1. 인공지능이란
2. 인공지능의 역사
3. 요소 연구 분야
3.1 요소 기술 분야
3.2 주요 응용 분야
4. 최근 동향
5. 인공지능의 영향
❖ 지능(知能, intelligence)
▪ 본능적이나 자동적으로 행동하는 대신에, 생각하고 이해하여
행동하는 능력
❖ 인공지능(人工知能, Artificial Intelligence)
▪ 인공적으로 만든 지능
▪ 튜링 테스트(Turing test)
• 지능의 조작적 정의 (operational definition)
– 조작적 정의: 측정할 수 있는 조건으로 어떤 속성을 기술
❖ 인공지능(Artificial Intelligence)
▪ 다트머스 회의(Dartmouth Conference,1956)
• 존 마카시(John McCarthy)가 AI 용어 제안
❖ 인공지능(人工知能, Artificial Intelligence)
▪ 사람의 생각과 관련된 활동, 예를 들면 의사 결정, 문제 해결, 학습 등의
활동을 자동화하는 것 (벨만Bellman, 1978)
▪ 사람이 하면 더 잘 할 수 있는 일을 컴퓨터가 하도록 하는 방법을 찾는
학문 (리치Rich와 나이트Knight, 1991)
▪ 지능이 요구되는 일을 할 수 있는 기계를 만드는 예술 (커즈와일Kurzweil, 1990)
▪ 지능적인 에이전트를 설계하는 학문 (풀Poole과 맥워쓰Mackworth, 1998)
▪ 인지하고, 추론하고, 행동할 수 있도록 하는 컴퓨팅에 관련된 학문 (윌슨Wilson, 1992)
▪ 인공물이 지능적인 행위를 하도록 하는 것 (닐슨Nisson, 1990)
▪ 사람이 의식적으로 하는 행동을 컴퓨터가 할 수 있도록 하는 것
강한 인공지능과 약한 인공지능
❖ 강한 인공지능 (strong AI)
▪ 사람과 같은 지능
▪ 마음을 가지고 사람처럼 느끼면서 지능적으로 행동하는 기계
▪ 추론, 문제해결, 판단, 계획, 의사소통, 자아 의식(self-awareness),
감정(sentiment), 지혜(sapience), 양심(conscience)
▪ 튜링 테스트
❖ 약한 인공지능 (weak AI, narrow AI)
▪ 특정 문제를 해결하는 지능적 행동
▪ 사람의 지능적 행동을 흉내 낼 수 있는 수준
▪ 대부분의 인공지능 접근 방향
▪ 중국인 방 사고실험(Chinese room thought experiment)
강한 인공지능과 약한 인공지능
❖ 중국인 방 사고실험(The Chinese Room Thought Experiment)
▪ 존 설(John Searle,1980) 제시
• 문 밑으로 중국어로 쓴 질문지를 전달
• 방 안에서 중국어를 모르는 사람이 글자모양에 따른 중국어 단어 조합 방법
매뉴얼을 참조하여 답변에 대한 단어 조합
• 조합된 단어들을 문 밖으로 내보냄
• 문 밖 사람은 중국어를 이해하는 사람이 방 안에 있다고 생각
• 단지 흉내만 내고 이해하는 것은 아님
▪ 이해하지 못하고 흉내 낼 수 있어도 지능적(intelligent) 행동
인공지능의 역사
❖ 1960년대 이전
▪ 1946년 펜실베니아 대학, ENIAC 개발
▪ 큰 기대와 여러 가지 시도, 매우 제한된 성공
▪ LISP 언어 개발 (매커시, 1958)
▪ 논리 기반 지식표현 및 추론 (매커시)
▪ 퍼셉트론(Perceptron) 모델 (로젠블랏, 1958)
• 초기 신경망 모델
▪ 수단-목표 분석(means-ends analysis) 기법 (Newell & Simon, 1958)
• 범용 문제해결을 목표로 한 GPS(General Problem Solver) 개발
❖ 수단-목표 분석(means-ends analysis)
▪ 해결해야 하는 문제를 상태(state)로 정의
▪ 현재 상태와 목적 상태(goal state) 간의 차이 계산
▪ 목적 상태로 도달하기 위한 조작자(operator, 연산자) 선택 적용하는 과정 반복
❖ 수단-목표 분석(means-ends analysis) – cont.
▪ 예. 블록이동 문제
❖ 1970년대에서 1980년대 초반
▪ 일반적인 방법보다는 특정 문제 영역에 효과적인 방법을 찾는 연구
▪ 전문가 시스템(expert system)
• 특정 영역의 문제에 대해서는 전문가 수준의 해답을 제공
• 1970년대 초반부터 1980년대 중반 상업적 성공 사례
• MYCIN, PROSPECTOR, DENDRAL
▪ 전문가 시스템 개발 도구(expert system shell) 개발
▪ Prolog 언어 개발
• 지식의 표현과 추론을 지원하는 논리(logic) 기반 언어
▪ 대표적인 초창기 전문가 시스템
• MYCIN
– 스탠포드 대학에서 개발한 전염성 혈액 질환 진단
– 일반 의사 보다 높은 정확도
• PROSPECTOR
– 광물탐사 데이터 분석
• DENDRAL
– 화학식과 질량 스펙트럼 데이터로부터 유기화합물의 분자구조 결정
– 스탠포드 대학의 Edward Feigenbaum 팀 개발
❖ 1980년대 중반에서 1990년대
▪ 신경망 모델 발전
• 다층 퍼셉트론(multi-layer Perceptron, MLP) : 신경망의 르네상스
• 오차 역전파(error backpropagation) 알고리즘
▪ 퍼지이론(fuzzy theory)
• 언어적인 애매한 정보를 정량화 하여 표현
▪ 진화연산
• 진화 개념을 문제 해결에 도입
• 유전자 알고리즘, 진화 프로그래밍 등
▪ 확률적 그래프 모델
• 그래프 이론과 확률론을 결합
• 컴퓨터 비전, 로보틱스, 자연어 처리, 진단 등에 적용
▪ 서포트 벡터 머신(Support Vector Machine, SVM)
❖ 2000년대 이후
▪ 에이전트(agent)
• 위임받은 일을 자율적으로 처리
▪ 시맨틱 웹(semantic web)
• 컴퓨터가 웹 상의 자원을 이해하여 처리
▪ 기계학습(machine learning)
▪ 데이터 마이닝(data mining)
▪ 딥러닝(deep learning)
▪ 상업적 성공 사례 다수 출현
• 애플 Siri, 구글 Now, MS Cortana
• IBM의 Watson
• 로봇 : Boston Dynamics 군사용 로봇 BigDog, 재난구조 로봇 Atlas
• 자율주행 자동차
• 클라우드 앱 서비스
▪ 튜링 테스트 최초 통과 프로그램
• Eugene Goostman
– 13세인 우크라이나 소년 캐릭터의 챗봇(chatbot)
– 튜링 사망 60주년을 기념하여 진행한 이벤트에서 튜링 테스트 통과
(2014.6)
» 30명의 검사자가 5분씩 대화: 33%가 사람으로 판정
» 제한적 상황에 대한 통과
▪ 뢰브너 상(Loebner Prize)
• 1990년 이후 매년 개최
• 튜링 테스트 대회
– 매년 우승팀 : $3,000
– 글만으로 이루어지는 튜링 테스트 최초 통과 : $25,000
– 시각적, 청각적 정보, 암호해독, 글일 이해하는 튜링 테스트 최초 통과:
$100,000
❖ 채팅 봇 테이(Tay)
▪ 사용자의 성향을 학습하여 대화를 하는 개인 맞춤형 챗봇(chatbot)
▪ 10대 소녀 채팅 봇
• 미국 18~24세 소셜미디어 사용자 대상
▪ Twitter에서 2016.3.23 16시간 운영 후 중단
▪ 오도된 학습 사례 발생
• 극단주의, 성차별, 인종혐오 등
인공 지능의 연구 분야 – 요소 기술
❖ 탐색(search)
▪ 문제의 답이 될 수 있는 것들의 집합을 공간(space)으로 간주하고, 문제에 대한 최적의 해를 찾기 위해 공간을 체계적으로 찾아 보는 것
▪ 무정보 탐색
• 너비우선 탐색(breadth-first search), 깊이우선 탐색(depth-firstsearch)
▪ 휴리스틱 탐색
• 언덕오르기 탐색, 최선 우선탐색, 빔탐색, A* 알고리즘
▪ 게임 트리 탐색
• mini-max 알고리즘, 알파-베타 가지치기(pruning), 몬테카를로 트리 탐색
❖ 지식표현(knowledge representation)
▪ 문제 해결에 이용하거나 심층적 추론을 할 수 있도록 지식을 효과적으로 표현하는 방법
▪ IF-THEN 규칙(rule)
▪ 프레임(frame)
▪ 의미망(semantic net)
▪ 논리(logic) : 명제논리(propositional logic), 술어논리(predicate logic)
▪ 스크립트
▪ 불확실한 지식 표현
▪ 확률 그래프 모델
▪ 온톨로지 기술 언어 : RDF, OWL
❖ 추론(inference)
▪ 가정이나 전제로부터 결론을 이끌어내는 것
▪ 규칙기반 시스템의 추론
• 전향추론(forward inference)
• 후향추론(backward inference)
▪ 확률 모델의 추론
• 관심 대상의 확률 또는 확률분포를 결정하는 것
• 베이즈 정리(Bayesian theorem) 및 주변화(marginalization) 이용
❖ 기계 학습(machine learning)
▪ 경험을 통해서 나중에 유사하거나 같은 일(task)를 더 효율적으로 처리 할 수 있도록 시스템의 구조나 파라미터를 바꾸는 것
▪ 컴퓨터가 지식을 갖게 만드는 작업
▪ 지도학습
• 입력과 대응하는 출력을 데이터로 제공하고 대응관계의 함수 찾기
▪ 비지도학습
• 데이터만 주어진 상태에서 유사한 것들을 서로 묶어 군집을 찾거나 확률분포 표현
▪ 강화학습
• 상황 별 행동에 따른 시스템의 보상 값(reward value)만을 이용하여, 시스템에 대한 바람직한 행동 정책(policy) 찾기
▪ 지도학습(supervised learning)
• 입력(문제)과 대응하는 출력(답)을 데이터로 제공하고 대응관계의 함수 또는 패턴을 찾는 것
▪ 비지도학습(unsupervised learning)
• 답이 없는 문제들만 있는 데이터들로 부터 패턴을 추출하는 것
❖ 기계 학습(machine learning) – cont.
▪ 강화학습(reinforcement learning)
• 문제에 대한 직접적인 답을 주지는 않지만, 경험을 통해 기대 보상(expected reward)이 최대가 되는 정책(policy)을 찾는 학습
❖ 계획수립(planning)
▪ 현재 상태에서 목표하는 상태에 도달하기 위해 수행해야 할 일련의행동 순서를 결정하는 것
▪ 작업 수행 절차 계획
▪ 로봇의 움직임 계획
주요 응용 분야
❖ 전문가시스템(expert system)
▪ 특정 문제 영역에 대해 전문가 수준의 해법을 제공하는 것
▪ 간단한 제어시스템에서부터 복잡한 계산과 추론을 요구하는 의료 진단, 고장 진단, 추천 시스템
▪ 작업 중요도 높은 분야의 경우 추천 정보로 활용
• 최종 결정은 현장 작업자가 담당
• 원자력 발전소, 항공우주 분야 등
▪ 지식 표현과 추론 부분 분리하여 구성
• 지식만 변경하면 변화하는 환경에 쉽게 대응
▪ 규칙기반 시스템(rule-based system)을 통한 구현
❖ 데이터 마이닝(data mining)
▪ 실제 대규모 데이터에서 암묵적인, 이전에 알려지지 않은, 잠재적으로 유용할 것 같은 정보를 추출하는 체계적인 과정
▪ 기계학습, 통계학 기법 적용
▪ 연관 규칙. 분류 패턴, 군집화 패턴, 텍스트 마이닝, 그래프 마이닝 , 추천, 시각화(visualization)
❖ 패턴인식(pattern recognition)
▪ 데이터에 있는 패턴이나 규칙성을 찾는 것
▪ 문자 인식 : 인쇄체, 필기체
▪ 음성 인식
▪ 영상 인식
▪ 텍스트 패턴 인식 (텍스트 마이닝)
▪ 센서 신호 인식(레이다, 라이다, 소나 등)
▪ 이상치(outlier) 탐지
❖ 자연어 처리(natural language processing)
▪ 사람이 사용하는 일반 언어로 작성된 문서를 처리하고 이해하는 분야
▪ 형태소 분석, 구문분석, 품사 태깅, 의미분석
▪ 언어모델, 주제어 추출, 개체명 인식
▪ 문서 요약
▪ 기계번역(machine translation)
▪ 질의 응답
❖ 컴퓨터 비전(computer vision)
▪ 컴퓨터를 이용하여 시각 기능을 갖는 기계장치를 만들려는 분야
❖ 음성 인식
▪ 사람의 음성 언어를 컴퓨터가 해석해 그 내용을 문자 데이터로 전환하는 처리
▪ 음성인식 스피커
❖ 로보틱스(robotics)
▪ 로봇에 관련된 기술 분야로서 기계공학, 센서공학, 마이크로 일렉트로닉스, 인공지능 기술 등을 종합적으로 활용
▪ 지능 로봇(intelligent robots)
• 인공지능 기술을 활용하는 로봇
❖ 에이전트(agent)
▪ 사용자로부터 위임받은 일을 자율적으로 수행하는 시스템
▪ 소프트웨어 에이전트(software agent)
• 채팅봇(chatting bot) : Siri, Tay
▪ 물리적 에이전트(physical agent)
• 로봇(robot)
▪ 반응형 에이전트(reactive agent)
• 단순히 입력에 대해서 정해진 반응
▪ 숙고형 에이전트(deliberate agent)
• 자신의 지식을 활용하여 목표를 달성하기 위한 계획을 수립하고 수행
▪ 학습 에이전트
• 경험(즉, 행동과 그 결과)이 누적됨에 따라 점점 똑똑해지도록 학습
인공지능의 영향
❖ 인공지능 기술 도입
▪ 자동화 -> 생산성 향상
▪ 일자리 문제
• 블루칼라 일자리 축소
• 화이트칼라 일자리 축소
– 금융 및 법률 분야 : 복잡한 데이터 분석 수행
– 언론 분야 : 로봇 저널리즘
– 의료 분야 : 진단 및 처방
• 신규 직업 출현 기대
• 노동력 잉여 발생
▪ 사회적 문제 초래
• 고용 및 일자리, 기회의 불평등, 양극화 등
'인공지능' 카테고리의 다른 글
| A star pathfinder (0) | 2023.05.09 |
|---|
