반응형

인공 지능이란 무엇일까?

인공 지능은 일반적으로 인간 지능이 필요한 작업을 수행 할 수 잇는 스마트 머신을 구축하는 것과 관련된 컴퓨터 규ㅘ학의 광범위한 분야입니다. AI는 다양한 접근 방식을 가진 학제 간 과학이지만, 머신러닝과 딥러닝의 발전으로 기술 산업의 거의 모든 부문에서 패러다임 변화가 일어나고 있습니다.

 

인공 지능은 어떻게 작동할까요?

기계가 생각할 수 있습니까? — 앨런 튜링,

1950 나치 암호화 기계 인 Enigma를 깨고 연합군이 제 2 차 세계 대전에서 승리하도록 도운 지 10 년이 채되지 않아 수학자 Alan Turing은 "기계가 생각할 수 있는가?"라는 간단한 질문으로 역사를 두 번째로 바꿨습니다.

 

Turing의 논문 " Computing Machinery and Intelligence "(1950)와 후속 Turing Test는 인공 지능의 기본 목표와 비전을 설정했습니다.

핵심에서 AI는 튜링의 질문에 긍정적으로 대답하는 것을 목표로하는 컴퓨터 과학의 한 분야입니다. 기계에서 인간 지능을 복제하거나 시뮬레이션하려는 노력입니다.

인공 지능의 광범위한 목표는 많은 질문과 논쟁을 불러 일으켰습니다. 너무나도 그렇기 때문에 필드의 단일 정의는 보편적으로 허용되지 않습니다.

AI를 단순히 "지능형 기계를 만드는 것"으로 정의하는 데있어 가장 큰 한계는 인공 지능이 무엇인지 실제로 설명하지 않는다는 것 입니다. 기계를 지능적으로 만드는 것은 무엇입니까?

획기적인 교과서인 인공 지능 : 현대적인 접근 방식 에서 저자 인 Stuart Russell과 Peter Norvig는 기계의 지능형 에이전트라는 주제에 대한 작업을 통합하여 질문에 접근합니다. 이를 염두에두고 AI는 "환경에서 지각을 받아 행동을 수행하는 에이전트에 대한 연구"입니다. 

 

Norvig와 Russell은 역사적으로 AI 분야를 정의한 네 가지 접근 방식을 계속 탐구합니다.

1. 인간적으로 생각하기

2. 합리적인 생각

3. 인간적인 행동

4. 합리적으로 행동

 

처음 두 아이디어는 사고 과정과 추론에 관한 것이고 다른 아이디어는 행동을 다룹니다. Norvig와 Russell은 특히 "튜링 테스트에 필요한 모든 기술이 에이전트가 합리적으로 행동 할 수있게 해준다"고 언급하면서 최상의 결과를 달성하기 위해 행동하는 합리적 에이전트에 중점을 둡니다.

포드의 MIT에서 인공 지능 및 컴퓨터 과학 교수 인 패트릭 윈스턴 (Patrick Winston) 은 AI 를 "생각, 인식 및 행동을 함께 묶는 루프를 대상으로하는 모델을 지원하는 표현에 의해 노출되는 제약에 의해 활성화 된 알고리즘"으로 정의 합니다.

 

이러한 정의는 일반인에게는 추상적으로 보일 수 있지만 컴퓨터 과학 분야로이 분야를 집중하는 데 도움이되며 기계 및 프로그램에 기계 학습 및 기타 인공 지능 하위 집합을 주입하기위한 청사진을 제공합니다.

2017 년 Japan AI Experience에서 군중에게 연설하는 동안 DataRobot CEO Jeremy Achin은 오늘날 AI 사용 방식에 대한 다음과 같은 정의를 제공하여 연설을 시작했습니다.

"AI는 일반적으로 인간의 지능을 필요로하는 작업을 수행 할 수있는 컴퓨터 시스템입니다. 이러한 인공 지능 시스템의 대부분은 기계 학습으로 구동되고, 일부는 딥 러닝으로 구동되고, 일부는 규칙과 같은 매우 지루한 것들로 구동됩니다."

 

AI는 어떻게 사용됩니까?

인공 지능은 일반적으로 두 가지 범주에 속합니다.

제한된 AI : "weak AI"라고도하는 이러한 종류의 인공 지능은 제한된 컨텍스트 내에서 작동하며 인간 지능의 시뮬레이션입니다. Narrow AI는 종종 단일 작업을 매우 잘 수행하는 데 초점을 맞추고 이러한 기계는 지능적으로 보일 수 있지만 가장 기본적인 인간 지능보다 훨씬 더 많은 제약과 한계에서 작동합니다.

 

AGI (인공 지능) : AGI ( '강력한 AI'라고도 함)는 Westworld 의 로봇 이나 Star Trek : The Next Generation의 데이터 와 같이 영화에서 볼 수있는 일종의 인공 지능 입니다. AGI는 일반적인 지능을 가진 기계이며 인간과 마찬가지로 그 지능을 적용하여 문제를 해결할 수 있습니다.

인공 지능 예

. 스마트 비서 (예 : Siri 및 Alexa)

. 질병 매핑 및 예측 도구

. 제조 및 드론 로봇

. 개인으로 최적화 된 의료 치료 및 권장 사항

. 마케팅 및 고객 서비스를위한 대화 형 봇

. 주식 거래를위한 로보 어드바이저

. 이메일 스팸 필터

. 위험한 콘텐츠 또는 허위 뉴스에 대한 소셜 미디어 모니터링 도구

. Spotify 및 Netflix의 노래 또는 TV 프로그램 추천

 

제한된 인공 지능

제한된 AI는 우리 주변에 있으며 현재까지 가장 성공적인 인공 지능입니다. "인공 지능의 미래를위한 준비"에 따르면 Narrow AI는 특정 작업을 수행하는 데 중점을두고 지난 10 년 동안 "중대한 사회적 이익을 가져오고 국가의 경제적 활력에 기여한"수많은 혁신을 경험했습니다. 오바마 행정부가 발표 한 2016 년 보고서.

 

Narrow AI의 몇 가지 예는 다음과 같습니다.

. 구글 검색

. 이미지 인식 소프트웨어

. Siri, Alexa 및 기타 개인 비서

. 자율 주행 차

. IBM의 Watson

 

머신 러닝 및 딥 러닝

Narrow AI의 대부분은 머신 러닝 과 딥 러닝의 획기적인 발전에 의해 구동됩니다 . 인공 지능, 기계 학습 및 딥 러닝의 차이점을 이해하는 것은 혼란 스러울 수 있습니다. 벤처 자본가 인 Frank Chen 은 다음 과 같이 이들을 구별하는 방법에 대한 좋은 개요 를 제공합니다 .

"인공 지능은 인간 지능을 모방하기위한 일련의 알고리즘과 지능입니다. 기계 학습은 그중 하나이고 딥 러닝은 기계 학습 기술 중 하나입니다."

간단히 말해, 기계 학습은 컴퓨터 데이터를 제공하고 통계 기법을 사용하여 해당 작업에 대해 특별히 프로그래밍하지 않고도 작업을 점진적으로 향상시키는 방법을 "학습"하여 수백만 줄의 코드를 작성할 필요가 없습니다. 기계 학습은지도 학습 (레이블이있는 데이터 세트 사용)과 비지도 학습 (레이블이없는 데이터 세트 사용)으로 구성됩니다.

딥 러닝은 생물학적으로 영감을받은 신경망 아키텍처를 통해 입력을 실행하는 머신 러닝 유형입니다. 신경망에는 데이터가 처리되는 여러 숨겨진 계층이 포함되어있어 기계가 학습에 "깊이"들어가고 연결 및 가중치 입력을 통해 최상의 결과를 얻을 수 있습니다.

 

인공 지능

모든 작업에 적용 할 수있는 인간 수준의 지능을 가진 기계를 만드는 것은 많은 AI 연구자들에게 성배이지만 AGI에 대한 탐구는 어려웠습니다.

"모든 환경에서 학습하고 행동하기위한 범용 알고리즘"(Russel and Norvig 27)에 대한 검색은 새로운 것은 아니지만 시간이 기본적으로 완전한인지 능력을 갖춘 기계를 만드는 어려움을 완화하지는 못했습니다.

AGI는 오랫동안 초 지능 로봇이 인류를 압도하는 디스토피아 공상 과학의 뮤즈 였지만 전문가들은 이것이 우리가 조만간 걱정할 필요가 없다는 데 동의합니다.

 

반응형
  • 네이버 블러그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 카카오스토리 공유하기

댓글을 달아 주세요

">