개발공범

화이트 모드로 보시길 권장합니다

---

[AI Friends School] 시리즈는 MicroShcool에서 진행하는 온라인 인공지능 학습 학교이다.

AI Friends School 강의 내용을 말하기 전, AI Friends School에선 어떠한 것을 배우는지 알아보자

AI Friends School이란?

AI Friends School은 인공지능 기술을 적용해 세상의 문제를 해결할 수 있는 시티즌 디벨로퍼로 성장하는 것을 목표로 한다.

-AI Friends School 온라인 과정 ( 36차시, 3개월 )-1. 인공지능 들어가기(1차시 ~ 10차시) 2. 인공지능·영상처리 이론(11차시 ~ 15차시) 3. 인공지능·영상처리 실습(16차시 ~ 23차시) 4. 인공지능·음성 / 자연어 처리 이론(24차시 ~ 28차시) 5. 인공지능·음성 / 자연어 처리 실습(29차시 ~ 36차시)

인공지능의 탄생

인공지능이란?

인공지능이란 단어가 어렵게 느껴진다면 그것은 '지능' 이란 단어 때문일 것이다.

지능 :

학습하고 판단하는 능력

인공지능의 시작( Can machines think? )

 영국의 천재 과학자였던  앨런 튜닝은 " Can machines think?(기계도 생각할 수 있을까?) "라는 질문을 처음으로 던지며 '튜링 테스트'를 제시하였다.

 튜링 테스트는 컴퓨터가 얼마나 사람과 비슷하게 대화할 수 있는지를 측정하는 시험으로 사람과 컴퓨터를 대화하게 해놓고, 만약 사람이 자신과 대화하는 상대가 컴퓨터인지 알아차리지 못했다면 테스트를 통과하는것으로 보는 시험이다. 이러한 튜링테스트는 오늘날 우리가 알고 있는 인공지능의 바탕이 되게 되었다.

 컴퓨터가 사람이 시키는 명령만 따르는 기계일 뿐이라 생각하던 사람들의 생각이 튜링테스트 이후로는 컴퓨터가 지능을 갖고  스스로 무엇인가를 할 수 있다는 컴퓨터의 능력을 생각해보게 되었으며 실제로 이 테스트는 컴퓨터 학계뿐 아니라 철학, 논리학, 심리학 분다 등 다양한 학문들의 관심을 받게 되었다.

 이후 1956년 다트머스 대학에서 모인 과학자 10명의 학술회의에서 처음으로 '인공지능'이라는 용어가 사용되기 시작했다.

인공지능의 발전

 1956년 다트머스 대학에서 모인 과학자 중 한 명인 '허버트 사이먼'은 "앞으로 20년 안에 기계는 사람이 할 수 있는 일을 무엇이든 할 수 있게 될 것입니다."라고 호언장담 하기도 하였다.

인간의 뉴런 활동을 수학으로

 인간처럼 생각하는 기계를 만들기 위해선 인간이 어떻게 생각하는지 알고 그것을 기계에 도입할 수 있어야 했을 것이다.

두뇌는 우주에 있는 별만큼이나 많은 신경세포 뉴런들이 들어 있으며, 뉴런을 통해 외부와 정보를 주고받는 사실이 알려져 있던 때이다. 인간도 신호 전달을 통해 두뇌 활동을 한다는 점에 착안하여 미국의 신경생물학자인 프랭크 로젠블랫이라는 사람이 1958년 뉴런의 신호 메커니즘을 본떠 '퍼셉트론(Perceptron Model)'이라는 수학적 모델을 만들었다.

 뉴런은 전기-화학적 방식으로 신호를 전달하는 것으로 알려져 있는데, 신호들이 도착하면 그 신호들이 합쳐지고, 신호들 의 합이 특정 임계값 또는 역치를 넘는 경우에만 한하여 연결되어 잇는 뉴런으로 신호를 전달한다. 과학자들은 이러한 특징과 유사하게 퍼셉트론의 특징을 설명하였다.

 퍼셉트론은 인간에 의한 훈련이나 조종 없이 주변을 감지, 인식, 분별하는 능력을 가지고 있으며 경험이 쌓일수록 더 지혜로워지는 특성을 보인다고 한다.

 이렇게 퍼셉트론 이론이 정립된 후에 사람들은 다양한 분야에서 인공지능을 활용할 방법을 찾았는데, 사람과 컴퓨터가 원활한 소통을 하려면 컴퓨터가 사람의 언어를 이해할 수 있어야 했기에 자연어(사람들이 일상적으로 사용하는 언어)를 처리하는 연구가 활발하게 진행되었다.

 1966년, 사람과 말하는 기계가 처음 등장하게 되었는데, MIT 공과대학에서 개발된 챗봇 '엘리자'라는 기계로 세상의 주목을 한 번에 받았다. 하지만 엘리자는 문장 구조를 파악해 미리 준비된 답변을 하는 정도에 그친 형식 정인 대답을 할 뿐 맥락을 파악해 자유로운 대화를 하진 못하는 챗봇이었기에 그 인기는 금방 식게 되었으며, 인공지능에 대한 열망도 전과 달리 주춤할 수박에 없었다

인공지능 암흑기

인공지능의 겨울

 1970년대에 당시 컴퓨터는 앞에서 말한 챗봇 엘리자에 대한 문제는 극복하기 힘든 한계 때문에 인공지능으로 유용한 결과를 내기에는 턱없이 부족했으며, 메모리의 한계, 인공지능 기술로 현실의 문제를 풀기에는 그 당시의 컴퓨팅 파워로는 연산 시간이 너무 길어진다는 계산이 나왔고, 이밖에 여러 한계로 인해 당시 인공지능의 미래가 어둡게 전망되었고, 인공지능 연구에 대한 대규모 지원마저 끊겨 많은 연구 프로젝트가 취소되었다.

 이때 인공지능 과학자들에게는 혹독한 시련이었기에, 인공지능의 겨울이라 부른다.

인공지능의 봄

 퍼셉트론이 풀지 못했던 문제들이 다층 구조인 퍼셉트론과 '역전파 알고리즘'이라는 개념으로 극복할 수 있게 되었기 때문이다. 또한 '전문가 시스템'이라는 새로운 개념 또한 인공지능에 대한 기대를 불러오기 시작했다.

 전문가 시스템이란 실생활의 문제를 해결하려는 목적으로, 전문가의 지식을 컴퓨터에 가르치고 그 지식을 사용하여 추론하도록 하는 것을 말한다. 컴퓨터가 전문가의 의사 결정을 모방하도록 하는 것이다. 

 최초의 전문가 시스템인 DENDRAL은 화학 분자식과 징량 스펙트럼을 입력하면 구조식을 찾아주는 시스템으로 일반인도 전문 지식을 얻을 수 있게 해 주었다.

되살아난 인공지능의 연구

 전문가 시스템을 도입하는데 막대한 지원을 하게 되며 인공지능의 연구가 되살아 나게 되며 인공지능의 봄이 오게 된다. 하지만 인간의 지식 체계는 생각보다 복잡했고 전문가 시스템의 한계가 나타나게 되며 봄은 오래가지 못하게 되었지만 인공지능 연구는 계속 진행되었다. 여러 번의 실패와 어려움은 더 뚜렷하고 현실적인 목표를 세우게 된다. 60년대에 모든 걸 할 줄 아는 강 인공지능을 향했다면 이제는 특정 분야 등 구체적인 문제에 한하는 약 인공지능을 개발하는 방향으로 나아가게 되고 사람이 정한 알고리즘을 기반으로 작동하는 것이 아니라 특정 상황에서 독자적인 판단을 할 수 있는 '에이전트' 개념을 인공지능에 적용하였다. 에이전트 개념을 탑재한 인공지능은 전보다 발전하였다.

 에이전트란 복잡한 동적인 환경에서 목표를 달성하려고 시도하는 시스템이라 할 수 있다.

자신이 결정을 내리는 인공지능

 주어진 환경을 인지, 상호작용하여 목적을 이루는 인공지능은 다양한 환경을 파악하여 행동에 결정을 내리는 사람과 모습이 비슷하고 사람보다 많은 정보를 입력받고 처리한다는 장점이 있다. 1997년 'IBM 딥 블루'가 바로 에이전트 개념을 적용한 인공지능 컴퓨터로 세계 체스 챔피언 케시 카스파로프를 최초로 이긴, 인공지능이 인간을 이긴 최초의 사례였다.

 2010년이 되며 되며 에이전트 기반의 인공지능은 인간을 뛰어넘는 다양한 결과를 가져왔는데, IBM의 왓슨은 퀴즈쇼 챔피언들을 이겼으며 구글의 딥마인드는 이세돌을 이겼다. 2011년 이후 급격하게 발전한 컴퓨터 기술과 접근하기 쉬운 빅데이터는  인공지능 기술을 사회 전반에 걸치며 성공적으로 적용되기 시작하였다. 

 다들 페이스북, 트위터, 넷플릭스가 서비스에 인공지능 기술을 사용한다는 것을 들어봤을 것이다. 이 서비스들은 사용자 각각의 성향, 행동 패턴을 파악하고 데이터를 기반으로 맞춤형 콘텐츠와 상품을 추천해주고 있다. 

다음 차시에는 컴퓨터 기술의 발전&인공지능의 필요성에 대해 배운다.