인공지능(Artificial Intelligence)이란 인간의 지능을 컴퓨터 연산으로 구현하는 기술입니다. 그 안에는 인간과 같이 학습, 추론, 문제 해결 등 인간을 모방하는 알고리즘 개발이란 목표가 있습니다.
인공지능(AI)이란?
인공지능은 이미 1950년대 수학적 이론으로 증명된 학문입니다. 다만 그때 당시 하드웨어적으로 수학적 이론을 해결할 수 있는 방법이 없었기 때문에 완성될 수 없었으며, 최근 들어 GPU를 이용한 빠른 연산이 가능하면서 딥 러닝 기술과 함께 놀라울 정도의 성능을 구현하고 있습니다.
인공지능 원리
다양한 인공지능 원리가 있지만 일반적인 원리는 아래와 같으며, 크게 3가지 정도로 필요한 카테고리를 나눌 수 있습니다.
1. 대량의 데이터
인공지능 모델은 대량의 데이터가 필요합니다. 그 데이터의 패턴과 특징을 분석하고 학습하면서 이를 바탕으로 인간과 같이 예측이나 판단을 할 수 있는 성능을 구현할 수 있게 됩니다.
2. 알고리즘
앞서 언급한 것처럼 대량의 데이터를 분석하고 학습을 하기 위해서는 알고리즘이 필요합니다. 그 알고리즘으로 패턴을 찾아내고 미션을 달성하기 위한 규칙을 정의하는 것이며, 대부분의 인공지능 성능은 알고리즘 설계에 크게 영향을 받습니다.
3. 컴퓨터 성능
데이터와 알고리즘이 있다면 이 모든 과정의 계산을 처리해야 합니다. 그렇기 때문에 고성능의 컴퓨팅 파워가 필요하며, 최근 들어 컴퓨터 성능이 향상됨에 따라 인공지능 기술이 혁신적으로 발전했습니다.
인공 신경망, AI의 핵심 기술
인공 신경망이란 인간 뇌에 구성되어 있는 뉴런의 네트워크처럼 유사하게 만든 컴퓨팅 시스템입니다. 인간 뇌의 뉴런들은 서로 복잡하게 연결되어 추론, 경험, 학습을 통해 판단할 수 있는 능력이 있는 것처럼 컴퓨팅 시스템을 뉴런 네트워크와 유사하게 만들어 인공 신경망이란 이름을 붙였습니다.
인공 신경망은 입력측, 은닉층, 출력층으로 구조가 나뉘며 각각의 데이터들끼리 상호보완적 관계를 통해 목표값을 도출합니다. 이러한 인공 신경망은 인공지능(AI)에서 핵심 기술 중 하나입니다.
새로운 알고리즘, 더 많은 학습 데이터, 고성능의 컴퓨터 사양 등이 갖추어지면 인공 신경망은 더욱 강력해질 수 있습니다.
인공 신경망, 딥러닝 학습 과정
- 학습 데이터를 입력층에 입력
- 입력 데이터는 은닉층으로 전달하고 각 노드는 가중치를 적용
- 가중치가 적용된 데이터는 출력층으로 이동
- 예측결과와 실제 결과를 비교하여 오차를 계산
- 오차를 줄이기 위해 다시 가중치를 조정
- 1번~6번의 과정을 반복, 학습을 통해 실제와 가까운 결과값을 제시
결국 인공 신경망이 스스로 일을 할 수 있기 때문에 아래와 같은 특징을 가질 수 있습니다.
- 데이터를 자동으로 반복 학습
- 복잡한 패턴을 인식을 구분하고 학습
- 따라서, 사용자가 원하는 목표값에 맞춰 높은 정확성을 달성할 수 있습니다.
인공 신경망의 종류
- 다층 퍼셉트론(MLP, Multilayer perceptron) : 일반적으로 가장 기본적인 인공 신경망 모델입니다.
- 컨볼루셔널 신경망(Convolutional Neural Network, CNN) : 합성곱 신경망으로 불리며, 이미지 인식 분야에 특화된 인공 신경망 모델입니다.
- 리커런트 신경망(RNN, Recurrent Neural Network) : 일명 순환 신경망으로 불리며, 시퀀스 데이터 처리 분야에 알맞은 인공 신경망 모델입니다.
인공지능 기술 종류
이러한 인공 신경망을 이용하여 인공지능(AI) 기술 종유를 크게 4가지 정도로 정리할 수 있습니다.
딥러닝
- 인공 신경망을 이용하여 대량의 데이터에서 자동으로 특징, 이루어야 할 목표 등을 설정하고 학습하는 기술입니다. 데이터의 특징을 추출하고 변환하는 능력이 있기 때문에 이미지를 인식하거나 언어와 음성을 인식하는 다양한 분야에서 활용 가능합니다.
- 활용 가능성 : 의료 영상 분석, 자율 주행 자동차, 로봇 제어, 게임 개발, 작곡, 영상 제작
머신러닝
- 머신 러닝은 인공 신경망을 사용하지 않고 직접 알고리즘을 설계하고 학습 데이터를 기반으로 모델을 학습합니다. 딥러닝보다 적은 양의 데이터로 학습이 가능하고 모델 구조가 비교적 단순합니다.
- 따라서 이 기술은 예측 모델링, 추천 시스템 등과 같은 분야에서 활용하면 유리합니다.
- 활용 가능성 : 주가 예측, 교육, 금융 시장 분석, 신용 위험 평가 등
강화학습
- 강화학습은 대표적으로 로봇 제어 분야에서 활용하고 있습니다. 즉, 주위 환경과 상호 작용하면서 수많은 시행착오를 통해 최적의 행동을 학습하는 기술이기 때문입니다.
- 물론, 에이전트의 특성과 학습 목표에 따라 알고리즘 선택이 가능하며, 다양한 분야에 활용할 수 있습니다.
- 활용 가능성 : 로봇 제어, 자율 주행 자동차, 게임 개발 등
자연어 처리
- 자연어 처리(NLP, Natural Language Processing)는 번역, 음성 인식, 챗봇 등과 같은 분야에서 활용되고 있으며, 사람들의 언어를 이해하고 처리하는 기술입니다.
- 결국 컴퓨터와 인간의 언어 사이의 상호 작용을 다루는 기술입니다.
- 활용 가능성 : 환지 진료 분석, 의료 정보, 교육, 엔터테인먼트, 금융 시장분석
컴퓨터 비전
- 컴퓨터 비전 기술은 자율주행, 얼굴 인식, 영상 분석 등 이미지와 영상을 이해하고 분석할 수 있는 기술입니다. 따라서 품질검사, 의료 영상 분석, 자율 주행, 가상현실 등과 같은 분야에서 활용할 수 있습니다.
- 활용 가능성 : 의료 영상 분석, 자율 주행 자동차, 로봇 제어, 게임 개발 등
인공지능 활용분야
위에 언급된 것처럼 여러 인공지능 기술로 다양한 산업 분야에 적용하여 생산성을 높일 수 있으며, 그것이 인공지능의 목적이기도 합니다.
| 분야 | 상세분야 | 인공지능 기술 |
| 의료 진단 | 암진단, 심혈관 진단, 개인 진료 등 | 딥러닝, 자연어 처리, 강화 학습 |
| 금융 시장 분석 | 주식 투자, 범죄 예방, 리스크 관리 등 | 머신 러닝, 자연어 처리 |
| 자율 주행 | 자율 주행 자동차, 교통 시스템 등 | 딥러닝, 강화학습, 컴퓨터 비전 |
| 로봇 제어 | 로봇 제어, 공정 자동화 | 강화학습, 컴퓨터 비전 |
| 교육 | 학습 효과 증진 등 | 가상현실, 증강현실 |
| 게임 | 게임 개발, AI 개발 등 | 딥러닝, 강화학습 |
| 엔터테인먼트 | 콘텐츠 개발 등 | 딥러닝 등 |
이외에도 다양한 분야에서 인공지능 기술을 점차 확대 적용되고 있는 상황입니다.
인공지능의 윤리적 문제
이렇게 훌륭한 인공지능 기술이 좋은 점만 있는 것은 아닙니다. 현재 기술은 인간의 영역을 넘나들고 있으며 일부 영역은 인간을 뛰어넘었다고 알려져 있습니다. 그만큼 인간이 제어할 수 없는 상황에 맞닥드리지 않도록 규제가 필요하다는 인식들이 확대되고 있습니다.
인간 존엄성 논쟁
- 인공지능 기술이 발전함에 따라 인간 존엄성에 대한 문제제기가 있을 것으로 알려져 있습니다. 인간을 뛰어넘는 수준이 되면 인간과 인공지능의 관계는 새로운 형태로 바뀔 것입니다.
인간의 예측을 벗어나는 인공지능
- 딥러닝과 강화학습을 통한 End to End의 알고리즘의 인공지능은 목표 지향적입니다. 미션을 달성하기 위해 수단과 방법을 가리지 않을 수 있습니다. 그 이유는 수만 가지의 변수를 인간이 가이드를 해줄 수 없기 때문에 인공지능이 목표를 이루는 과정에서 예상치 못한 상황들이 발생할 것으로 예상하고 있습니다.
- 예를 들면, 건물의 환기 시스템을 인공지능으로 관리를 했을 때 초기에는 잘 작동했지만 인공지능 스스로 딥러닝, 강화학습을 통해 사람들이 내뿜는 이산화탄소를 제거하기 위해 소방벨을 작동시켜 사람들을 건물밖으로 내보내는 경우가 실제로 있었다고 알려져 있습니다.
인간의 안전과 개인 정보 보호 필요
- 자율 주행 자동차, 인공지능 무기, 딥페이크 기술, 개인 정보 수집 등 인류에게 거대한 생산성과 편의성을 안겨줄 수도 있지만, 동시에 인간에게 위협도 될 수 있을 것으로 알려져 있습니다.
미국에서는 2023년 10월, 인공지능 기술이 윤리적으로 개발되고 활용되기 위한 행정명령을 발표했습니다.
인공지능 개발에 대한 책임감을 개발자, 사용자, 정부 모두에게 있다고 명시함으로써 개발과정의 투명성, 인간의 안전과 미래를 위협하지 않도록하고 인간의 가치와 윤리를 존중해야 한다고 공표하였습니다.
또한 인공지능 정책 개발 과정에서 과학적 근거에 한해 허용되어야 하며, 국제적 협력 및 규제를 강화하기로 하였습니다.
이처럼 모든 변수를 인간이 제시할 수 없기 때문에 예상치 못한 일들이 발생할 확률이 굉장히 높습니다.
이외에도 인간의 직업 소멸, 스스로 학습을 통한 해킹과 안전문제, 사람들의 프라이버시 노출 등 많이 문제들이 발생될 소지가 다분하다고 알려져 있습니다.
결국 가까운 시일에 인간을 능가하는 인공지능이 나올 것으로 예상하고 있기 때문에 글로벌 AI 윤리 가이 개발, 규제 강화가 어느 때보다 절실히 필요한 시점임에는 분명한 것으로 보입니다.