, 미드져니 등의 모델을 사용해 볼 수 있다. 아니면 본 홈페이지의 Deoldify (흑백 사진을 컬러로 바꾸어주는 AI모델), Supermario Bros1 AI project (슈퍼마리오를 트레이닝 시키는 AI모델)등의 체험 방법과 과정을 이해하여 연습해 볼 수 있다.

• 1936년 - 앨런 튜링(Alan Turing)은 퍼즐을 풀기 위한 노력의 일환으로 범용 기계(컴퓨터)를 발명했습니다.

• 1955 – 컴퓨터 과학자 Alan Newell은 시스템 프로그래머 John Clifford Shaw 및 경제학자 Herbert Simon과 함께 인간의 문제 해결 기술을 모방하도록 설계된 프로그램인 Logic Theorist를 개발했습니다.

• 1955년 - 존 매카시(John McCarthy)가 "인공 지능"이라는 용어를 만들었습니다.

• 1964 – MIT 교수인 Joseph Weizenbaum은 대화 기술을 보여주기 위해 설계된 챗봇인 ELIZA를 만들었습니다.

• 1997 – IBM의 Deep Blue가 6게임 체스 경기에서 Gary Kasparov를 물리치고 역사를 만들었습니다.

• 2011 – IBM의 Watson 슈퍼컴퓨터가 방송된 경기에서 Jeopardy의 역대 챔피언인 Ken Jennings를 물리쳤습니다.

• 2015 – Facebook의 DeepFace는 얼굴 인식 정확도 97.35%를 달성했습니다.

• 2018 – Google Duplex는 Google 어시스턴트의 일부가 되었으며, 이 기능을 통해 이발 예약과 같은 크로스 플랫폼 작업이 가능해졌습니다.

• 2019 – OpenAI의 GPT-2는 심층 신경망을 사용하여 언어 처리에서 인간과 유사한 성능을 달성했습니다.

• 2022 – GPT-3.5 및 InstructGPT 아키텍처를 기반으로 구축된 ChatGPT는 강화 학습을 통해 인간 피드백을 개선하여 보다 미묘하고 상황에 맞게 적절한 응답을 가능하게 함으로써 자연어 처리에서 상당한 발전을 이루었습니다.

• 2023 – Microsoft는 Microsoft Copilot 및 Microsoft 365용 Copilot과 같은 새로운 AI 기반 환경을 출시했습니다.

• 수학: 확률론, 통계학, 미적분학, 선형대수학

• 프로그래밍 언어

• 기계학습(머신러닝):지도학습, 비지도학습, 강화학습, 신경망, 의사결정 트리 및 랜덤 포레스트

• 딥러닝: 컨볼루션 신경망(CNN), 반복 신경망(RNN), 생성적 적대 네트워크(GAN), 장단기 메모리(LSTM) 등 기술을 계속 진보함

• 컴퓨터 비젼: 개채 감지, 이미지 분할 및 이미지 분류

• 로봇 공학: 모션 계획, 매핑 및 제어이론

• 데이터 과학: 데이터 시각화 및 데이터 분석

• 윤리: 인공지능의 사회적, 윤리적 의미 이해

• 소프트웨어 엔지니어링: 버전 제어, 테스트 및 배포 

• 기계 학습 - 이는 AI 시스템의 기초가 되는 경우가 많으며, 데이터에서 예측하고 결론을 도출하기 위해 컴퓨터 모델을 "교육"하는 방식입니다.

• 컴퓨터 비전 - 카메라, 비디오, 이미지를 통해 세상을 시각적으로 해석하는 AI 내 기능입니다.

• 자연어 처리 - 컴퓨터가 서면 또는 음성 언어를 해석하고 친절하게 응답할 수 있는 AI 내 기능입니다.

• 문서 인텔리전스 - 양식 및 문서에 있는 대량의 데이터를 관리, 처리 및 사용하는 AI 내 기능입니다.

• 지식 마이닝 - 구조화되지 않은 대용량 데이터에서 정보를 추출하여 검색 가능한 지식 저장소를 생성하는 AI 내 기능입니다.

• 생성적 AI(Generative AI) - 자연어, 이미지, 코드 등을 포함한 다양한 형식으로 독창적인 콘텐츠를 생성하는 AI 내 기능입니다.