[인공지능개론] 1장. 인공지능 소개

▶인공지능의 의미를 이해한다.
▶지능의 특징을 살펴본다.
▶튜링 테스트를 이해한다.
▶인공지능이 사용되는 분야를 이해한다.
▶인공지능의 역사를 이해한다.
▶파이썬을 설치한다.

 

알파고의 충격

• 알파고는 구글 딥마인드에서 2016년에 개발한 바둑 인공지능 프로그램이다.
• 현재는 대적 상대가 없어서 은퇴한 상태이고 실력은 프로기사가 3점을 놓고 도 쩔쩔매는 수준이다.

 

알파고의 변신

 

ChatGPT의 충격

• Chat GPT는 OpenAI에서 만든 채팅봇으로 기존 대화 기억, 리포트 작성 기능, 자연어 생성 기능, 문맥 파악 기능등을 가지고 있다.

• Chat GPT는 기존의 자료를 요약하는 기능이 뛰어나서 검색을 대체할 수도 있다.
• 상당한 코딩 실력도 갖추고 있어서 문제만 제시하면 웬만한 프로그램은 작 성해준다.
• 인터넷, 스마트폰에 이은 3번째 충격이 시작되었다고 말하고 있다.
• 다양한 사무 업무를 대체할 수 있을 것이며 산업의 생태계도 바꿀 잠재력이 있다.

 

반응형

이미지 생성 인공지능

• 요즘은 키워드로 가상의 이미지를 생성하는 인공지능이 화제를 낳고 있다. 다음 그림은 “new york Christmas snow car people presents Christmas tree” 라는 키워드로 OpenAI의 DALL-E로 생성한 가상 이미지

 

 

최근의 인공지능 활약

• 1997년 IBM의 딥블루: 체스시합에서 세계 챔피언이었던 카스퍼로프를 상대 로 승리(인간을 넘어선 최초의 컴퓨터)
• 2011년 IBM의 왓슨: 퀴즈쇼 “제퍼디”에서 우승 차지
• 2016년 알파고(AlphaGo):구글의 인공지능 바둑 프로그램- 이세돌과의 경기 에서 4-1로 승리, 2017년 1월 마스터(Master): 업그레이드된 알파고
• 2022년 ChatGPT, DALL-E 등장

 

인공지능 컴퓨터

• 1997년 IBM의 딥블루(Deep Blue)라는 컴퓨터가 세계 체스 챔피언인 개리 캐 스파로프를 꺾으면서 다시 주목

 

 

• 2011년에는 IBM의 왓슨(Watson)이 세계 최고의 퀴즈쇼인 제퍼디(Jeopardy) 에서 그동안 전설적인 퀴즈 왕으로 꼽혔던 2명의 퀴즈 왕들을 상대로 한 대 결에서 승리

 

 

 

인공지능은 어디에 필요할까?

• 인공지능 탑재 자율주행 자동차는 길 선택, 주행, 정차 모두 인공지능이 판단

연결된 자율주행 자동차의 개념

• 음성인식: 필요한 것을 말하면 인터넷에 연결하여 자동주문한다. ex)Amazon의 알렉사

아마존의 알렉사(출처:아마존)

• 최근에 구글에서 제공하는 번역 시스템의 성능이 비약적으로 향상되었다. 이 것을 사용하면 외국어를 모르더라도 번역할 수 있으며, 해외 여행 시에는 필 수적인 도구가 되었다.
• 삼성 S24 스마트폰 : 온AI기반 통역서비스

 

인공지능의 형태

강인공지능(Strong AI)

• 인공지능의 강한 형태
• 자의식이 있다
• 일반적인 영역에서의 문제도 해결하지만, 명령받지 않은 일도 스스로 필 요하다면 해결할 수 있다
• ex)터미네이터의 스카이넷

약인공지능(Week AI)

• 인공지능의 약한 형태
• 자의식이 없다
• 특정한 영역에서 주어진 문제를 해결
• ex) 알파고

 

인간과 인공지능

• 인간과 컴퓨터는 각각 장점과 약점을 가지고 있다. 인공지능이 탑재된 컴퓨 터는 논리적으로 추론할 수도 있으며 학습도 가능하다. 인간은 계산은 늦지 만 창의적으로 문제를 해결할 수 있다.
• 인간과 인공지능 컴퓨터는 좋은 동반자

 

인공지능의 특징

인간의 지능

 

 

인공지능이란 무엇인가?

인공지능은 연구자들마다 정의가 다르다.

• “인간처럼 사고하기”(Thinking Humanly) -Cognitive Science, 신경망
• “합리적으로 사고하기“(Thinking Rationally)– 논리학, 추론
• “인간처럼 행동하기“(Acting Humanly) - Turing Test, 로봇 공학
• “합리적으로 행동하기“(Acting Rationally)- 에이전트: 목표를 성취하기 위해 행동, 추론을 포함

 

지능의 정의

1. 인간이 사물을 이해하고 학습하는 능력(learning)
2. 어떤 문제가 주어졌을 때, 합리적으로 사고하여 문제를 해결하는 능 력(problem solving)

인공지능이란 "인간의 인지적인 기능을 흉내내어서 문제를 해결하기 위하여 학습하고 이해하는 기계(컴퓨터)"

 

 

인공지능 vs 기계학습 vs 딥러닝

인공지능, 기계학습, 딥러닝의 관계

 

---

 

튜링 테스트

• 영국의 수학자 앨런 튜링은 “기계가 생각할 수 있을까?”라는 질문 대신에 기 계와 사람을 구분할 수 없다면 인공 지능이 구현되었다고 봐야 한다고 주장
• 튜링 테스트에서는 인간, 컴퓨터, 질문자가 각각 독립된 방에 있고 원격 터 미널만을 사용하여 통신
• 질문자는 방 안에 누가 있는 지 볼 수 없고 음성을 들을 수도 없다.
• 질문자는 누가 인간이고 누가 컴퓨터인지를 알아내기 위하여 질문을 하게 된다.

 

엘리자(ELIZA)

• 1966년 Weizenbaum은 심리 치료사의 행동을 모방하기 위해 ELIZA를 개발
• ELIZA 라고 하는 이 프로그램은 사용자의 문장에서 특정한 키워드가 발견되 면 어떤 규칙이 적용하여 답변을 생성한 후에 반환된다

ELIZA(출처:위키백과)

 

 

중국인 방

• 영어만 할 수 있는 사람이 닫힌 방에 있고 중국어 질문과 답변이 적 힌 책, 종이, 연필, 지우개를 가지고 있다고 가정
• 이 방 안으로 중국인 질문자가 중국어로 질문을 써서 안으로 넣으면 Searle은 준비된 책에 따라 답변을 중국어로 써서 밖의 질문자에게 준다.
• Searle은 소프트웨어(예 : ELIZA)가 자신이 이해하지 못한 기호를 단순히 조 작하여 튜링 테스트를 통과할 수 있다고 언급했다. 이해하지 못하면, 사람들 과 같은 의미에서 "생각"으로 간주될 수 없다는 것이다.
• 따라서 튜링 테스트는 기계가 생각할 수 있음을 입증할 수 없다고 주장하였다.

중국인의 방 실험

 

유진 구스트만

2014년 6월. 13세 소년을 시뮬레이트하기 위해 개발된 컴퓨터 프로그램인 " 유진 구스트만 (Eugene Goostman)"은 심판관 중 33%가 인간이라고 판단

 

 

튜링 테스트의 문제점

• 반드시 인간의 행동과 지적인 행동이 똑같은 것은 아니다. 어떤 인간 행동은 비지능적이고 또 일부 지적 행동은 비인간적이다.
• 튜링 테스트 자체가 너무 예전 기준이라는 의견도 있다

 

인공지능의 역사

인공지능의 역사

인공지능의 태동

1943년에 Warren McCulloch과 Walter Pitts는 뉴런들의 간단한 네트 워크를 분석하고 이것이 간단한 논리 기능을 수행할 수 있음을 보여 주었다. 이것들은 나중에 연구자들이 인공 신경망이라고 부르게 되었다.

Warren McCulloch와 Walter Pitts. 그 들이 만들었던 신경망

 

 

퍼셉트론

인공 신경망의 초기 형태인 퍼셉트론(perceptron)을 Frank Rosenblatt가 개발하였다. Rosenblatt는 "퍼셉트론은 궁극적으로 언어를 배우고 결정하며 언어를 번역할 수 있게 될 것"이라고 예측하여 낙관적인 입장을 보였다.

Rosenbalatt와 퍼셉트론

 

 

"탐색으로 추론하기" 시대

많은 초기의 AI 프로그램은 기본 탐색 알고리즘을 사용했다. 이들 알 고리즘은 어떤 목표를 달성하기 위해, 미로를 탐색하는 것처럼 단계 별로 진행하였고 막 다른 곳에 도달할 때마다 탐색 트리 상에서 되돌아갔다.

조합 폭발

 

 

---

 

첫 번째 AI겨울

인공지능의 부침

 

당시의 문제점

• 첫 번째로 1970년대에는 충분한 컴퓨팅 파워가 없었다. 실제로 유용한 결과 를 내는데 필요한 CPU의 속도나 충분한 메모리가 없었다.
• 두 번째로 “장난감 문제”가 있다. 인공 지능 분야에서는 지수적 시간에만 풀 수 있는 많은 현실적인 문제가 있다. 따라서 이러한 현실적인 문제에 대한 최적의 솔루션을 찾는 데는 상상할 수 없는 양의 계산 시간이 필요
• 세 번째로 컴퓨터 시각이나 자연어 처리와 같은 많은 인공 지능 응용 프로그 램은 전 세계에 대한 엄청난 양의 정보를 필요로 한다. 1970년에는 아무도 이 정도의 데이터베이스를 만들 수 없었고 어떤 프로그램도 이 방대한 정보 를 어떻게 학습해야 하는지를 알지 못했다.

 

전성시대

• 연구자들은 이 세상의 모든 문제를 해결할 수 있는 시스템을 개발한 다는 생각을 버렸다.
• 이에 새롭게 등장한 시스템이 "전문가 시스템(expert system)"이다.

전문가 시스템

전문가 시스템

• DENDRAL은 분광계 수치로 화합물을 분석하는 전문가 시스템으로 스탠포드 대학교의 Edward Feigenbaum과 그의 학생들에 의해 개발 되었다.
• MYCIN은 전염성 질환을 진단하고 항생제를 처방하는 전문가 시스템 이었다.

신경망의 부활

• 1982년 물리학자 John Hopfield는 완전히 새로운 방 식으로 정보를 학습하고 처리 할 수 있는 한 형태의 신경망 (Hopfield Net)을 제안
• Geoffrey Hinton과 David Rumelhart는 "역전파 (backpropagation)"라고 불리 는 유명한 학습 방법을 대중화

 

 

 

 

두 번째 AI 겨울

• 전문가 시스템은 유용했지만 몇 가지 특수한 상황에서만 유용함이 밝혀졌다.
• 1980년대 후반, 미국의 전략적 컴퓨팅 구상(Strategic Computing Initiative)은 AI에 대한 기금을 잔인하게 삭감했다

 

 

AI의 부활

• 딥러닝(deep learning)은 많은 레이어(layer)가 있는 신경 회로망을 사용하여 데이터의 추상화를 모델링하는 기계 학습의 한 분야이다.

• 최근의 딥러닝 개발은 바둑이나 스타그래프트, 전투기 조종, Doom 게임과 같은 분야에서 인간과 경쟁하여 놀라운 결과를 만들어 냈다.

 

 

인공지능의 응용 분야

• 자동차 업계에서는 이미지 인식 기술을 바탕으로 한 자율 주행 자동차 개발 에 심혈을 기울이고 있다.

자율주행 자동차의 개

• 동영상 추천 시스템: 여러분도 유튜브의 알고리즘에 빠져서 영상들을 연속 하여 시청한 경험이 있을 것이다.

• 인공지능은 현재 사용자가 보고 있는 웹사이트의 컨텐츠와 가장 유사한 상 품이나 기사를 추천한다.

인공지능 추천 시스템

• 오늘날 챗봇은 Google Assistant 및 Amazon Alexa와 같은 가상 어시스턴트 , Facebook Messenger 또는 WeChat과 같은 메시징 앱 이나 웹 사이트를 통해 사용된다.
• 아래 그림은 2022년 8월에 미국 콜로라도 주립 박람회의 디지털 예술 부문에 서 우승을 차지한 ‘스페이스 오페라 극장’이다.

미드 저니를 사용하여 만든 제이슨 앨런의 "Space Opera Theatre"(출처: 뉴욕 타임즈)

• 의료분야

왓슨을 사용한 의료진단

 

 

초거대 AI

• 초거대 AI란 강력한 연산 인프라를 바탕으로 대용량 데이터를 학습해 종합 적 추론이 가능한 기술이다. 예를 들어, 알파고는 바둑 분야에만 특화돼 있지만, 초거대 AI는 여러 상황에서 역할을 수행할 수 있다. 마치 인간의 능력 을 전부 갖춘 AI를 만들려는 시도이다.
• OpenAI의 GPT-3가 있으며, 우리나라의 LG, 카카오 같은 기업들도 초거대AI 를 자체 개발하고 있다.
• 신경망의 파라미터란 신경망 안에서 학습을 통하여 변경할 수 있는 연결선의 가중치이다. 가중치가 많을수록 더 정교하게 학습 시킬 수 있다.
• 인간의 뇌 안에 있는 파라미터는 약 1000조 개이고, GPT-3는 약 1750억 개 의 파라미터를 가지고 있다고 한다.

• GPT-3(ChatGPT의 이전 모델)에서 생성된 텍스트의 품질은 너무 높아서 사 람이 작성했는지 여부를 판별하기어렵다고 한다. GPT-3는 2020년 9월 영국 가디언에 칼럼<A robot wrote this entire article. Are you scared yet, human?>을 기고하기도 했다.