2023년 10월 20일
인공지능 (Artificial Intelligence)
1. 인간의 지능을 모방한 기술, 인공지능의 개요
(1) 인공지능 (Artificial Intelligence)의 개념 및 특징
| 개념 | 인간의 지능을 모방하여 문제를 해결하거나 아이디어를 도출하는 기술 |
|---|---|
| 특징 | – 인간처럼 사고/행동 (Thinking/Acting Humanly) – 합리적으로 사고/행동 (Thinking/Acting Raionally) |
(2) 인공지능과 기계 학습, 딥러닝과의 관계
 |
| 인공지능 (Artificial Intelligence) | 인간의 지능을 모방하여 인간처럼 사고/행동하는 가장 큰 범위를 포괄하는 개념 |
|---|---|
| 기계 학습 (Machine Learning) | 컴퓨터가 데이터를 통해 학습할 수 있도록 하는 알고리즘과 기술 (머신러닝) |
| 인공 신경망 (Artificial Neural Network) | 인공 뉴런(퍼셉트론)이 학습을 통해 시냅스의 결합 세기(가중치)를 변화시켜 문제 해결 능력을 갖추는 모델 |
| 딥러닝 (Deep Learning) | 인공 신경망을 깊고 넓게 복합적으로 쌓아 학습을 수행하는 방식 |
- 인공지능은 사람과 같은 지능을 가진 강한 인공지능(Strong AI)과 특정 문제를 해결할 수 있는 수준의 지능을 갖는 약한 인공지능(Weak AI)로 분류
2. 인공지능 기술의 발전 과정과 기계 학습 분야
(1) 인공지능 기술의 발전 과정 및 주요 활동
| 시기 | 발전 과정 | 주요 활동 |
|---|---|---|
| 1950년대 | 인공지능의 시작 | – 1950년 튜링 머신의 개념 제안(앨런 튜링, 튜링 테스트) – 1950년 인공지능 관련 최초 논문 발표 – 1956년 다트머스 회의에서 인공지능 용어 사용 – 1958년 LISP 언어 개발 – 1959년 퍼셉트론 제안(인공신경망 역사) |
| 1960 ~ 1970년대 | 전문가 시스템과 1차 인공지능 붐 | – 1965년 최초의 전문가 시스템 개발 – 1973년 퍼지 개념 적용 – 1973년 Prolog 언어 개발 – 1975년 유전 알고리즘 개발 |
| 1980 ~ 2000년대 | 2차 인공지능 붐과 신경망 암흑기 | – 1986년 다중 퍼셉트론 제안(인공신경망 역사) – 1990년대 인공생명 등 과학 기반 복합계 형성 – 1990년 확률 모델 개발 및 베이즈 통계 도입 – 1990년 이후 데이터 마이닝 기법 활용 – 1996년 서포트 벡터 머신 활용 |
| 2010년대 이후 | 3차 인공지능 붐 | – 2010년 이후 분산 처리, IoT 및 빅데이터 분석 시대 – 2010년 딥러닝 제안(인공신경망 역사) |
(2) 인공지능(기계 학습) 분야 및 주요 기술
| 분야 | 주요 기술 | 메커니즘 |
|---|---|---|
| 통계 기반 머신러닝 | 베이지안 네트워크 | 체계적 확률 정보 기반 방향성 비순환 그래프와 그래프를 다루는 기법이 정리된 방법론 |
| 은닉 마르코프 모델 | 관측 불가능한 은닉 상태를 관측이 가능한 결과를 통해 모델링(모형화)하는 이중 확률론적 모델 | |
| 지도 학습 | 회귀 분석 | 관찰된 변수 집합에서 독립변수와 종속변수 간 상관관계를 함수식으로 표현 및 검증 |
| SVM | 서포트 벡터 머신, 학습 데이터를 두 개의 클래스로 분류하기 위해 Margin을 최대로 하는 결정직선탐색 분류 | |
| 비지도 학습 | 패턴 인식 | 문자, 물체 등을 인식하기 위해 표준 패턴과 입력 패턴 비교 기반 사물 식별 및 클래스 구분 |
| K-means | 데이터를 임의의 중심점을 기준으로 최소의 거리가 되도록 K개의 군집화 하여 분류 | |
| DBSCAN | 핵심 벡터로부터 ε 반경 내 접근 가능한 모든 데이터 벡터들의 집합(군집)을 생성 | |
| 강화 학습 | MDP | 마르코프 결정 프로세스, 이산시간 확률제어 과정으로, 상태, 행동 및 전이확률 기반 최적의 의사결정 정책 을 탐색 |
| Q-Learning | 특정 상태에서 행동에 대한 미래값(Q)을 계산하여, 최적 정책을 찾는 마르코프 의사결정 기반 강화학습 | |
| 유전 알고리즘 | 적자생존, 돌연변이 등 유전 원리에 따라 최적화 형태로 진화 과정에서 해를 찾는 알고리즘 | |
| 전이학습 | 데이터 세트가 유사한 분야에 학습치를 전이하여 Fine Tuning 기반 신경망 학습 재사용 | |
| 딥러닝 | DBN | 심층 신뢰망, 입력층과 은닉층으로 구성된 제한 볼츠만 머신을 블록처럼 여러 층으로 쌓인 형태로 연결 |
| CNN | Convolution, Pooling, Fully Connected layer를 통해 특징 추출, 차원 축소하여 이미지를 분류, 인식 | |
| RNN | 음성인식, 자연어 등 현재 입력 데이터와 과거 데이터를 고려하여 순차 데이터를 처리하는 순환 신경망 |
- 인공지능 기술을 활용하기 위해서는 대용량의 데이터와 컴퓨팅 파워가 필요하므로 데이터 및 컴퓨팅 관련 기반 기술의 성숙이 필수
3. 인공지능 서비스 개발 및 활용을 위한 기반 기술
(1) 대용량 데이터 수집/저장 관점의 인공지능 기반 기술
| 구분 | 기반 기술 | 역할 |
|---|---|---|
| 데이터 수집 | 엣지 컴퓨팅 | 스마트 더스트 등 작은 센서에 송수신기를 탑재하여 데이터를 수집, 전송 |
| 합성 데이터 | 실제 데이터와 유사한 통계 속성을 가지고 생성하여 기계학습 훈련 데이터로 활용 | |
| 데이터 거래소 | 확보한 데이터를 수집/가공하여 부가가치를 높여 필요한 소비자에게 공급 | |
| 데이터 저장/관리 | 하둡(Hadoop) | 네임노드와 데이터노드를 통해 대용량의 데이터를 클러스터링 기반 분산처리 |
| 데이터 레이크 | 정형, 반정형, 비정형의 다양한 원형(Raw) 데이터들을 실시간으로 수집, 전처리, 변환, 저장, 제공 | |
| 빅데이터 품질 관리 | DQM 등 기반 기계, 프로그램에 의해 수집되는 대량의 데이터를 정확성, 완전성 등을 확보 |
(2) 컴퓨팅 파워 제공 관점의 인공지능 기반 기술
| 구분 | 주요 기술 | 역할 |
|---|---|---|
| 컴퓨팅 하드웨어 | GPGPU | GPU를 그래픽 연산뿐 아니라 인공지능 서비스 활용 위해 인공지능 연산에 GPU를 사용 |
| 뉴로모픽칩 | 인간 뇌의 뉴런-시냅스 구조를 모방하여 연산, 저장, 통신 기능을 융합한 다수의 저전력 코어 기반 칩 | |
| 양자 컴퓨팅 | 폰노이만 시스템 한계 극복 및 양자 병렬성 기반 인공지능 연산에 활용 | |
| 가상화/ 클라우드 | 클라우드 컴퓨팅 | 서버, S/W 등 IT 자원들을 구매하지 않고 필요 시 인터넷을 통해 On-Demand 서비스 형태로 이용 |
| GPU 가상화 | Host OS(Native 환경)의 GPU 라이브러리와 동일한 API를 가진 래퍼(wrapper) 라이브러리를 Guest OS에 제공 | |
| AIaaS | 인공지능 API 엔진 및 어플리케이션, 머신러닝 프레임워크 등의 기능을 클라우드로 구현 | |
| 인공지능 개발 도구 | 텐서 플로우 | 머신러닝 모델의 제작, 빌드 및 배포를 위해 개발 도구, 라이브러리, 커뮤니티 리소스로 구성 |
| 머신러닝 파이프라인 | 데이터 수집부터 전처리, 학습 모델 배포, 예측까지 전과정을 순차적으로 처리하도록 설계 |
- 인공지능의 성능을 평가하기 위해 인공지능 평가모델 및 교차검증 등을 사용하며, 최근 인공지능 신뢰성 확보를 위한 설명 가능한 인공지능(XAI) 등도 연구중
4. 인공지능 활용 분야 및 서비스
| 활용 분야 | 활용 서비스 | 활용 사례 |
|---|---|---|
| 이미지 및 음성 인식 | 영상/이미지 인식 | 입력된 영상/이미지를 분할, 특징 추출, 매칭 등 영상 처리기술을 통해 사물을 분류 |
| 음성 패턴 인식 | 사람의 음성을 인공지능 기반 패턴화, 기계학습을 통해 업무 보조, 생활 편의 서비스 제공 | |
| NLP와 AI 장치 소형화 | 자연어 이해(NLU) | 인간의 언어 이해 방법을 모방하여 자연어의 어휘/문장/문맥을 이해 |
| 자연어 생성(NLG) | 지식 기반이나 논리 형식과 같은 기계 표현에서 의미 표현으로 자연어 문장 생성 | |
| 엣지 AI | IoT, 모바일 장치의 신속한 인공지능 서비스를 위해 단말 장치에서 생성한 데이터로 AI 알고리즘 직접 실행 | |
| 지능형 로봇 | 지능형 로봇 | 외부 환경을 인식(Sensing)하고 상황을 판단(Think)하여 자율적으로 동작(Act) |
| 인지 컴퓨팅 | 사람의 인지기능인 지각, 행동, 언어 등을 모방하여 인식과 행동, 기억, 학습, 의사결정 등을 수행 | |
| 기술 융합 | 메타버스 | 인공지능 NPC를 포함한 다른 존재와 함께 일상활동 경제생활을 영위하는 인터넷 공간과 물리적 공간이 공존 |
| 생성형 AI | 주어진 데이터 세트를 활용하여 이야기, 이미지, 동영상, 음악 등 새로운 콘텐츠와 아이디어를 생성 |
- 최근 생성형 AI(Generative AI)를 활용한 서비스가 폭발적으로 증가하고 있으며 프롬프트 엔지니어링, 생성형 AI 보안 위협 대응 등 안전한 생성형 인공지능 서비스 구축 방안 연구/개발 활성화
[참고]
- 정보문화사, 인공지능 바이블
About The Author
