AI(인공 지능)와는 『 인간 같은 지능을 가진 컴퓨터 』 같은 것으로 "스스로 학습하는 "것이 특징이다. PC나 스마트 폰 같은 친밀한 전자 기기 중에도 탑재되고 있어 이제 인간 사회에서 다수의 AI(인공 지능)이 활약하는 시대가 되었습니다.
AI (인공 지능)가 가지고 최신 기능의 일부는 지금까지의 상식을 뒤집는 혁신적인 것이 많고,
DX (디지털 트랜스 포메이션) 을 추진하는 데에도 중요한 요소를 담당하고 있습니다.
그러나 AI(인공 지능)이 매우 친근한 존재가 된 한편, 그 본질적 의미와 구조를 모르고"어쩐지 이해하고 있다"라고 하는 분도 아직 많지 않을까요?
본 기사에서는 "AI(인공 지능)"의 말의 의미와 정의부터 지금까지 연구를 걸어 기계 학습·딥 러닝과 같은 학습 방법, 미래에 가져오는 효과까지를 철저 해설. AI(인공 지능)에 관한 기초 지식을 정리해서 설명합니다.
목차
- AI (인공 지능) 란 무엇인가?
- AI (인공 지능)라는 말의 탄생
- "AI"는 무엇의 약자?
- AI (인공 지능)의 반대어
- AI (인공 지능)의 정의
- AI (인공 지능) 연구의 역사
- 1 차 AI 붐 (1950 년대 후반 ~ 1960 년대)
- 2 차 AI 붐 (1980 년대 ~ 1990 년대)
- 3 차 AI 붐 (2000 년대 ~ 현재)
- AI (인공 지능)의 대표적인 알고리즘
- 신경망
- 유전자 알고리즘
- 전문가 시스템
AI (인공 지능) 란 무엇인가?
우선 "AI (인공 지능)"이란 무엇인가? 말의 의미를 학습 해 보겠습니다.
AI (인공 지능)라는 말의 탄생
AI (인공 지능)라는 말이 처음 사용 된 것은 1956 년. 미국 다트머스 대학에서 개최 된 다트머스 회의에서 계산기 과학자 ·인지 과학자의 존 매카시 교수에 의해 제안되었습니다.
"AI"는 무엇의 약자?
AI는 Artificial Intelligence (아티 휘 샤루 인텔리전스)의 약어. Artificial는 "인공적인"Intelligence는 "지능 / 지능 '이라는 뜻을 가지고 있습니다.
AI (인공 지능)의 반대어
AI의 반대어는 Natuar Intelligence (자연 인텔리전스). 약어가 NI입니다. Natuar Intelligence의 일역은 "자연 지능 '이라는 말로 인간이나 동물 등의 자연이 만들어 낸 지능 것을 말합니다.
AI (인공 지능)의 정의
일반 사단 법인 인공 지능 학회에서는 AI (인공 지능)라는 말의 친부모 인 존 매카시 교수의 말을 "지적인 기계, 특히 지적인 컴퓨터 프로그램을 만드는 과학 기술" 이라고 번역하여 소개 있습니다.
그러나 AI (인공 지능)에 관한 연구가 진행된 현재 연구자마다 다른 말로 정의되고있는 상황.
일본의 주요 연구자에 의한 AI (인공 지능)의 정의는 다음과 같습니다.
일본의 주요 연구자들이 인공 지능 (AI) 정의
| 연구원 | 소속 | 정의 |
| 나카지마 히데유키 | 公立はこだて未来大学 학장 |
인공적으로 만들어진 지능을 가진 실체. 또는 그것을 만들려고하면 지능 자체를 연구하는 분야이다 |
| 니시다 토요 아케 | 교토 대학 대학원 정보학 연구과 교수 |
"지능을 가진 메카"내지는 "마음을 가진 메카"이다 |
| 미조구치 리이치로 | 호쿠리쿠 첨단 과학 기술 대학원 대학 교수 |
인공적으로 만든 지적 행동을하는 것 (시스템)이다 |
| 나가오 진정한 | 교토 대학 명예 교수 전 국립 국회 도서관 장 |
인간의 두뇌 활동을 극한까지 시뮬레이션 시스템이다 |
| 호리 고이치 | 도쿄 대학 대학원 공학계 연구과 교수 |
인공적으로 만드는 새로운 지능의 세계이다 |
| 아사다 미노루 | 오사카 대학 대학원 공학 연구과 교수 |
지능의 정의가 명확하지 않기 때문에, 인공 지능을 명확하게 정의 할 수없는 |
| 마츠 바라 진 | 公立はこだて未来大学 교수 |
궁극적으로는 인간과 구별이되지 않는 인공적인 지능의 수 |
| 다케다 히데아키 | 국립 정보학 연구소 교수 |
인공적으로 만들어진 지능을 가진 실체. 또는 그것을 만들려고하면 지능 자체를 연구하는 분야이다 (나카지마 씨와 같은) |
| 이케 가미 코시 | 도쿄 대학 대학원 종합 문화 연구과 교수 |
자연스럽게 우리가 애완 동물이나 사람에 접촉하는, 감정과 농담듯한 상호 작용을 물리 법칙에 관계없이 또는 반대하여 인공적으로 만들어 낼 수있는 시스템을 인공 지능으로 정의한다. 분석으로 알 싶은 것이 아니라, 대화하고 교제함으로써 담론으로 알 싶을 같은 시스템. 그것은 인공 지능이다 |
| 야마구치 高平 | 게이오 대학이 공학부 교수 |
사람의 지적 행동을 모방 · 지원 · 초월하는 구성으로 시스템 |
| 쿠리하라 사토시 | 전기 통신 대학 대학원 정보 시스템 학부 교수 |
공학으로 만들어지는 지능이지만, 그 지능의 수준은 사람을 넘고있는 것을 상상하고있다 |
| 야마 카와 히로시 | 완고 인공 지능 연구소 소장 | 계산기 지능 중에서 인간이 직간접으로 설계하는 경우를 인공 지능으로 불러도 좋을 것이 아닐까 싶다 |
| 마츠오 유타카 | 도쿄 대학 대학원 산업 연구과 준 교수 |
인공적으로 만들어진 인간과 같은 지능, 혹은 그것을 만드는 기술 |
"AI (인공 지능)이란 무엇인가」를 평평 "NI (자연 지능)를 컴퓨터에 재현 한 것」 「인간과 같은 지능을 가진 컴퓨터 "라고 생각해도 대체로 틀리지 않을 것입니다 만, AI (인공 지능)는 명확하게 정의되어 있지 않은 것이 현실 입니다.
AI (인공 지능
) 연구의 역사
현재 Apple의 "Siri"로 대표되는 음성 안내, 아이 로봇 청소 로봇 '룸바', 소프트 뱅크의 감정 인식 휴머노이드 로봇 'Pepper'등 AI가 친밀한 존재로 인간 사회에 받아 들여지고 있습니다.
최근 AI 기술의 발전은 놀라운 것이 있습니다 만, AI 연구가 활발하게 된 것은 1950 년대 후반 무렵부터. 붐과 겨울의 시대 (정체기)을 반복하여 점차 AI는 진화 해 왔습니다.
여기에서는 그런 AI 연구의 역사를 간단히 소개하고 있습니다.
1 차 AI 붐 (1950 년대 후반 ~ 1960 년대)
"AI (인공 지능)"라는 말을 낳은 다트머스 회의가 개최 된 1950 년대 후반부터 1960 년대에 걸쳐 1 차 AI (인공 지능) 붐이 일어났습니다.
붐의 배경으로 한 것이 컴퓨터에 의한 "추론"과 "탐색"이 가능하고 특정 문제에 대해서 해답을 도출하게 된것. 그러나 당시 AI가 대응한 것은 명확한 규칙이나 정의된 문제에 한정되어 있었습니다.
현실 사회에서 일어나고있는 다양한 요인이 복잡하게 얽히는 과제의 해결에 대응할 수없는 것이 판명 된 것으로, AI (인공 지능) 붐은 점차 시들. 1970 년대에는 겨울의 시대 (정체기)을 맞아 버렸습니다.
2차 AI 붐 (1980 년대 ~ 1990 년대)
2 차 AI (인공 지능) 붐이 도래 한 것은 1980 년대 ~ 90 년대. " 전문가 시스템 "의 탄생을 통해 "지식 표현 '이 가능하게 된 것이 큰 요인입니다.
전문가 시스템은 "○라면×을 하세요.그 이외의 경우에는 △하라"와 같은 규칙 군에서 지식을 구성하는 인공 지능. 스스로 학습하는 구조는 없지만 미리 전문가가 생각할 수 있는 한 상황을 예측하고 대처 방법이나 판단을 준비하는 것으로 기능합니다.
규칙이 많을수록 정확성이 향상하는데 필요한 정보를 모두 사람의 손으로 컴퓨터에 이해시켜야 하고 실제로 활용할 수 있는 것은 특정 영역의 정보 등에 한정된 것만. 이처럼 활용할 수 있는 지식 데 한계가 보이면서 1995년경부터 AI(인공 지능)은 다시 겨울의 시대를 맞이했습니다.
3차 AI 붐 (2000 년대 ~ 현재)
3차 AI (인공 지능) 붐은 2000 년대부터 시작되어 본 기사를 집필 한 2019 년 시점도 그 와중에 있습니다.
붐의 요인을 만든 것은 AI(인공 지능)자신이 대량의 데이터(빅 데이터)부터 지식을 얻는다" 기계 학습"의 실용화가 진행된 것. 이어 2006년에는 지식을 정의하는 요소(특징량)을 AI(인공 지능)이 스스로 습득한다 딥 러닝(심층 학습)이 제기되어 붐에 박차를 가했습니다.
AI (인공 지능)의 대표적인 알고리즘
AI (인공 지능)의 연구에서 중요한 역할을 담당하는 AI 세 대가라고도 "신경망" "유전자 알고리즘" "전문가 시스템"등 대표적인 알고리즘을 설명하고 있습니다.
신경망
뉴럴 네트워크는 신경원(생물의 뇌를 구성하는 신경 세포)의 구조와 기능을 모델로 한 AI(인공 지능).
뉴런은 다른 뉴런으로부터 일정치 이상의 전기 신호를 받는다고 흥분하고 그 앞에 연결된 뉴런에 전기 신호를 보냅니다. 이런 뉴런 간의 제휴 행동의 구조를 수치 모델화한 것입니다.
뉴럴 네트워크는 데이터를 넣고 입력층 입력층에서 내려오는 무게를 처리하는 중산층(음폐층)결과를 출력하는 출력층으로 구성되어 있습니다.
인간이 선생님이 되어 예제와 모범 답안 세트(교사 신호)를 뉴럴 네트워크에게 가르쳤더니 그 뒤 가르치지 않은 범위에 대해서도 뉴럴 네트워크 자체가 판단하거나 추리하는처럼 됩니다.
유전적 알고리즘
유전적 알고리즘은 다윈의 진화론을 모티브로 한 AI(인공 지능)입니다.
다윈의 진화론을 요약하면 다음과 같습니다.
생물은 환경에 응하고, 우수한 개체만이 자손을 남길 수 있다, 열등한 개체는 도태된다. 또 개체는 돌연변이를 일으키는 경우가 있고 드물게 우수한 개체이 되기도 한다. 이를 반복해서 진화했다.
이"우수한 개체"=" 좋은 해답"로, 진화의 방법을 이용하여 최적 값을 도출하고자 하는 것이 유전적 알고리즘입니다.
유전적 알고리즘이 가장 잘하는 것은 방대한 조합이 존재하는 가운데에서 최고의 답을 찾아내는 것. 인력으로 계산하기 어려운 수준의 조합 폭발을 일으키는 문제에 대해서 재빨리 최적 값을 산출할 수 있습니다.
전문가 시스템
전문가 시스템은 인간의 "생각"을 모델로 한 AI(인공 지능). 다른 AI모델과 다른 것은, 자기 자신이 학습하는 구조가 없다것입니다.
우선은 특정 전문가(전문가)에서 생각할 수 있는 상황과 그에 대한 대처 방법·판단·예측을 청취하고 이에 기초하여 규칙을 정의합니다.
거기에서 정한 규칙을 토대로 유저로부터의 문의가 어느 상황에 적합한지를 판단하고 정의되는
판단과 예상을 실시합니다.
아래로 꼽는 예처럼 특히 의료 분야의 병의 진단에서 활약하고 있습니다.
예 : 전문가 시스템에 의한 진단
질문: 주된 증상은 다음 중 어느 것입니까?
답:① 열이 있② 콧물이 나오③ 기침이 나다
규칙 1:만약 열이 있으면 식중독으로 판단한다
규칙 2:만약 콧물이 나온다면 감기라고 판단한다
규칙 3:혹시 기침이 나온다면 결핵으로 판단한다
상기와 같이, 유저로부터의 회답에 맞추어 미리 준비된 진단을 내립니다.
규칙 수가 많으면 많을수록 정확하게 됩니다만, 규칙이 너무 늘면 각각의 룰의 정합성이 취하기 어려워지는 일이 있습니다. 더 중요한 룰에 빠진다·누락이 있다고 올바른 판단을 할 수 없게 되어 버립니다.
또 규칙 설정에는 전문가의 도움이 필요하게 되거나 규칙을 올바르게 설정 된다고 해도 전문가 이상의 응답을 이끌어 내지 못할 것도 전문가 시스템의 우려 사항입니다.
'IT' 카테고리의 다른 글
| 대기업이 주목하는 NFT구조와 발전 가능성 트위터 게시물이 30억인상의 가치가 있다. 1편 (0) | 2022.05.19 |
|---|---|
| Ai란 무엇인가? 2편 : 학습 방법, 사용 언어 , 기능 (0) | 2021.03.25 |
| 빅데이터(Big Data)란 | 정의, 활용, AI와의 관계, 보급 이유 2 (0) | 2021.03.24 |
| 빅데이터(Big Data)란 | 정의, 활용, AI와의 관계, 보급 이유 1 (0) | 2021.03.24 |
| 화상회의를 하는 이유! 장점 (2) | 2020.12.28 |
