인공지능(AI)은 어디까지 진보하고 있는가?

 

 

 

인공지능(AI)은 어디까지 진보하고 있는가?

 

 

1, 인공지능이란

세상에서는 인공지능을 엄밀히 정의할 수 있는 것은 연구자, 기관에 의하여 그 해석이나 인식에 차이가 있음을 알고 있다. 일본에서 <인공지능>의 명저 <인공지능은 인간을 초월하는가 디프런닝의 앞에 있는 것>의 저자인 마쓰오(松尾) 씨나 하버드비지네스레뷰에서 견식을 넓힌 아다카(安宅)씨의 말을 빈다면 이하와 같은 정의가 된다.

<인공적으로 만들어진 인간과 같은 지능>-- 마쓰오 유다카(松尾豊)

<소프트웨어에 의한 지각과 지성의 실현>-- 아다카 가쓰도(安宅和人)

이 정보과학, 유효하고 풍부한 데이터, 고도의 정보처리 능력의 세 가지를 합친 것, 곧 기계학습, 자연언어처리 등 필요한 정보과학을 실장(實裝)한 기계에 충분한 학습을 행한 것을 AI라고 이미지할 수 있으면 한다.

 

특화형인공지능과 범용인공지능

인공지능에는 목적이나 할 수 있는 정도에 따라 개별영역으로 특화하여 능력을 발휘하는 <특화형인공지능> 다른 영역으로 다양하고 복잡한 문제를 해결하는 <범용인공지능> 두 개로 분류되고 드완고(Dwango)사가 전능 아키텍쳐(architecture)（뇌의 모쥴 마다의 기능을 본 딴 프로그램을 작성하고 그것을 통합함)를 추진하고 있다.

 

<약한 AI>와<강한 AI>

또 <약한 AI> <강한 AI> 라는 분류도 있다. 틀 안에서 생각하는 인공지능을 <약한AI>라 하고 어느 일정 범위에서는 이미 인간의 레벨을 초월하고 있으나 이 <AI> 아무리 고성능화 하여도 <어느 틀안>의 일밖에 없고 미리 프로그램 된 일 이외에는 아무 것도 하지 못한다. 그러므로 인간의 능력을 보좌. 확장으로서의 기능을 기대할 수 있는 데서 <약한 AI>라 한다.

틀을 넘어서 생각하는 인공지능을 <강한 AI>라 하고 <인간처럼 사물을 생각하고, 인식, 이해하며 인간처럼 추론, 가치판단 하에 실행할 수 있는 것을 가리킨다. 자율적으로 배우고 의사결정을 행할 수 있는 것이다.

 

2 인공지능의 4가지 레벨

 

레벨 1, 단순한 제어 프로그램

온도의 변화에 응하여 기능하는 에어컨이나 냉장고 등이다. <인공지능 탑제의 00>라 하는 마케팅 용어로서 쓰이는 경우도 있다.

레벨 2,대응 패턴이 매우 많은 것

장기 프로그램이나 소제로보트, 질문에 답하는 인공지능 등 <약한 AI>가 이에 속한다.

레벨 3, 대응 패턴을 자동적으로 학습하는 것

검색엔진이나 빅데이터 분석으로 활용된다. 기계학습을 들여놓은 것이 많고, 특징량(特徵量)은 인간이 설계한다.

레벨 4, 대응 패턴의 학습에 사용하는 특징량도 자력으로 획득하는 것

디프러닝(DeepIearning=시스템의 특징을 학습하여 사상의 인식이나 분류를 행하는 <기계학습> 수법을 들여놓은 인공지능이 많고 고도의 분석이 가능하다.

 

3, 인공지능의 역사

인공지능 연구의 역사는 <붐>과 <겨울 시대>의 반복이라고 말한다. 인공지능이라는 말은 1956년에 생겨 제1차 –제3차(현재)에 이른다.

제1차 붐--(1950년대 후반—1960년대)에서는 미로나 파즐을 풀거나 어려운 정리를 증명하는 인공지능이 등장하여 세계가 주목하였다. 그런데 현실의 과제 해결에는 사용할 수 없는 약한 측면이 있어서 붐은 겨울의 시대로--

제2차붐--(1980년대)는 컴퓨터에 지식을 넣어 여러 가지 일에 대응할 수 있는 시스템은 되지만 지식을 기술 관리하는 일, 방대한 디지털 데이터를 취급하는 것이 어려운 때문에 1995년부터 다시 겨울시대로.

재3차붐, 현재는 제3차 붐이 일어나고 있는데 배경에 있는 것은

1, 심층학습에 의한 기계학습의 정보과학.

1, 빅 데이터의 보급

1, 고도의 처리를 실시간으로 실현하는 일이 가능하게 되었다.

1, 디프러닝(Deep Learning)에 쓰이는 오토손이나 장기의 프로젝트와 같은 인상적인 프로젝트의 발족

1, 인공지능의 영향력이나 위협의 전달(스티분 호킹박사나 실업가인 이론 마스크씨 등 저명인사가 <인공지능은 인류를 멸망시크는 것은 아닌가?>하는 걱정을 표명하였다.

등 몇 가지의 요인이 거듭하여 지금의 제3차 붐이 있다고 말하고 있다.

 

4, 인공지능은 어떤 형태로 상품화하고 있는 것일까?

대표적인 것을 몇 가지 예를 들어 소개한다.

Apple(Siri)

애플이 1988년에 제작한 동영상 퍼스날 아시스탄트 「Knowledge Navigator」란 것이 있어 siri는 그 현대판이다. 애플이 생각하는 하드웨어, 소프트웨어의 미래는 실현하려 하고 있다.

Softbank(Pepper)

2014년 6월 소프트웨어는 Pepper를 발표하였다. 프랑스의 알데파란로보딕스와 소프트뱅크가 공동으로 개발하여 와트손(Watson)을 탑제하여 감정을 인식할 수 있는 로봇으로 인기를 모으고 있다.

WiFi 통신도 가능하기 때문에 크라우드 AI로서 데이터 학습을 행할 수가 있다. 각 가정이나 기업에서 사람의 표정이나 소리를 학습하여 크라우드에 축적하고 학습을 할 수 있는 것이 크게 기대되는 포인트이다.

 Facebook M

Facebook도 퍼서널아시스탄트를 연구개발 중이다. 현재 미국에서 일부의 유사에 한정 이용하고 있는 것이 <M>이다. <M>는 유사의 부탁을 <의뢰> 실행하는 퍼서날아시스턴트이다. 서비스의 뒤에는 <M Trainer>라 불리는 서퍼트스텝이 상주감시하고 있고, 인공지능으로 대처할 수 없는 수요를 사람이 개입하여 대응하도록 되어있다. 구체적으로는 상품의 구입, 배송수단, 음식점의 예약, 여행 수배 등을 예로 들고 있다. 단계적으로 이용을 넓혀 언젠가는 모든 유사에 이용할 수가 있다.

Google Photos

Google Photos는 업로드된 사진을 축적, 관리하는 아람과 같은 기능이다. 업로드된 인물이나 촬영한 장소 이벤트를 자동으로 분류함으로써 대량으로 업로드한 가운데에서 목적하는 사진이나 동영상을 간단하게 검색할 수 있게 되었다. Google now에서는 유사의 알고 싶은 정보를 음성을 인식하여 검색결과를 내는 기능이다. 지도, 루트안내화상등을 조사하기에 편하다. Recurrent Neural Networks（RNNs）이라 불리는 신기술이 실제로 장착된 Deep Mind는 Google이 Photo나 검색 이외에도 자동차 운전이나 로봇 등 인공지능을 쓴 차세대의 프로젝트를 진행하기 위하여 근년 많이 매수한 회사이다. 그 중에도 근년 가장 큰 매수는 「Deep Mind Technologies」이다.

DeepMind에서는 전자거래나 게임 등에서 쓰이는 아르고리즘의 구축을 손쓰는 영국 회사이다.

경험에서 배우는 특징으로서 프로그램을 바꾸는 일 없이 <스페이스인 베다 등> 고전 게임을 풀레이 학습하고 게임 스킬을 비약적으로 향상시키는 기능을 가지고 있어 매수 전은 이론마스크(테스라)나 비타딜(Paypal>이 출자하고 있었다.

매수후 youtube의 리고멘기능, Android 단말의 보이스사치기능 등에 활용되고 있다. 매수액은 하이테크 관련의 뉴스사이트인 Re/code에 따르면 4억 달러라 한다.

 

출처=blog.btrax.com/jp/