인공지능(artificial intelligence)의 유래
- 다트머스 회의(1956)에서 존 매카시(John MacCarthy)가 제안한 용어
인공지능의 정의
- 인간적 사고
- 컴퓨터가 생각하게 하는 흥미로운 시도, 문자 그대로 완전한 의미에서 마음을 가진 기계(Haugeland, 1985)
- 인간의 사고, 의사결정, 문제 풀기, 학습 등 활동에 연관시킬 수 있는 활동들의 자동화(Bellman, 1978) - 합리적 사고
- 계산 모형을 이용한 정신 능력 연구(Charniak 및 McDermott, 1985)
- 인지와 추론, 행위를 가능하게 하는 계산의 연구(Winston, 1992) - 인간적 행위
- 사람이 지능적으로 수행해야 하는 기능을 수행하는 기계의 제작을 위한 기술(Kurzweil, 1990)
- 현재로서는 사람이 더 잘하는 것들을 컴퓨터가 하게 만드는 방법에 대한 연구(Rich, 및 Knight, 1991) - 합리적 행위
- 계산 지능은 지능적 에이전트의 설계에 관한 연구이다(Poole 외, 1998)
- 인공지능은, 인공물의 지능적 행동에 관련된 것이다.(Nilsson, 1998)
인간적 사고
- 인간적 사고를 위해선 사람이 어떤 식으로 생각하는지 알아내는 방법이 필요
- 내성법, 심리학 실험, 뇌 영상 촬영
- 인지 과학(Cognitive Science) : 인공지능의 컴퓨터 모형과 심라학의 실험 기법을 조합해서 인간 정신에 관한 검증 가능한 이론들을 구축
합리적 사고
- 삼단 논법 : 옳은 전제에서 항상 옳은 결론을 내는 논증 구조 패턴
- 논리학 분야 탄생, 논리학자들은 세상의 모든 종류의 물체와 그들 사이의 관계에 대한 명제를 엄밀하게 표현하는 표기법 개발
인간적 행위
- 튜링 테스트 : 엘런 튜링이 제안한 이 테스트는 지능의 만족스러운 실천적 정의를 제공하기 위해 고안
- 인간 조사자가 글로 쓴 질문에 대해 컴퓨터가 글로 답했을 때, 인간 조사자가 컴퓨터와 인간 중 누가 제출한 것인지 구분하지 못한다면 그 컴퓨터는 튜링테스트에 통과한 것
- 완전 튜링 테스트 : 비디오 데이터도 포함한 인지 능력 테스트
-> 인간적 행위에 필요한 기능
- 자연어 처리
- 언어를 이용한 성공적 의사소통을 위한 자연어 처리 - 지식 표현
- 알고 있거나 들은 것을 저장하기 위한 지식 표현 - 자동 추론
- 저장된 정보를 이용해 질문에 답하고 새로운 결론을 도출 - 기계 학습
- 새로운 상황에 적응하고 패턴들을 외삽(extrapolation)하기 위한 기계학습 - 로봇 공학
- 물체를 조작하고 이동하기 위한 로봇공학 능력 - 컴퓨터 비전
- 물체를 인식하기 위한 컴퓨터 비전
합리적 행위
- 에이전트(Agent) : 뭔가를 수행하는 어떤 것
- 합리적 에이전트(Rational Agent) : 최상의 결과를 내도록 행동하는 에이전트
- 컴퓨터 에이전트는 자율적으로 작동, 자신의 환경을 인지하여 장기간 행동을 유지하고, 변화에 적응하며 목표를 만들고 추구하는 등의 능력이 요구
- 사고의 법칙(합리적 사고)방식보다 좀 더 일반적이어서 정확한 추리 외에도 합리성을 달성하게 하는 매커니즘
- 다른 접근 방식에 비해 과학의 발전을 좀 더 잘 받아들임
- 합리성의 기준이 수학적으로 잘 정의되고 완전히 일반적이어서 합리성 달성이 가능한 에이전트 설계가 가능
인공지능의 역사 (~1970)
- 인공 뉴런 모델(1943)
- 워렌 매컬록(Warren McCulloch)과 월터 피츠(Walter Pitts)가 인간 뇌의 뉴런을 모방한 인공 뉴런 모델 제안 - 튜링 테스트(1950)
- 앨런 튜링(Alan Turing)이 "컴퓨터 기계와 지능" 이라는 논문에서 튜링테스트를 제안
- 기계가 지능을 갖췄는지를 판단하기 위한 실험 방법으로 제안 - 다트머스 회의(Dartmouth Conference, 1956)
- 존 매카시(John McCarthy), 마빈 민스키(Marvin Minsky)등이 모여 "인공지능(AI)"라는 용어를 처음 사용하고 연구를 시작 - 논리 이론가(Logic Theorist)
- 수단-목표분석(means-end analysis) 기법 (뉴웰(Newell), 사이먼(Simon), 1958)
- 범용 문제 해결을 목표로 한 GPS(General Problem Solver)개발
- <수학 원리> 책의 52개 정리중 38개를 자동 증명 - 퍼셉트론(Perceptron)모델 (로젠블랏, 1958)
- 유니메이트(Unimate, 1961)
- 젠너럴 모터스 공장에서 사용되기 시작한 최초의 산업용 로봇 - 엘리자(ELIZA, 1966)
- 조셉 와이젠바움(Joseph Weizanbaum)이 개발한 초기 자연어 처리 프로그램(컴퓨터와의 대화) - WABOT-1(1972)
- 일본에서 개발한 최초의 인간형 로봇 - AI 겨울(1973)
- 미, 영 정부가 AI연구에 대한 자금 지원을 줄이면서 시작된 AI 연구의 침체기
인공지능의 역사(~1980)
- 전문가 시스템 구축 : 일반적인 방법보다 특정 문제 영역에 효과적인 방법을 찾는 연구
- MYCIN(1970, 스탠포드 대학교) : 박테리아 감염 질환을 진단하고 적절 항생제를 추천하며 69%의 환자에 대해 적합한 처방, -> 인간의 의사보다 더 정확했으며 전문가 지식은 단 600여개의 규칙으로만 구성
- XCON(1978, CMU/DEC) : 컴퓨터 조립에 필요한 부품을 선별, 2500개의 규칙으로 부품선정에 95%이상의 정확도로 연간 2500만 달러를 절감
- PROSPECTOR : 광물탐사 데이터 분석(Edward Feigenbaum팀, 스탠포드 대학교)
- DENDRAL : 화학식과 질량 스펙트럼 데이터로부터 유기화합물의 분자구조 결정 - Prolog 언어 개발 : 지식의 표현과 추론을 지원하는 논리기반 언어
인공지능의 역사(~1990)
- 제 5세대 컴퓨터 프로젝트(1980)
- 일본이 제 5세대 컴퓨터 프로젝트를 발표하여 AI 연구의 관심을 되살림 - 역전파 (Back Propagation) 알고리즘의 재발견(1986)
- 제프리 힌튼(Geoffrey Hinton)이 역전파 알고리즘(Backpropagation)을 재발견하고 이를 통해 신경망 훈련을 가능케 함 - 신경망 모델 발전
- 다층 퍼셉트론(Multi Layer Perceptron, MLP)로 신경망의 르네상스를 일으킴
- 오차 역전파(Error Backpropagation) 알고리즘 - 딥 블루(Deep Blue, 1997)
- IBM의 딥 블루가 체스 세계 챔피언 개리 카스파로프(Garry Kasparov)를 이김 - 퍼지 이론(Fuzzy theory)
- 언어의 애매한 정보를 정량화하여 표현 - 진화 연산
- 진화 개념을 문제 해결에 도입(유전자 알고리즘, 진화 프로그래밍 등) - 확률적 그래프 모델
- 그래프 이론과 확률론을 결합
- 컴퓨터 비전, 로보틱스, 자연어 처리, 진단 등에 적용 - 서포트 벡터 머신(Support Vector Machine, SVM)
인공지능의 역사(~2010년)
- 에이전트(Agent) : 위임받은 일을 자율적으로 관리
- 시멘틱 웹(Semantic Web) : 컴퓨터가 웹 상의 자원을 이해하여 관리
- 머신 러닝(Machine Learning) : 데이터를 기반으로 패턴을 학십하고 예측을 수행하는 알고리즘과 모델을 개발하는 기술
- 데이터 마이닝(Data Mining) : 대규모 데이터에서 유용한 정보를 추출하고 숨겨진 패턴을 발견하는 과정
- 딥 러닝(Deep Learning, 2006) : 제프리 힌튼이 딥 러닝(Deep Learning)이라는 용어를 도입하고 심층 신경망(Deep Neural Network)의 학습 방법을 제안
- 자율 주행 자동차(2009) : 구글이 자율 주행 자동차 프로젝트를 시작, AI를 사용하여 자율 주행 개발을 시도
인공지능의 역사(2010 이후)
- IBM의 왓슨(Watson)
- 미국의 퀴즈쇼 Jeopardy! 에서 인간 챔피언들을 기이며 AI의 자연어 처리 능력을 입증
- 왓슨의 한계는 이미 나온 오답을 다시 제시한다는 것 (오답에 대해 자가 재학습, 수정이 불가) - ILSVRC 2012 이미지 인식 대회와 AlexNet
- 이미지 인식 대회에서 AlexNet이 우승하며 딥러닝이 본격적으로 주목을 받기 시작
- 2015년에는 인간의 오류율 5% 미만을 달성하여 인간보다 우수하다는 것을 입증한 ResNet이 등장 - 튜링 테스트 최초 통과 프로그램 Eugene Goostman
- 13세인 우크라이나 소켠 캐릭터의 챗봇
- 튜링 사망 60주년 기념 이벤트에서 튜링 테스트 통과
- 30명의 검사자 중 33%가 사람으로 판정 - 채팅 봇 테이(Tay)
- 사용자의 성향을 학습하여 대화하는 개인 맞춤형 10대 소녀 챗봇
- Twitter에서 서빙했으나 16시간 운영 후 중단됐는데, 오도된 학습으로 극단주의, 성차별, 인종혐오를 갖게되어 중단됨 - 구글/딥마인드의 알파고(AlphaGo)의 바둑 승리(2016)
- 1920개의 CPU와 280개의 GPU사용
- TPU 사용
인공지능의 분류
| 구분 | 분류 | 특징 | 예 |
| 목적 측면 | 약 인공지능(Weak AI) | - 단일 기능 - 인간이 직접 설계 - 지도 학습(Supervised) - 확장이 어려움 |
문자/ 음성인식, 청소 로봇, 딥블루(체스), 알파고(바둑) 등 |
| 강 인공지능(Strong AI) | - 범용 (인간 수준) - 스스로 학습 - 확장이 용이 |
IBM 왓슨(퀴즈 풀이, 의료, 금융 응용), 무인 자동차 등 | |
| 슈퍼 인공지능(Super AI) | - 인간보다 우수 | 영화속 로봇 | |
| 방법론 측면 | 계산 주의(철학적 관점) | - 기호로 저장하여 수학, 논리 계산 | - GPS, 전문가 시스템 등 |
| 연결 주의(생물학적 관점) | - 인간 뇌의 뉴런과 연결을 모방 | - 인공 신경망, 딥러닝 등 |
중국인 방 사고실험(The Chinese Room Thought Experiment)
- 존 설(John Searle, 1980)이 제시한 사고실험
- 문 밑으로 중국어로 쓴 질문지 전달
- 방 안에서 중국어를 모르는 사람이 글자 모양에 따른 중국어 단어 조합 매뉴얼을 참고하여 답변에 대해 단어를 조합하여 문 밖으로 제출
- 문 밖에서는 중국어를 이해하는 사람이 방 안에 있다고 생각
- 단지 흉내만 내는것이고 방 안 사람이 중국어에 대해 이해한 것은 아님
-> 이해하지 못하고 흉내만 낼 수 있어도 지능적 행동이다(intelligent)
모라벡의 역설(Moravec's Paradox)
- 미국의 로봇공학자 한스 모라벡(Hans Moravec)이 1970년대에 '어려운 일은 쉽고, 쉬운 일은 어렵다' 라는 표현으로 컴퓨터와 인간의 능력 차이를 역설적으로 표현
- 인간은 걷기, 느끼기, 듣기, 보기, 소통 등 일상적 행위는 매우 쉽게 할 수 있는 반면 수식 계산 등에는 매우 많은 시간을 할애
- 컴퓨터는 인간이 하는 일상적인 행위를 수행하기 어렵지만 수학적 계산, 논리 분석등은 매우 쉽게 처