인공지능 개론 요약

1. 인공지능 개요

1.1. 생각하는 컴퓨터

1.1.1. 컴퓨터가 생각할 수 있을까?

  1. 튜링테스트: 알란튜링이 컴퓨터가 생각을 할 수 있는가를 입증하기 위한 방법으로 제안한 테스트
  2. 체스대결
    • Deep Blue: IBM RS/6000 SP 병렬 슈퍼컴퓨터에 체스 전용 보조 프로세스 장착 초당 2억개의 행마 검토 가능
    • Deep Blue vs. Garry Kasparov 1차(1996) 1승 2무 3패, 2차(1997) 2승 3무 1패
  3. 퀴즈대결
    • Watson: 자연어 처리기 가능하여 가설설정, 증거에 점수 부여, 가설 병합 및 순위를 정해 답변
    • Jeopardy!(2011)에서 IBM Watson vs. Human에서 승리
  4. 바둑대결
    • AlphaGo: Monte-Carlo 트리 탐색, 딥러닝을 이용한 머신러닝 기술 적용
    • AlphaGo vs. 이세돌에서 승리
  5. 생성형 인공지능: 대규모 데이터 집합을 대상으로 학습하여 이를 일반화하고, 데이터에 내제한 패턴이나 구조를 습득하여, 이를 바탕으로 새로운 데이터 생성
    • 윤리적 문제: 편향된 콘텐츠, 거짓정보 생성, 딥페이크
    • 환각: 사실과 다르거나 비논리적 정보의 생성
    • 불분명한 책임소재
    • 설명가능성 부재: 정보 생성 및 결정과정의 근거자료에 대한 투명성 및 신뢰성 부족

1.1.2. 인간을 능가하는 인공지능

  1. 지능적 시스템 요구사항
    • 지식에 바탕
    • 데이터 분석 및 예측
    • 학습
    • 사물인지
    • 자연어 이해 및 구사
    • 창조
    • 감성지능
  2. weak AI (narrow AU)
    • 특정 작업이나 한정된 범위에 작업 수행하도록 설계
  3. Artificial General Intelligence (strong AI)
    • 인간이 보유한 역량 이상을 해낼 수 있는 인공지능

1.2. 인공지능의 탄생과 발전

1.2.1. 태동

  1. Dartmouth workshop
    • 마빈 민스키, 존 메카시, 너새니얼 로체스터, 클로드 섀넌의 제안문(1955)
    • Artificial Intelligence 용어 사용
    • 자동적 컴퓨팅, 컴퓨터가 언어를 사용하도록 프로그래밍하는 방법, 가상 신경세포의 개념 형성, 계산의 규모에 대한 이론, 자기 개션, 추상화, 무작위성과 창의성 등에 대한 브레인스토밍
  2. 초기 인공지능 연구
    • 기호처리 기법, 초기 전문가 시스템, 연역 및 귀납 시스템
    • 인공신경망 초기모델 연구: 퍼셉트론모델(프랭크 로젠플랫), ADALINE, 홉필드 네트워크 등
    • 문제풀이: 직관적으로 단순하게 이해할 수 없는 사안에 대해 문제를 파악하고 해에 이르는 방법을 찾아내는 일련의 과정
  3. 지식중심형 연구(전문가 시스템)로 전환
    • 광범위한 지식과 문제풀이 방법을 필요로 하는 일반문제를 해결하려는 시도에서, 특정한 분야의 지식을 이용한 인공지능 시스템 구현으로 전환
    • 전문가 시스템의 주요 구성요소: 지식베이스, 추론기관
    • 전문가 시스템의 예: Dendrol(1963, 미지의 유기분자를 식별할 수 있도록 유기화학자 보조), MYCIN(1972, 감염체 식별 및 항생제 처방 조언)

1.2.2. 침체와 부흥

  1. AI Winter(1970중·후반~1990년대): 인공지능 연구 성과에 대한 의문
    • 인공지능 연구에 있어 컴퓨터 성능의 한계에 다다랐을 뿐만 아니라, 그 결과물이 성능, 유용성, 유연성, 경제성에서 기대 이하의 성과
    • 인간 수준의 지능을 구현하려 할때 실제 문제의 크기나 복잡성이 초기 예상보다 그 규모나 난이도가 매우 크고 높다는 것을 인식
  2. 새로운 관심
    • 머신러닝 기술의 획기적 발전: 딥러닝 모델 및 LLM 등장
    • SNS 등 인공지능 학습을 위한 풍부한 데이터 생성
    • GPU 기술을 통한 계산능력의 비약적 증대

1.3. 지능이란 무엇인가

1.3.1. 정의

  1. 사전적 정의: 문제해결 능력, 학습능력, 지식활용 능력, 인지능력, 다양한 상황에 대한 대응 능력
  2. 지능이 사용되는 문제의 예: 필기 숫자 인식 등

1.3.2. 접근방향

  1. 인공지능: 지능적 행동의 일반적 의미에 대한 컴퓨터 관점에서의 이해 및 지능적 행동을 할 수 있는 인공물의 생성을 다루는 컴퓨터과학 및 컴퓨터공학의 분야
    • 계산심리학 관점: 사람과 동일한 방식으로 행동하는 컴퓨터 프로그램을 개발하여 인간의 지능적 행동을 이해
    • 기계지능 관점: 컴퓨터를 이용하여 프로그래밍 할 수 있는 영역을 인간이 수행할 수 있는 작업영역으로 확장
  2. Symbolic AI(기호처리 인공지능)
    • 물리적 기호시스템 가설: 물리적 기호시스템을 통해 인간이 행하는 지능적 작업을 수행하는 프로그램을 작성할 수 있다는 믿음
  3. 확률 및 통계 이론의 활용
    • 추론의 근거가 되는 사실이나 규칙이 불확실성이 내제하는 문제 및 주어진 데이터 집합을 바탕으로 미래의 현상을 예측하거나 갹체를 분류하는 문제
    • 자연어 처리, 머신러닝, 패턴인식 등
  4. 연결주의 접근방법
    • 두뇌의 신경체계에 착안, 상향식 접근을 통해 패턴을 찾고 일반화하여 복합적 지능적 행동을 창조 및 발전

1.3.3. 인공지능과 학습

  • 머신러닝: 수집된 정보로부터 풀이에 필요한 지식을 습득함으로써 시스템 스스로 행동을 향상시키는 과정

2. 문제해결

3. 게임트리

4. 지식과 인공지능

5. 논리에 의한 지식 표현

6. 퍼지이론

7. 컴퓨터 시각과 패턴인식

8. 머신러닝

9. 인공신경망

10. 딥러닝

【참고자료】