온고창신 溫故創新

인공지능, 기계학습, 심화학습의 다름(3/5) 3) 기계학습-인공지능을 실현하기 위한 어프로치 본질적으로 이란 세상의 특정한 사상(事象/일)에 대하여 데이터를 해석하고 그 결과로서 학습하여 판단이나 예측을 행하기 위한 *알고리즘을 사용하는 수법이라고 할 수 있다. 곧 기계학습에서는 특정한 최소단위를 완료하기 위한 명확한 수순에 따라 수작업으로 소프트웨어 *루틴을 코딩하는 것이 아니고 대량의 데이터와 다스크(task=작업, 학업, 일 등의 의미)를 실현하는 방법을 학습할 수 있는 능력을 제공하는 알고리즘에 기초하여 기계의 이 행해진다. * 알고리즘(Algorithm)=알고리즘은 수학과 컴퓨터 과학, 언어학 또는 관련 분야에서 어떠한 문제를 해결하기 위해 정해진 일련의 절차나 방법을 공식화한 형태로 표현한 ..

인공지능, 기계학습, 심화학습의 다름(2/5) 2) 인공지능-기계에 의하여 재현되는 인간의 지능 다마스회의가 행해진 1956년 여름까지 거슬러 올라가면 화의를 제안한 AI 선구자들의 꿈은 이었다. 이것은 --곧 인간의 모든(혹은 그 이상의) 감각과 모든 판단력을 갖추고 인간과 동등하게 생각하는 경이로운 기계로서 우리들이 생각한 것이다. 이러한 기계는 여러 가지 영화로(때로는 스타워즈의 같은 으로서 때로는 같은 으로서) 제한 없이 그려졌었다. 기계가 영화나 사이언스 픽션 소설로서 지금도 등장하는 데에는 더한 이유가 있다. 왜냐하면 인류는 그들을 (적어도 아직은)실현되고 있지 않기 때문이다. 지금까지 인류가 실현한 일은 （Narrow AI）의 개념에 해당된다. 이것은 특정한 최소 단위에 대하여 인간과 동등(..

인공지능, 기계학습, 심화학습의 다름(1/5) 본고는 오랜 동안 테크노로지 저널리스트였던 마이켈 코플란드(Michael Copeland）씨가 디프러닝(Deep Learning)의 기본을 설명하는 일련의 기사 중 제1탄이다. 이들 설명은 모두 사실이고 단지 AI의 어느 면을 가리켜 하는 말인지에 따른다. 예를 들면 금년 Google DeepMind가 개발한 프로그램 （AlphaGo）이 바둑 대국에서 한국의 기사 이세돌씨를 이긴 때에 Deep Mind가 이긴 경위를 설명하기 위하여 , , 이라는 말이 미디어에서 자주 등장하였다. 이 3개는 모두가 알파고가 이세돌 기사를 이긴 이유의 일부인데, 같은 것은 아니다. 그 관계를 생각할 때 동심원으로 나타내는 것이 가장 간단하다. 먼저 최초로 생겨난 아이디어가 이다..

AI 진화의 역사(3/3) 3) 에 의하여 비약적인 진화 다시 이라는 기술의 등장으로 AI는 비약적으로 진화하게 되었다. 딥 러닝이란 앞에 소개한 기계학습의 수법의 하나로 인간의 뇌 구조를 본 따서 만들어졌다. 인간의 뇌 안에는 뉴런이라는 신경세포가 천수백억 개가 있고, 각각이 시냅이라 하는 부위에 따라 이어지고 있다. 이 구조를 AI에도 받아들여 화상이나 텍스트, 음성 등 여러 가지 데이터를 바탕으로 자동적으로 학습시킴으로써 지금까지의 기계학습에서는 실현되지 않았던 정도(정확도)로 정답을 내어간다. 딥 러닝의 구체적인 예를 하나 소개한다. Google의 연구자는 사진의 설명문을 자동적으로 생성하는 시스템의 개발에 성공하고 있다. 인간의 눈과 같은 화상을 인식하여 사진 중에 무엇이 비추어져 있는지를 해석..

AI 진화의 역사(2/3) 2) 의 등장으로 제3차 붐으로 1980년대부터 90년대에 걸쳐서 AI연구는 다시 겨울 시대를 맞이하였다. 그러나 2000년대 반에서연구는 가속한다. 그것이 현재까지 이어진 제3차 AI 붐이 되는데, 그 계기가 된 것은 에서 설명한 이라는 기술이 등장과 진화이다. 제2차 붐을 지탱한 에서는 미리 준비된 데이터에 없는 것은 컴퓨터가 처리할 수 없었다. 그런데 기계학습은 이 불가능을 가능하게 하였다. 기계학습에는 여러 가지 방법이 있는데 여기서는 과 에 대하여 개요를 설명해둔다. 다른 것은 단 한 가지 라 부르는 정해 데이터가 있는지 없는지이다. 미리 교사의 데이터가 주어진 은 교사 데이터에서 룰이나 패턴을 자동으로 학습한다. 메일아프리에 자주 있는 미혹 메일 판정이 이 좋은 예이..

AI 진화의 역사(1/3) 1) AI역사를 치장하는 3개의 붐 지금은 신문지상에서는 AI라는 말을 눈에 보이지 않는 날이 없을 정도로 주목을 끌고 있다. 그러나 실은 AI연구는 의외로 긴 역사를 가지고 있고, 현재까지 3회의 커다란 붐이 일어났었다. 제1차 붐이 시작된 것은 AI라는 말이 탄생한 1956년이다. 미국 동부의 다드마스라는 고을에서 AI연구의 워크숍이 개최되어 이라는 의미로 처음으로 AI라는 말이 사용되었다. 이 워크숍을 계기로 AI연구의 제1차 붐이 일어난 것인데, 그에 불을 붙인 것은 (엘리사)라는 컴퓨터이다. 이것은 음성이 아니라 텍스트로 대화가 가능한 컴퓨터로 인간의 발화에 대하여 컴퓨터가 자동으로 응답해주는 것이었다. 당시로서는 획기적이었으나 실제는 단순한 패턴의 일밖에 할 수가 없..

AI 개발 프로세스(3/3) 3) AI 개발의 무대 뒤 인재부족을 해소하기 위하여 여러 가지 일을 AI에 치환시키려는 움직임이 가속화하고 있다. 예를 들면 콜 센터의 업무이다. 여러분도 스마트폰이나 PC의 트러블로 이용했던 일이 있을 것이다. 전화가 걸리지 않아서 답답했던 일도 있을 것이다. 이 콜센터의 업무를 AI로 치환할 수가 있다면 질문을 쉽게 할 수 있을 것이다. 그러면 콜센터의 업무를 최소 단위로 분류하면 어떻게 되는가. 콜센터의 담당자는 ---- 이런 방법으로 일련의 업무를 진행한다. 그러나 이 모두를 그대로 AI에게 치환할 수는 없다. AI는 만능이 아니기 때문이다. 그러면 이 4개의 최소단위를 AI에 치환한다면 인간은 편해질 것인가. 효율화 될 것인가를 생각해보자. 예를 들면 손님의 요망을..

AI 개발 프로세스(2/3) 2) 기능. 목적에 응하는 다채로운 AI 비약적으로 진화한 AI에 의하여 지금까지 인간이 해오던 일을 점점 AI에게 넘기려 하고 있다. 그러면 AI를 활용한 제품은 어떻게 개발되고 있는가. 여기서는 구체적인 프로세스를 보기로 한다. 여러분은 AI라면 인간처럼 무엇이든지 할 수 있는 로봇 같은 이미지를 가질는지 모른다. 그러나 실은 AI는 하나의 별개의 기능을 가진 시스템이다. 예를 들면 AI밥통이다, 날씨에 따라 보온을 조정하는 AI기능이 탑재된 제품의 경우, 날씨를 판단하고 있는 것은 AI인데 보온기능이나 쌀을 익힌다는 본래의 밥통의 기능은 AI가 아니다. 한편 몇 개의 AI가 복합하고 있는 것도 있다. 예를 들면 「Pepper」군 같은 로봇이라면 인간의 회화를 듣는 AI...

2, AI 개발 프로세스(1/3) 1) 여러 가지의 기술이 AI의 진화를 지탱한다. AI진화의 배경에는 기계학습과 디프러닝이라는 기술이 있었다는 것 또 AI에는 팽대한 학습데이터가 불가결하다는 것은 이미 소개하였다. 그러나 AI가 2000년대에 비약적으로 발전한 배경에는 디프러닝 외로 한 조건이 필요했다. 여러분은 라는 말을 들어본 일이 있는가. 빅데이터란 일반적 데이터관리, 처리 소프트웨어로 다루기가 곤란할 정도의 거대하고 복잡한 데이터의 집합을 말한다. AI학습에는 이 빅데이터가 불가결한 것이었다. 그러면 어느 정도로 거대한가? 여러분이 쓰고 있는 스마트폰의 기억용량은 얼마인가? 최신식이라면 32 GB(기가바이트)~64GB정도일 것이다. PC는 어떠한가? 노트 PC라면 512 GB정도. 테스크탑 PC..

AI 기초 지식(3/3) 3) AI를 낳은 어미는 어디까지나 인간이다. AI가 급속히 진화를 계속하므로 장래에 AI는 인간의 능력을 초월하는 것이 아닌가, 지금까지 인간이 해온 일은 전부 AI로 대치되는 것이 아닌가 하는 비관적인 예측을 하는 사람이 많아졌다. 그러나 참으로 그런 일이 생겨날 것인가?. 이것을 생각하기 전에 먼저 AI가 인간보다 뛰어난 포인트를 정리해보자. 그것은 과 이다. 컴퓨터라면 천문학적인 수의 계산의 답을 순식간에 이끌어 낼 수가 있고, 방대한 데이터를 룰에 기초하여 분류하는 것도 잘한다. 인간이라면 하나하나 시간을 걸려서 하지 않으면 안 될 번잡한 일을 컴퓨터라면 한 순간에 처리할 수가 있다. 이 두 가지에 관하여 인간은 컴퓨터 곧 AI에 쫓아갈 수가 없다. 단지 어디까지나 이다..