인공지능 용어 5선 The AI glossary: 5 artificial intelligence terms you need to know

인공지능 용어 5선 

The AI glossary: 5 artificial intelligence terms you need to know

인공지능(AI)은 우리가 보는 소셜 미디어 기사 선택, 사진 속의 친구와 애완동물 식별, 도로 위 사고 방지까지 거의 모든 디지털 라이프에 빠르게 스며들고 있다. 이 AI를 이해하기 위해서 먼저 관련 용어를 알아야 한다.

다음 모임에서 AI 관련 대화에 참여하고 마무리할 수 있도록 해주는 기본 용어 5선은 다음과 같다. 먼저 이 정의는 웹에서 찾을 수 있는 것과 조금씩 다를 수 있지만 가장 자주 언급되는 것을 위주로 설명하고 있다. 하지만 이처럼 빠르게 발전하는 분야에서는 언제나 해석에 조금씩 차이가 있을 수 있다.

이미지 출처 : http://www.techradar.com/news/the-ai-glossary-5-artificial-intelligence-terms-you-need-to-know

1. 알고리즘

바로 그 유명하거나 악명 높은 알고리즘이다. 알고리즘은 컴퓨터 프로그램이 따라야 하는 규칙의 집합으로 여러분의 친구가 소셜 미디어에 업로드 한 사진이 뉴스 피드 상단에 나오게 할 수 있다. 또한 지도상 지점 A에서 지점 B로 이동하는 최단 경로를 찾아주는 것도 도울 수 있다.

이 컴퓨터가 따라 할 규칙은 주로 사람이 작성하는 것으로 중요한 기사를 선정하는 소셜 미디어 엔지니어 혹은 가장 빠른 길을 결정하는 프로그램 개발자의 결과물이다. AI는 바로 이 부분에서 머신 러닝을 이용하여 알고리즘을 조정하는 것이다. 구글맵의 AI도 차단된 도로를 인지하면 경로를 재탐색하는 작업을 하는 식으로 작동한다.

예를 들어, 이미지 인식 시스템이 오동작하는 경우는 동일한 알고리즘을 적용해도 잘못된 결과가 나올 수 있는 예를 보여준다. 그 결과 실제 고양이가 아니라 고양이를 닮은 개로 인식하기도 한다. 많은 경우 이 알고리즘이 바로 머신 러닝의 기본 요소가 된다.

2. 인공지능

그럼 인공지능은 무엇인가? 누구에게 묻는가에 따라 정의는 다를 수 있지만 분명한 정의는 인공적으로 만들어진 지능의 한 종류라고 할 수 있다.

사람처럼 대답하는 시리(Siri)가 바로 인공지능이다. 어떻게 생긴 것이 고양인가를 알 수 있는 구글 포토도 인공지능이다. 스타워즈에 나오는 C3PO 분장을 한 배우도 사람이 조종하지만 말하고 생각할 수 있는 로솝의 형태를 보여주는 인공지능의 한 형태라고 할 수 있다. 

실제 그 정의는 매우 광대하기 때문에 어떻게 적용되는가에 있어 종종 혼동을 가져온다. 매우 다양한 AI 접근이 존재하기 때문에 AI 탑재라고 기술된 것은 광범위한 기술이 관련되어 있을 수 있다는 의미를 알고 그 차이를 이해해야 한다. 

3. 딥러닝

딥러닝(deep learning)은 머신러닝의 부분집합으로 많은 경우 두 용어가 혼용되고 많은 경우 동일한 개념을 설명하는데 사용할 수 있다. 딥러닝은 더 지능적으로 동작할 수 있도록 설계된 머신러닝이며, 더 많은 뉘앙스와 레이어를 가지고 있고 보다 더 인간의 뇌처럼 동작하도록 구현되어 있다.

딥러닝은 두 가지 핵심 기술의 발전을 통해 가능해졌는데 더 많은 데이터와 더 강력한 하드웨어가 바로 그것이다. 바로 이 때문에 수십 년 전으로 거슬러 올라가 시작된 기술이 이제야 진가를 발휘하고 있는 것이다. 머신러닝이 11살이 된 것을 생각한다면 컴퓨터가 더 강력해 짐에 따라 머신러닝도 더 똑똑해지고 있다는 것을 알 수 있다. 

딥러닝은 종종 신경망을 이용하여 구현하는데, 지능 레이어를 추가하는 것으로 생각할 수 있다. 예를 들면, 딥러닝과 머신러닝은 모두 수백만 개의 고양이 사진을 통해 고양이를 인지하는 법을 배울 수 있지만 머신러닝은 어떤 것이 고양이를 형성하는지 가르쳐야 할 필요가 있지만 딥러닝은 충분한 원시 데이터가 있다면 어떤 것이 고양이인지를 스스로 학습할 수 있다는 차이가 있다.

4. 머신러닝

소프트웨어 프로그램과 하드웨어를 통해 작업을 잘 수행할 수 있는 가운데, 머신러닝은 그 말 자체가 주는 의미처럼 다음 단계를 보여준다. 매번 정확한 모든 절차를 알려줄 필요가 없이 스스로 학습할 수 있는 능력을 가지고 있다.

가장 잘 알려진 예는 바로 이미지 인식이다. 충분한 고양이 이미지를 학습한 머신러닝 시스템은 사람의 힌트가 없어도 새로운 이미지에서 고양이를 찾아낼 수 있다. 

구글의 알파고도 또 다른 좋은 예가 될 수 있다. 사람의 지도를 통해 학습했지만 그 훈련을 기반으로 스스로 결정을 내릴 수 있다. 이와 더불어 알파고 사례는 바둑과 같은 특정 영역에서는 뛰어난 결과를 보여준 AI도 자율 주행 차량에서는 별 쓸모가 없을 수 있음을 보여주고 있다.

5. 신경망

딥러닝과 긴밀하게 연결되어 있는 신경망은 인간의 뇌에서 일어나는 현상을 따라 하거나 적어도 우리가 현재까지 이해한 범위에서 이용하려는 시도에서 나온 것이다. 다시 말하지만 신경망이 인공지능 분야에서 부상하게 된 것은 최근의 고사양 프로세서가 등장했기 때문이다.

기본적으로 그 의미는 수많은 층이 관련된다는 것이다. 이미지를 보고 고양이인지를 결정하기보다는 신경망은 이미지의 서로 다른 다양한 측면과 고양이를 고려하여 차이의 수준에 따른 중요성을 통해 최종 결정을 내린다. 그 결과 고양이 인식 엔진은 더욱 정확해지고 있으며 바로 최근의 이미지 인식이 더 나은 결과를 보여주는 이유가 되기도 한다.

신경망은 단 몇 줄의 문장으로 그 의미를 완전히 알 수 있는 것은 아니다. 하지만 또 다른 머신러닝 도구로서 인간의 지능을 구현하는 방식으로 설계된 것이라고 이해할 수 있다면 기본은 충분히 알고 있는 것이다.

원문출처 : http://www.techradar.com/news/the-ai-glossary-5-artificial-intelligence-terms-you-need-to-know

자료출처 : [KISTI] 금주의 글로벌과학기술동향 

http://www.ndsl.kr/ndsl/search/detail/trend/trendSearchResultDetail.do?cn=GTB2018003591