[AI 웹개발 취업캠프] 26Day - 인공지능 소개

인공지능 소개

인공지능 개념

프로그램과 인공지능

프로그램

발생할 수 있는 모든 케이스에 대해 사람이 프로그램으로 구현

 

인공지능

컴퓨터 스스로 데이터를 학습하여 판단하고 행동

 

 

인공지능의 목표

다트머스 컨퍼런스 (Dartmouth Conference)

1956년 미국 다트머스 대학교에서 10명의 학자들이 참여한 회의

인공지능이라는 용어가 대중에 처음 알려짐

 

다트머트 컨퍼런스의 전제

학습의 모든 측면, 혹은 지능의 모든 특성이 원칙적으로 정확히 기술되어서 이를 모사하는 기계를 만들 수 있다는 가정을 토대를 두고 연구를 진행

 

다트머트 컨퍼런스의 목표

사람의 다양한 능력을 컴퓨터가 대신할 수 있도록 하는 것

 

 

인공지능 기술은 현재 생활가전, 의료, 교육, 국방, 제조, 재무분석, 서비스 등 다양한 분야에서 활용되고 있다.

인공지능 발달은 궁극적으로 로봇의 기능을 향상시키고 실생활에 로봇이 도입될 수 있도록 하는 데 있다.

 

 

인공지능의 순기능

인공지능 기술이 다양한 산업 분양에 접목되면서 지금까지 상상할 수 없었던 새로운 결과물이 나오고 있다.

 

노동대체

인간의 정신적, 육체적 노동을 최소화하거나 대체함으로써 업무 효율성을 크게 높일 수 있다

 

자동화

• 대표적인 RPA 서비스: 보험금 청구 심사 시스템
• 보험심사 업무가 인공지능으로 자동화되면서 사람은 단순하고 반복적인 업무에서 해방되었고
  심사 업무는 빠르고 효율적으로 바뀜

 

RPA

사람이 수행하던 규칙적이고 반복적인 업무 프로세스에 소프트웨어 로봇을 적용하여 자동화

저렴한 비용으로 빠르고 정확하게 업무를 수행하는 디지털 노동

사람 70명이 투입되어 15,628시간 동안 진행되던 업무가 인공지능이 접목된 RPA 1대로 대체 가능

 

• 협동로봇을 이용하면 제조 공정의 대부분을 자동화할 수 있다
• 이를 통해 사람은 위험한 작업환경에서 해방될 수 있으며,
  기업은 높은 생산성을 기대할 수 있다.

 

개인 능력 격차 완화

인공지능은 다년간의 경험과 깊이 있는 지식을 보유한 전문가만이 할 수 있었던 업무를 비전문가도 쉽게 수행

인공지능, 빅데이터 기술이 접목된 로보 어드바이저(Robo-advisor) 를 이용하면 투자전문가가 아니더라도 고객에게 최적화된 투자자문 서비스를 제공할 수 있다.

 

인공지능의 역기능

멍청한 AI (Dumb AI)

• 인공지능에 악의적인 정보를 제공하면 잘못된 판단을 하거나 관점이 편향될 수 있다
• MS의 인공지능 챗봇 테이(Tay)에게 일부 이용자들이 악의적인 정보를 제공하자
  이를 학습한 테이가 인종차별적 용석을 쏟아낸 사례

 

법적. 윤리적 책임 소재 문제

• 인공지능은 현행법상 법적 권리나 의무의 주체의 사람(법인)이 아니므로 법적 책임을 물을 수 없다

 

빈부격차 심화

• 인공지능이 인간의 일자리를 대체함으로써 인간의 생계 위협 가능성
• 인공지능 활성화로 새로운 직업이 창출되기도 하지만, 새로운 기술을 습득하고 화용하는 데에는 많은 시간 필요
• 시간적, 기술 습득상의 제약으로 인해 배움에서 소외된 사람들은 경제적 어려움을 겪을 수 있다.

 

예측 불가능한 AI

• 학습되지 않았거나 추론을 할 수 없는 상황이 발생할 경우, 인공지능은 평소와 달리 엉뚱한 결과를 내놓을 수 있다.

 

 

인공지능의 중요성과 시장성

인공지능의 중요성

• 최근 들어 인공지능이 중요한 화두로 떠오른 데에는 빅데이터로 대변되는 데이터양의 폭발적인 증가가 한 몫함
• 기존에 보유하고 있던 데이터는 물론, 사물인터넷으로 수집된 데이터까지 분석하여 비즈니스에 활용하고자 하는 요구가 많아짐
• 범용성: 하나의 기술을 여러 용도로 다양한 산업에 사용할 수 있다.
• 최근에는 제조, 금융, 의료 등 전 산업에 적용되고 있다.

 

인공지능의 시장성

인공지능 분야의 3대 강국 : 미국, 중국, 일본

• 미국과 중국 : 인공지능 주도권 유지를 국가 최상위 과제로 선언
• 일본 : 'AI 전략 2019'를 통해 단계벽 인공지능 맞춤 실무교육도입

 

인공지능 시장 규모는 2025년에 64조 원 이상이 될 것으로 전망

인공지능 경쟁력을 갖춘 기업이 시장을 독점하고 미래의 패권을 좌우할 것으로 예측

 

 

인공지능의 연대기

http://innovationplaza.blogspot.com/2017/11/blog-post.html

 

 

인공지능 기술의 라이프 사이클

태동기 - 1차 암흑기 - 성장기 - 2차 암흑기 - 성숙기

http://www.dailyinvest.kr/news/articleView.html?idxno=12654

 

 

1차 태동기 : 인공지능의 시작 (1950 ~ 1956)

튜링 테스트 (Turing Test)

기계가 사람처럼 지능적으로 동작할 수 있는지 판단하는 테스트

 

캡차 (CAPTCHA)

2000년 미국 카네기 멜론 대학교의 연구원들이 사람과 로봇을 구별하기 위해 만든 튜링 테스트

로봇은 구별하기 난해한 문자를 제시하여 이를 맞추면 사람으로 인정하는 방식

https://terms.naver.com/entry.naver?docId=3579222&cid=59088&categoryId=59096

 

2차 태동기 : 데이터 기반 분석 체계 구성 (1956 ~ 1974)

인공지능을 컴퓨터 과학의 세부 영역으로 이끈 학자들은 '다트머스 컴퍼런스'에 참석했던 10명의 학자들이었음

 

1차 암흑기 : 인공지능의 첫 번째 겨울 (1974 ~ 1980)

하버트 사이먼은 "앞으로 20년 안에 기계는 사람이 할 수 있는 일은 무엇이든 할 수 있게 될 것"이라고 선언했다.

 

• 다트머스 컨퍼런스 이후 많은 과학자들이 인공지능 개발을 위한 연구에 뛰어들었지만
  기대와 달리 연구 성과가 낮아 인공지능에 대한 투자가 적어지면서 재정적 위기를 맞이함
• 낙관의 거품이 걷히자 인공지능은 비판의 대상이 되었고 인공지능 역사의 첫 번째 겨울(First AI Winter)이 시작됨

 

성장기 (1980 ~ 1787)

전문가 시스템 (Expert System)

인간이 특정 분야에 대하여 가지고 있는 전문적인 지식을 정리하고 표현하여

컴퓨터에 기억시킴으로써 일반인도 전문지식을 이용할 수 있도록 하는 시스템

 

2차 암흑기 : 인공지능의 두 번째 겨울 (1787 ~ 1993)

• 전문가 시스템 유지비가 비싸고 전문가의 지식을 추출하는 데 병목현상이 발생하면서 시스템을 유지하는 것이 어려웠음
• 데이터베이스에 축적되지 않는 질문들에 대해서는 예측할 수 없는 행동을 하는 전문가 시스템에 대해 사람들은 의구심을 가짐

 

1차 성숙기 : 뉴럴 네트워크 (1993 ~ 2000)

• 1990년대 인공지능 연구는 인터넷과 함께 다시 한 번 중흥기를 맞이함
• 이전의 인공지능은 사람이 규칙을 만들어 시스템을 구현했지만
  • 성숙기 단계의 인공지능은 공식을 스스로 만듦
  • 머신러닝과 딥러닝으로 발전
• 인간의 뇌 신경망을 모방한 인공신경망 연구는 인공지능 발전에 큰 영향을 미침
• 신경세포들의 연결로 이루어진 인간의 뇌는 시냅시를 통해 전기 자극을 전달함
• 이것을 그대로 인공신경망은 뉴런이 일정한 자극을 받으면 다음 뉴런으로 신호가 전달되는 방식

 

인공신경망 알고리즘의 구분

• 입력층(Input Layer)
• 은닉층(Hidden Layer)
• 출력층(Output Layer)

입력층은 뇌의 수상돌기, 출력층은 축살돌기에 해당

입력층 사이의 연결 강도는 시냅스에 해당하므로 일정한 자극이 있을때만 다음 층으로 전달

특히 2개 이상의 은닉층을 구상함으로써 복잡한 문제들을 쉽게 해결할 수 있게 되면서 인공지능은 성숙기를 맞이함

 

2차 성숙기 : 머신러닝과 딥러닝 (2000 ~ 2010)

머신러닝 (Machine Learning)

기본적으로 알고리즘을 이용해 데이터를 분석하고

분석을 통해 학습하며

학습한 내용을 기반으로 판단이나 예측

 

딥러닝 (Deep Learning)

인공신경망에서 발전한 형태의 인공지능

인간 뇌의 뉴런과 유사 한 입력층, 은닉층, 출력층을 활용해 데이터를 학습

 

https://www.codestates.com/blog/content/%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EB%94%A5%EB%9F%AC%EB%8B%9D%EA%B0%9C%EB%85%90

 

딥러닝은 머신러닝의 세부분야이다.

 

인공지능을 구현하기 위한 여러 방법들 중

컴퓨터가 스스로 학습하는 방법을 머신러닝(Machine Learning)이라고 부르는데

 

머신러닝(Machine Learning)을 구현하기 위해서는 여러 방법(알고리즘)이 사용한다.

 

그중에 신경망(Neural Network) 알고리즘을 사용하는 방법을 딥러닝(Deep learning) 이라고 부른다.

 

3차 성숙기 : 알파고의 등장 (2010 ~ 현재)

알파고 나오고 3차 시작

 

이세돌과 승부를 겨뤘던 알바고 리는 알파고 제로로 완성됨

알파고 제로는 학습을 하는데 인간의 기본 데이터가 필요 없음

 

인공지능의 분류

인공지능은 지적 수준, 기능 발전, 구현 방식에 따라 분류할 수 있다

 

지적 수준에 따른 분류

약인공지능 : 특정 분야에서만 전문화

강인공지능 : 모든 역역에서 인간과 같은 수준인 인공지능

초인공지능 : 모든 인간보다 뛰어난 인공지능

 

기능 발전에 따른 분류

단순 제어 프로그램 : On/Off 와 같이 필요한 변수 두 가지 뿐인 가장 기초적인 단계의 인공지능

고전적 인공지능 : 경우의 수에 따라 행동하여 정해진 규칙에 따라 행동

머신러닝이 도입된 인공지능 : 적절한 판단을 위해 보유한 지식을 기반으로 추론 및 탐색하는 인공지능

딥러닝이 도입된 인공지능 : 데이터 자체를 스스로 학습하는 수준의 인공지능

 

구현 방식에 따른 분류

지식 기반 방법론 : 저장된 지식을 기반으로 의사결정 수행

인지

컴퓨터가 특정 대상을 보고 듣고 읽을 수 있게 하려는 것

인지의 종류 : 자연어 처리, 통번역, 글씨/음성 인식, 이미지/동영상 인식 기술

 

학습, 추론

데이터를 이용하여 규칙을 만들고 결론을 도출하는 영역

머신러닝과 딥러닝이 여기에 속함

 

행동

기계가 인간과 같이 사고하고 행동하는 영역

매 순간 결정을 내리고 행동할 수 있도록 전략과 보상 개념 사용

딥마인드는 이러한 과정을 소코반 게임을 이용하여 증명

 

데이터 기반 방법론 : 데이터로부터 추출된 지식으로 의사결정 수행

 

본 후기는 정보통신산업진흥원(NIPA)에서 주관하는 <AI 서비스완성! AI+웹개발 취업캠프 - 프론트엔드&백엔드> 과정 학습/프로젝트/과제 기록으로 작성되었습니다.