Artificial Intelligence Theory : 인공 지능이란?

상위 목록: Theory 하위 목록: AI 작성 날짜: 2020-08-01 읽는 데 14 분 소요

인공 지능(Artificial Intelligence)

인공지능이란 학습, 추론, 인식 등 인간과 관계된 인지 문제를 컴퓨터 프로그램으로 구현한 기술입니다.

인공지능 용어의 첫 등장은 1956년 미국 다트머스 대학교에서 열린 학회에서 처음 사용됐습니다.

스탠퍼드 대학교의 존 매카시(John McCarthy) 교수가 인공지능이란 용어를 처음 사용하였습니다.

기존에 인간만이 실현할 수 있다고 생각한 역할을 컴퓨터가 수행할 수 있도록 구현하여 인위적으로 만들어진 지능을 뜻합니다.

즉, 인간의 지능을 기계나 프로그램 등에 인공적으로 구현한 것을 의미합니다.

인공지능을 크게 두 가지로 나누자면 강인공지능(Strong Artificial Intelligence)과 약인공지능(Weak Artificial Intelligence)이 있습니다.

강인공지능은 스스로 학습과 인식 등이 가능하며, 지능 또는 지성의 수준이 인간과 근사한 수준까지 이른 경우를 뜻합니다.

주로 SF 영화 등에 나타나는 휴머노이드나 안드로이드를 생각할 수 있습니다.

약인공지능은 인간이 해결할 수 있으나, 기존의 컴퓨터로 처리하기 힘든 작업들을 처리하기 위한 일련의 알고리즘을 의미합니다.

현재 많은 곳에서 활용되고 있는 A.I. 서비스라고 볼 수 있습니다.

다시 말해, 주어진 시스템에서 입력을 조절해 출력을 원하는 대로 조절하는 제어기로부터 측정가능한 경험적(heuristic) 속성을 학습해 스스로 판단하는 심층 학습까지의 전반을 의미합니다.

인공지능은 인간과 비슷하거나 합리적 행동을 통해 특정한 문제를 해결하는데 중점을 두고 있습니다.

인공 지능 분야에서 파생된 컴퓨터 과학 분야로는 머신 러닝(기계 학습, Machine Learning)과 딥 러닝(심층 학습, Deep Learning) 등이 있습니다.

머신 러닝(Machine Learning)이란 데이터를 기반으로 컴퓨터를 프로그래밍하는 연구 분야입니다.

기존 프로그래밍은 명시적인 프로그래밍을 통해서 시스템을 구축하였지만, 머신 러닝은 데이터를 기반으로 학습하거나 시스템의 성능을 개선하는 데 중점을 두고 있습니다.

즉, 기존의 프로그래밍은 규칙과 데이터를 기반으로 결괏값을 예측햇지만 머신 러닝은 데이터와 결괏값으로 규칙을 찾아내는 분야입니다.

머신 러닝은 학습 데이터를 분석하여 일정한 규칙이나 패턴을 찾아 예측 알고리즘을 생성합니다.

이 예측 알고리즘을 모델(Model)이라 하며, 모델에 새로운 데이터가 입력되었을 때 모델의 예측값으로 결과를 추론할 수 있습니다.

데이터를 기반으로 알고리즘을 구성하므로, 통계적인 접근 방법을 사용한다 볼 수 있습니다.

머신 러닝 알고리즘에는 지도 학습 (Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement learning), 심층 학습(Deep Learning) 등이 있습니다.

딥 러닝(Deep Learning)은 머신 러닝의 기법 중 하나로, 모델이 스스로 데이터의 관계를 파악해 학습합니다.

여러 층(Layer)을 가진 인공 신경망(Artificial Neural Network, ANN)을 사용하여 머신 러닝 학습을 수행합니다.

여기서 인공 신경망은 인간의 뇌에서 있는 뉴런의 네트워크에서 영감을 얻은 통계학적 학습 알고리즘입니다.

생물학적 뉴런은 단순하게 다른 뉴런에게 신호를 받아 또 다른 뉴런에게 신호를 전달합니다.

뉴런은 수십억 개 이상 구성된 네트워크로 이뤄져 있어 신호의 흐름으로 복잡하고 다양한 활동을 할 수 있게합니다.

결국, 신경망은 서로 연결된 노드(Node)의 집합으로 구성되어 있으며 여러 층으로 이뤄집니다.

층(Layer)은 크게 입력층(Input Layer), 은닉층(Hidden Layer), 출력층(Output Layer)이 존재합니다.

입력층으로 학습하고자 하는 데이터를 받고, 여러 개의 은닉층을 지나 단계를 거쳐 출력층에서 결과를 반환합니다.

인공 신경망에 학습 알고리즘과 데이터를 지속적으로 제공함으로써, 학습 능력과 사고 능력을 지속적으로 개선됩니다.

딥러닝 알고리즘에는 합성곱 신경망(Convolutional Neural Network, CNN), 순환 신경망(Recurrent Neural Network, RNN), 심층 신경망(Deep Neural Network, DNN) 등이 있습니다.