비전공자의 AI 공부 역경기

인공지능(AI)의 진화: 규칙 기반 모델, 지식 기반 모델, 전문가 시스템, 추천 시스템

소심한 도리 — Wed, 6 Sep 2023 23:20:50 +0900

안녕하세요! 이번에는 인공지능의 진화에 대해 알아보겠습니다. 인공지능은 규칙 기반 모델, 지식 기반 모델, 전문가 시스템, 그리고 추천 시스템으로 크게 발전해 왔습니다. 각각의 모델과 시스템에 대해 쉽게 살펴보도록 하겠습니다.

1. 규칙 기반 모델:

규칙 기반 모델은 IF-THEN 형식의 규칙을 사용하여 문제를 해결하는 방식입니다. 예를 들어, "만약 비가 온다면 우산을 가져가라"와 같은 규칙을 만들어서 비가 오는 경우 우산을 가져오도록 할 수 있습니다. 초기의 인공지능은 주로 이러한 규칙을 사람이 수동으로 작성하여 문제를 해결하였습니다.

2. 지식 기반 모델과 전문가 시스템:

지식 기반 모델은 사전에 정의된 지식 베이스를 활용하여 문제를 해결하는 방식입니다. 이러한 지식 베이스는 주로 전문가들이 도메인에 관련된 정보와 규칙을 입력하여 구축합니다. 예를 들어 의료 분야에서는 의사들의 의학적인 경험이나 연구 결과 등을 바탕으로 전문가 시스템을 개발할 수 있습니다.

전문가 시스템은 특정 도메인에서 전문적인 조언이나 응답을 제공하기 위해 설계된 컴퓨터 프로그램입니다. 사용자는 자신의 문제나 질문을 입력하면 해당 도메인에서 최적의 답변이나 조언을 받게 됩니다.

3. 추천 시스템:

추천 시스템은 사용자에게 맞춤형으로 상품이나 서비스를 추천하는 방식입니다. 추천 시스템은 사용자의 과거 행동 데이터(예: 구매 내역)나 다른 사용자들과의 유사성 등을 분석하여 개인화된 추천 결과를 제공합니다.

추천 서비스는 다양한 분야에서 확장되어 적용되고 있으며, 영화, 음악, 온라인 쇼핑 등 다양한 분야에서 사용됩니다.

요약하면,

-근대 기존부터 시작된 인공지능 개념 중 하나는 '규칙' 기반인 룰 베이스 시스템
- 데이터 합리적 처리 등 가능케 한 '지식' 기반인 심볼릭 AI
- 특정 분야 전문가 개념 등 포함한 '전문가 시스템'
- 유튜브 같은 데이터를 활용한 '추천 시스템'

위와 같이 인공지능은 점차 발전하며 현재까지도 계속해서 발전하고 있는 분야입니다.

인공지능(AI)의 연대기와 암흑기

소심한 도리 — Tue, 5 Sep 2023 15:36:04 +0900

인공지능(AI)의 연대기

## 1950년대: 인공지능 탄생의 시초

- **1950년**: 앨런 튜링(Alan Turing)이 '튜링 테스트'를 제안하며, 기계가 사람과 구별할 수 없는 수준의 지능을 가질 때까지 발전시킬 것을 제안합니다.
- **1956년**: 다트머스 컨퍼런스(Dartmouth Conference)에서, 존 매카시(John McCarthy) 등이 "인공지능(Artificial Intelligence)"라는 용어를 처음으로 사용하며, 이론적인 기반을 마련합니다.

## 1960년대: 초기 개발과 심볼릭 AI

- **1961년**: 로저 스키너(B.F. Skinner)가 개발한 '학습 기계'로서의 컴퓨터가 등장합니다.
- **1963년**: 존 매카시가 LISP 프로그래밍 언어를 개발하여 심볼릭 AI(Symbolic AI) 분야에 큰 영향을 줍니다.

## 1970년대: 전문화와 지식 기반 시스템

- **1972년**: 마빈 민스키(Marvin Minsky)와 세이무어 파파트(Seymour Papert)가 'Perceptrons'라는 책에서 단층 퍼셉트론의 한계를 지적하며, 인공지능 연구에 대한 암울한 시기가 시작됩니다.
- **1974년**: MYCIN이라는 전문적인 질병 진단 시스템이 개발되었습니다. 이러한 지식 기반 시스템(Knowledge-based systems)은 의료 분야에서 활용되었습니다.

## 1980년대: 전문화된 AI 붐과 심층학습

- **1980년**: 엑스파트 시스템(Expert Systems)이 화제가 되면서 전문화된 AI 붐이 일어납니다.
- **1986년**: 제프리 힌턴(Geoffrey Hinton), 요슈아 벤지오(Yoshua Bengio), 얀 르쿤(Yann LeCun) 등에 의해 다층 신경망(Multi-layer Neural Network)과 역전파 알고리즘이 발전되었습니다.

## 1990년대: 인터넷과 실용화

- **1997년**: IBM의 딥 블루(Deep Blue) 체스 프로그램이 세계 체스 챔피언인 가르리 카스파로브(Garry Kasparov)를 이기면서 주목을 받습니다.
- **1998년**: 구글(Google) 검색 엔진이 출시되었습니다. 웹 상에서 정보를 추출하는 기술은 인공지능 연구와 발전에 큰 동력을 부여하였습니다.

## 2000년대: 대규모 데이터와 딥러닝

- **2006~2012** : 대규모 데이터셋과 그래픽 처리 장치(GPU; Graphics Processing Unit)의 확산으로 딥러닝(Deep Learning; 심층 학습 방법론 중 하나) 연구가 급속도로 집중되었습니다.

    - *2009*: ImageNet Challenge에서 CNN(Convolutional Neural Network; 합성곱 신경망 모델 구조 중 하나)-기반 모델들이 좋은 성능을 보여주며 주목 받습니다.
    - *2012*: 제프리 힌턴 등에 의해 AlexNet 모델로 이미지넷(ImageNet dataset)-분류 문제에서 압도적인 성능 개선 결과 동원하여 딥러닝 연구에 크게 기여합니다.

## 2010~2020년 현재까지: GPT와 강화학습

* 강화학습 (Reinforcement Learning): 에이전트(Agent)-환경(Environment)-보상(Reward; 점수, 목적 달성 여부 등 학습 목적 관련 정보 값)
사이클로 정의되는 학습 방법론입니다.

* GPT (Generative Pre-trained Transformer): OpenAI 에서 공개한 자연어 처리(Natural Language Processing; NLP)-모델 중 하나로 사전학습(pre-training)
된 양상형인 Transformer 아미크타입 모델입니다.

인공지능(AI)의 암흑기 (AI의 겨울)

인공지능의 암흑기는 AI 연구가 예상치 못한 어려움에 부딪혀 크게 후퇴하거나, 기대치와 실제 성과 사이의 격차로 인해 투자와 관심이 크게 줄어든 시기를 가리킵니다. 이런 암흑기는 크게 두 번 있었습니다.

1. **1차 암흑기 (1974~1980년)**

    이 시기는 "AI의 겨울"이라고도 불립니다. 1960년대에 AI 연구가 막 시작되었을 때, 많은 사람들은 지능적인 기계를 만드는 것이 그리 어렵지 않을 것이라고 생각했습니다. 하지만 실제로는 문제 해결에 필요한 '상식'을 기계에 학습시키는 것이 예상보다 훨씬 어려웠습니다.

    또한, 당시 사용되던 기존의 규칙 기반 접근법(rule-based approach)으로 복잡하고 추상적인 문제를 해결하는데 한계가 있었습니다. 이런 한계점들은 인공지능 연구에 대한 환멸감을 증대시켰고, 결국 대부분의 AI 프로젝트에서 투자가 중단되었습니다.

2. **2차 암흑기 (1987~1993년)**

    1980년대 초반에 엑스파트 시스템(Expert Systems) 붐으로 인해 AI 연구가 다시 활성화되었으나, 이러한 시스템들도 결국 한계에 부딪혔습니다. 엑스파트 시스템은 특정 주제나 영역에서 전문가 수준의 판단력을 가진 컴퓨터 프로그램입니다.

    그러나 이러한 시스템들은 유지 보수 비용이 매우 비싸고, 범용성이 없으며, 고정된 규칙 집합 외부에서 작동하지 않았습니다. 덧붙여서 경제적인 부진과 함께 일본의 5세대 컴퓨터 프로젝트 실패 등이 겹치면서 AI에 대한 투자와 관심이 다시금 줄어들었습니다.

하지만 이러한 암흑기를 거치면서도, 학계에서는 지속적으로 AI 연구가 이어졌고, 그 과정에서 새로운 아이디어와 접근법들이 탄생하였습니다. 이러한 노력들은 결국 1990년대 후반부터 2000년대에 들어서면서 '머신 러닝'과 '딥 러닝' 등의 혁신적인 방법론을 낳게 되었습니다.

인공지능(AI)의 순기능과 역기능에 대한 토론

소심한 도리 — Mon, 4 Sep 2023 23:52:32 +0900

안녕하세요, 여러분! 오늘은 앞 포스팅에서 다뤘던 '인공지능(AI)은 약인가, 독인가(순기능인가? 역기능인가?)'라는 주제로 이야기를 나누려 합니다. 이 주제는 과학 기술이 급속하게 발전하는 현재, 우리 모두에게 중요한 문제입니다.

## AI: 인류의 큰 발전

AI는 우리 삶을 편리하고 효율적으로 만들어주는 많은 기술들을 가능하게 하였습니다. 의료 분야에서 AI를 활용한 진단과 치료 방법, 교육 분야에서 개개인에 맞춘 맞춤형 교육 등 다양한 혁신적 변화를 가져왔습니다. 이런 면에서 보면 AI는 분명히 '약'으로 볼 수 있습니다.

## AI: 가능성 있는 위협

그러나 반대로 생각해보면, AI는 동시에 '독'이 될 수도 있습니다. 일자리 감소와 같은 사회 경제적 문제부터 시작해서, 개인정보 침해와 같은 프라이버시 문제, 심지어 초능력 AI가 인간의 생존 자체를 위협할 수 있다는 걱정까지 다양합니다.

## 여러분의 의견은?

결국, AI가 '약'일까 '독'일까 하는 질문에 대한 답변은 아직 명확하지 않습니다. 이것은 기술 자체가 아니라 그 사용 방법과 관리 방식에 달려있다고 할 수 있겠네요.

그럼 여러분의 생각은 어떠신가요? 여러분이 생각하는 AI의 순기능과 역기능 그리고 그 해결방안 등 의견을 댓글로 남겨주세요!

다음 포스팅에서 만나요~!

인공지능(AI)의 역사와 순기능, 역기능 파헤치기

소심한 도리 — Mon, 4 Sep 2023 23:24:47 +0900

안녕하세요, 여러분! 오늘은 우리 일상에 점점 더 밀착되어 가고 있는 '인공지능(AI)'에 대해 함께 이야기 나눠보려 합니다. 그 시작부터 순기능과 역기능까지 한 번 살펴볼까요?

## 1. 인공지능(AI)의 탄생과 발전

인공지능이란 사람의 지적 능력을 모방하거나 강화하는 기술을 말합니다. 그 기원은 1950년대로 거슬러 올라갑니다. 앨런 튜링(Alan Turing)이 제안한 "튜링 테스트"가 AI 연구의 시발점으로 꼽힙니다.

1960년대부터 1980년대까지는 "심볼릭 AI"라는 방법론이 주류를 이루었습니다. 심볼릭 AI는 규칙과 논리를 기반으로 문제를 해결하는 방식으로, 전문가 시스템 등에서 성과를 보였습니다.

그러나 1980년대 후반부터는 "연결주의 AI"라는 새로운 접근법이 등장하였습니다. 연결주의 AI는 신경망과 같은 구조를 사용하여 데이터로부터 패턴을 학습하는 방식입니다. 이런 연결주의 AI 기법들이 발전하면서 딥러닝, 머신러닝 등 현재 우리가 많이 들어본 개념들이 탄생하게 되었습니다.

## 2. 인공지능(AI)의 순기능

인공지능은 다양한 분야에서 큰 변화와 혁신을 가져왔습니다.

- **자동화**: 일정한 패턴을 가진 작업들을 자동화함으로써 생산성 향상에 크게 기여하고 있습니다.
- **예측 및 추천**: 데이터 분석 및 패턴 학습을 통해 소비자 성향에 맞춘 추천 서비스나 예측 모델 제작도 가능합니다.
- **의료 분야**: 의료 영상 분석을 통한 질병 진단, 개인화된 치료 방안 제공 등에 활용되고 있습니다.
- **언어 번역**: 다양한 언어 간의 번역 서비스를 제공하여 언어 장벽을 해소합니다.
- **자율 주행**: 자동차 등에서 사용되며 안전성과 효율성을 증가시킵니다.

## 3. 인공지능(AI)의 역기능

그러나 인공지능이 가져오는 변화는 오직 긍정적인 것만은 아닙니다. 일부 역기능적인 요소들도 존재합니다.

- **고용 문제**: 자동화에 따른 일자리 감소 문제가 대두됩니다.
- **개인 정보 보호**: AI 학습에 필요한 데이터 중 개인정보가 포함될 경우, 그 보호와 관리에 대한 이슈가 생깁니다.
- **윤리적 고민**: AI의 결정 과정이 투명하지 않은 '블랙박스' 문제, AI의 잘못된 판단으로 인해 발생하는 문제 등 윤리적 고민도 함께 도출되고 있습니다.

이런 문제들은 기술 발전 및 적절한 규제 정책 등으로 해결할 수 있는 가능성도 있으나 계속해서 관심을 가지고 논의해야 할 부분입니다.

## 4. 마무리
우리 사회와 경제 전반에 큰 변화를 가져오는 인공지능. 그 순기능과 역기능 모두를 이해하며 윤리적, 균형잡힌 시각에서 바라보아야 할 필요성이 높아지고 있습니다.

여러분이 생각하는 인공지능(AI)의 순기능과 역기능은 무엇인가요? 여러분들의 생각을 댓글로 나눠주세요!

다음 포스팅에서 만나요~!