1. 인공지능이란?
- 사람처럼 사고하는 기계
인공지능이 정말로 사람의 사고력을 지녔는지 판단하는 기준?
- 여러 기준 중 튜링 테스트가 있음 (튜링 테스트는 두 대상 중 어느쪽이 사람이고 어느쪽이 기계인지 알아내는 실험)
🧑💻 튜링
- 기계는 튜링 테스트를 통과하면 사람처럼 생각할 수 있다고 봐야한다
🧑💻 존 설
- 그 질문을 이해하고 사람처럼 생각해서 대답한 것이 아니기 때문에 인간의 사고 작용과 똑같을 수 없다
존 설의 '중국어 방' 사고 실험
- 중국어를 모르는 사람이 중국어로 된 질문지와 중국어로 된 답안지를 제출
- 중국어를 모르지만 어떤 규칙에 따라 어떤 대답을 함
- 밖에서 볼 떄는 안에 있는 사람이 마치 중국어를 다 이해하고 대답한다고 착각
- 즉 기계가 아무리 답을 잘 낸다고 해도 사람처럼 사고한다고 볼 수 없음
사람처럼 생각하는 능력을 갖춘 강인공지능(Strong AI) 라고 부름
강인공지능은 튜링테스트를 통과하는 기계는 약인공지능(Weak AI) 라고 부름
좁은 인공지능은 기계가 좁은, 한 가지 혹은 제한된 영역에 대해 문제를 잘 풀고 지능을 발휘하는 능력을 말함
인공지능이 넓은 영역, 포괄적으로 문제를 풀 수 있는 인공지능은 넓은 인공지능이라고 부름
2. 인공지능은 어떻게 사고하는가?
지각 -> 생각 -> 행동 을 통해 목표에 도달하는 과정과 생각하는 과정은 유사하다
트리 또는 그래프 형태로 표현할 수 있는 생각의 과정
3. 인공지능을 어떻게 만들 것인가?
1. 사람이 아는 지식을 기계에 집어넣어 주는 방법
-> 사람이 아는 지식은 많지 않기 때문에 한계가 있음
2. 사람이 넣어준 데이터를 기계가 학습하여 스스로 지식을 발견하는 방법 = 머신러닝, 딥러닝
-> 많은 량의 데이터를 필요로 한다
3. 기계가 스스로 세상에서 체험하게 하는 방법
-> 실험하며 새로운 지식을 축적하고 새로운 지식을 만들어가는 방법
-> 몸을 갖춘 로봇을 만들고 감가긱관을 넣어 세상을 돌아다니는 방법이나 인터넷 가상의 세계에서 데이터를 크롤링 하는 방법, 검색하는 방식으로 스스로 데이터를 생성하는 등의 방법이 있다
4. 인공지능에게 지식을 어떻게 넣어줄까?
1. 규칙이라는 형태로 지식의 조각들을 기계에 넣어주는 방식 (If - Then)
<지식의 조각>
If - 혈압이 얼마고 기침을 하면
Then - 이 사람이 폐암에 걸릴 확률은 90% 입니다
지식의 조각을 많이 모으면 널리지 베이스 (기본 지식)으로 구축이 됨
데이터베이스가 데이터를 모아놓은 것처럼 널리지 베이스를 모아놓은 것을 지식 베이스라고 말한다
기계에 이런 널리지 베이스를 제공함으로 기계에 사람의 지식을 넣어주는 방법이 가장 많이 쓰이는 방법 중 하나이다
예를 들면 사용자가 음악 틀어줘 라고 한다면
If - 음악 틀어줘 (명령)
Then - 사용자가 좋아했던 음악을 선택 (수행)
2. 의미망(Semantic Network)로 넣어주는 방식
기계는 망 구조 같은 것을 활용한다
예를 들어 코끼리라는 하나의 개념이고 코끼리의 종류, 이름, 크기, 색깔 등 개념을 떠올릴 수 있다
이런 부가적인 것들을 망의 형태로 노드(node)하고, 노드와 코끼리를 연결하는 엣지(edge) 연결선으로 지식을 표현할 수 있다
코끼리는 포유류기도 해서, 포유류는 머리를 가진 동물이라는 개념을 연결지을 수 있다
만약 코끼리 종 중 A 코리끼 종이 있다면, A 코끼리는 머리가 있나요? 라는 질문에 위 노드를 연결지어 있다 고 대답해줄 수 있다
머신러닝, 딥러닝 시대에는 많은 데이터를 기반으로 이런 시맨틱 네트워크를 자동으로 만들 수 있다
3. 사건이 전개되는대로 지식을 넣어주는 방법
로봇이 똑똑하다면 사람들의 행동을 보고 다음 행동을 예측해서 다음 서비스를 제공할 수 있다
스트립트라는 지식 구조를 만들어 기계에 넣어준다. (ex. 웨이터가 올 때까지 기다린다. 안내를 받아서 자리에 앉는다. 밥을 먹는다.)
생활에는 전형적으로 일어나는 일련의 과정들, 사건의 연속이 있고 이걸 지식으로 기계에 집어 넣어주면 어떤 상황이 발생했을 때 다음 상황을 예측할 수 있다
이 방식은 1970~1980년대에 연구를 했었는데 사실 실패했었다. 어떤 식당을 가느냐에 따라 달라질 수 있기 때문에 지식을 기계에 넣어주는 방식은 분명한 한계가 있다
5. 인공지능은 어떻게 학습하는가?
1. 감독 학습
2. 무감독 학습
3. 강화 학습
1. 감독 학습
강아지 사진을 보면 강아지, 고양이 사진을 보면 고양이라고 대답하게 만들고 싶다면
신경망이라는 모델을 만들어서 강아지 사진을 입려해주고 출력을 1, 고양이는 출력을 0 으로 내는 것을 학습 데이터라고 말함
학습 데이터를 모아 학습 알고리즘을 돌리면 신경망 형태의 프로그램으로 지식이 만들어진다
사람은 데이터를 주는 일만 하고 인공지능은 학습을 통해서 스스로 프로그래밍하고 판별한다
감독이라는 것은 입력에 해당하는 대응되는 정답을 가르쳐준 것
2. 무감독 학습
강아지, 고양이 사진을 주고 강아지는 강아지끼리 묶어주고 고양이는 고양이끼리 묶는, 서로 유사한 것으로 묶는 군집화를 해주고 공통적인 특징을 찾아준다. 공통적인 특징에서 지식을 발견하는 일이 무감독 학습이 하는 일
3. 강화 학습
감독 학습이나 무감독 학습은 사진이나 데이터를 주는 순서가 달라져도 결과는 같은데, 강화 학습은 순서가 중요하다
바둑을 예로 들 수 있다. 인공지능 에이전트가 뭔가를 해보고 그 다음에 결과가 좋을 수도 있고 나쁠 수도 있다
시행착오를 하며 점점 더 좋은 방향으로 보상을 많이 받도록 발전하는 것이 강화학습의 특징이다
6. 인공지능은 세상을 어떻게 보는가?
인공지능은 물체를 인식하고 구별해내며 추적해낼 수 있어야한다
자율주행 자동차를 만들려면 시각 능력이 중요한 것처럼 또 다른 형태는 돌아다니며 서비스를 하는 로봇을 생각해볼 수 있다
식당에서 서빙하는 로봇이면 장애물, 사람을 피해야하고 직원을 인지하는 등 인공지능에 지각능력은 아주 중요하다
카메라가 많이 보급되고 많은 데이터가 생기며 인공지능의 시각 능력은 상당히 발전하고 있다
7. 인공지능이 사람의 언어를 이해하는가?
말을 이해하고 분석하는 것은 음성인식이라고 부른다. 글을 분석하기도 하지만 인공지능은 글을 생성하기도 한다
많은 글로 된 데이터로부터 기계가 문장의 형태를 학습해서 인공지능이 기사를 쓰는 등 일을 대신하기도 한다
어떤 키워드를 넣으면 관련 문서를 검색해 다양한 문서에서 어떤 주제를 다루고 있는지 분석해야하고 알맞는 문서를 가져와야한다
출처