AI-LAB 인공지능 실습 1강 인공지능 개요

 

 

AI-LAB 인공지능 실습 1강 인공지능 개요

 

본 인공지능 강의 자료는 NVIDIA Jetson TX2 Developer Kit를 기반으로 인공지능 실습 플랫폼에서 다양한 AI 예제를 실습하는 과정을 설명한다. 실습 환경을 구성하는 일은 쉽지 않은 일이므로 실습 전까지 AI에 대해 수업하는 방식으로 하고, Jetson TX2 Developer Kit에 대한 내용은 따로 보충하는 형식으로 한다.

Jetson TX2 Series는 Nvidia Pascal ™ 아키텍처로 구동되는 AI 모듈이며, 특징은 아래와 같다.

 

- 256개 NVIDIA CUDA 코어를 장착한 NVIDIA Pascal™ 아키텍처
- 로봇, 무인 항공기, 스마트 카메라 및 휴대용 의료 기기와 같은 지능형 에지 장치에 이상적인 소형의 전력 효율적인 폼 팩터에 통합
- Jetson TX1 모듈의 모든 기능을 지원하면서 더 크고 복잡한 심층 신경 네트워크를 지원
- 고성능, 저전력 Nvidia Jetson TX2로 실시간 인공 지능(AI) 성능을 최대한 활용 가능
- 복잡한 데이터 처리가 온보드 에지 장치에서 수행
- 로봇과 무인부터 기업 협업 장치 및 지능형 카메라에 이르는 모든 것을 빠르고 정확하게 추론
- AI를 최첨단으로 끌어 들이면 네트워크에 제약이 있는 환경에서 장치에 대한 엄청난 잠재력을 실현 가능

 

인공지능의 개요

 

• 인공지능이란 이상적인 지능을 갖춘 존재로 주로 컴퓨터 시스템에 의해 만들어진 지능을 의미한다. 자주 언급하는 머신러닝(Machine Learning), 패턴인식(Pattern Recognition), 인공신경망(Artificial Neural Network) 등을 포함한 광범위한 개념으로 사용하고 있다.

 

 

- 머신러닝(기계학습)은 명시적인 규칙이나 제약 프로그램 없이도, 컴퓨터가 스스로 학습 할 수 있도록 하는 분야(Arthur Samuel, 1959)를 말한다.

- 패턴인식이란 많은 데이터로부터 중요한 특징, 속성을 추출하여 입력 데이터를 식별할 수 있는 부류로 분류하는 분야를 말한다. 

- 인공신경망이란 인간의 뇌가 패턴을 인식하는 방식을 모사한 알고리즘으로 시각, 청각 입력 데이터를 퍼셉트론이나 분류, 군집을 이용하여 해석한다. 이렇게 해석한 결과를 이용하여 영상, 소리, 문자 등에서 특정 패턴을 인식하도록 학습시키는 시스템을 말한다.

 

• 인공지능에 대한 연구가 급속도로 빨라지는 이유

1. 강력한 병렬 및 분산처리 능력을 갖춘 컴퓨팅 능력 향상에 있다. 과거에도 인공지능 이론과 기계학습 개념은 존재했지만, 이를 실제로 구현할 수 있는 하드웨어가 존재하지 않았다. 현재는 인공지능 알고리즘을 구현할 수 있는 하드웨어가 강력하게 갖춰지고 있는 추세다. 
2. 인터넷, 사물인터넷(Internet of Things)과 다양한 센서를 통한 정보수집 능력의 향상이다. 과거에는 정보 수집의 한계때문에 인공지능 알고리즘을 학습시키는데 제약이 많았으나 현재는 인터넷과 각종 센서등을 통해 수집할 수 있는 데이터의 양이 무궁무진하다고 말할 수 있다.  
3. 개발, 공개, 협업을 통한 공개 소프트웨어가 늘어나고 있다. Opencv, Tensorflow 등 다양한 프레임워크들이 공개되어 있으며, 누구나 쉽게 접근하여 개발에 참여할 수 있는 환경이 조성되어 있다.

 

인공지능의 역사는 아래 포스팅을 참고한다. 꼼꼼하게 풀어쓴 인공지능의 역사 1900~1950 

 

약한 인공지능과 강한 인공지능의 구분

 

약한 인공지능은 특정 문제 해결에만 뛰어난 성능을 보인다. 인간의 두뇌에서 처리하는 일들 중 특정한 일부기능을 모사하여 제한된 기능만을 제공한다. 예를 들면 로봇 제어, 얼굴 인식, 음성 인식, 불량품 판단, 알파고 등이다.  

구글 딥마인드의 알파고, IBM의 왓슨은 모두 약한 인공지능입니다. 특정 영역의 문제를 푸는 인공지능 기술로써 문제 해결, 이상적 업무의 연구의 처리에 최적화된 인공지능입니다. 따라서 약한 인공지능은 알고리즘과 기초 데이터, 규칙을 입력해야 한다는 특징이 있습니다. 오늘날 약한 인공지능은 의료, 경영, 교육, 서비스 등에서 활발하게 이용되고 있습니다. 앞서 사람처럼 자아를 가질 수 있는 강한 인공지능과는 달리 인간의 인지적 능력 중 한정적인 부분만 사고할 수 있다는 한계가 있습니다. 이렇게 스스로 사고를 할 수 없다는 특징 때문에 약한 인공지능은 ‘진정한 인공지능’ 이 아니라는 주장도 있습니다. 삼성 SDS IT 트렌드 참고

 

강한 인공지능 실제 사람과 근접하게 사고하고 지능을 가질 수 있도록 프로그래밍 된 인공지능을 의미한다. 일반적인 여러가지 목적과 범용 과제 수행이 가능한 범용적 지능으로 향후 30년 이내에 강한 인공지능이 출현할 가능성이 있다고 예측한다. 심층 신경망을 여러 겹 나열하는 형태가 아닌, 뇌의 메커니즘을 모방한 인공지능 개발이 필요하다.

강한 인공지능은 단순한 컴퓨터가 아닙니다. 인간의 지능을 가지고 생각을 할 수 있는 컴퓨터를 말합니다. 단순한 예로 인간과 전쟁을 일으켰던 영화 터미네이터를 떠올릴 수 있는데요. 명령을 받지 않아도 스스로 일을 할 수 있으며, 자신이 생각했을 때 불합리하다면 명령을 거부할 수도 있습니다.

미래학자인 레이 커즈와일은 강한 인공지능의 출현 시점을 2045년으로 예측했다가 2030년으로 앞당겼습니다. 인간의 능력을 뛰어넘는 지능을 가진 인공지능이 등장할 경우, 인간은 어느 순간 인공지능을 통제할 수 없는 시점이 올 수도 있다고 합니다. 옥스퍼드 대학교에서 진행된 강한 인공지능이 출현했을 때의 시나리오를 분석하니 인류멸망이라는 결과가 나왔다고 합니다.

 

인공지능을 연구하는 대표적인 기관과 프로젝트

 

• 브레인 이니셔티브: 미국에서 인공지능 기술 개발을 위해 만들어진 거대 프로젝트, 뇌 구조에 대한 메커니즘 연구, 두뇌의 뉴런 활동에 대한 뇌 활동지도(brain activity map) 제작 중
• 휴먼 브레인 프로젝트: EU 연합에서 만들어진 인공지능 플랫폼 개발 프로젝트, 100여개의 연구기관이 참여하여 뇌 신경망 연구 진행
• 뇌과학종합 연구소: 일본의 뇌 연구를 위한 종합 연구소
• 키위브레인: 국내 KIST 뇌과학연구소가 주도하는 뇌 연구 메가 프로젝트, 뇌지도 구축, 신경망을 모사한 인공지능 개발 등을 목표로 추진 중