인공지능의 유형과 학습법이 궁금해요.
지난 시간에는 인공지능의 개념과 역사에 대하여 알아보았습니다. 현재 우리 일상생활에서도 인공지능이 다양하게 쓰이고 있다고 합니다. 인공지능이라고 하면 영화에서 보는 것처럼 기계가 사람처럼 생각하고 판단하는 것 같은데 아직 우리 생활 속에서는 그런 인공지능은 못 봤거든요. 어떤 인공지능을 의미하는지 궁금합니다. 그리고 기계들이 어떻게 지능을 가질 수 있을지 그 방법은 무엇인지도 궁금해집니다. 오늘은 인공지능의 유형과 학습법에 대하여 알아보도록 하겠습니다.
1. 인공지능의 유형
가. 강한 인공지능(Strong AI)
강한 인공지능이란 다양한 목적을 달성할 수 있는 범용성을 갖고 있는 것을 말합니다. 강한 인공지능을 명확하게 구별하기 위하여 AGI(Artificial General Intelligence)라고 하는 사람들도 있습니다. 이 말은 인간의 뇌와 동등한 기능을 갖는 것을 의미합니다. 또한 감정을 기반으로 한 사고를 목표로 하고 있습니다. 강한 인공지능의 대표적인 예로 영화 터미네이터에 등장하는 스카이넷을 들 수 있습니다. 강한 인공지능은 인공지능을 연구하는 사람들의 최종 모습과 유사하다고 볼 수 있습니다.
나. 약한 인공지능(Weak AI)
약한 인공지능은 한정된 범위에서 능력을 발휘하는 특화형 인공지능을 말합니다. 현재 실현되는 인공지능은 모두 약한 인공지능이라고 볼 수 있습니다. 미리 정해진 범위에서는 뛰어난 능력을 보여주지만 그 이외의 것은 할 수 없기 때문입니다. 예를 들어 알파고는 바둑에서는 최고의 실력을 발휘하지만 그 외에는 할 수 있는 것이 없습니다. 음성 어시스턴트인 시리나 알렉스의 경우 여러 질문에 대답을 하고 쇼핑이나 방의 온도 조절까지 하니 범용성이 높아 보일 수 있지만 이는 음성 인식에 다른 기능을 조합하는 것으로 범위를 넓힌 것이기 때문에 약한 인공지능이라고 볼 수 있습니다.
다. 초인공지능(Super AI)
초인공지능은 모든 면에서 인간의 능력을 뛰어넘는 인공지능입니다. 만약 인공지능이 강한 인공지능 단계로 가면 인공지능이 스스로 개선을 하여 초인공지능 단계로 갈 것으로 예측하고 있습니다. 초인공지능의 한계는 예측 불가능해서 인간은 초인공지능을 이해하기 힘들다고 하니다. 초인공지능이 실현된다면 인류는 초인공지능의 도움을 받아 영생을 누리거나 반대로 멸종될 가능성이 있다고 합니다.
2. 인공지능의 학습법
사실 인공지능 안에 머신러닝이 포함되고 머신러닝 안에 딥러닝이 포함되는 개념입니다. 머신러닝과 딥러닝은 인공지능의 한 분야라고 할 수 있는데요. 알고리즘을 통하여 기계가 학습을 하기에 제목을 인공지능의 학습법이라고 정해보았습니다.
가. 머신러닝(machine learning)
머신러닝은 기계학습이라고도 부릅니다. 경험을 통해 규칙을 학습하는 알고리즘을 연구하는 분야입니다. 규칙을 학습하기 위해서는 방대한 양의 데이터가 필요합니다. 알고리즘을 통해서 데이터를 분석하고 학습하고, 학습한 내용을 통해 결정을 판단하거나 예측할 수 있습니다. 머신러닝은 작업을 한 후 얻은 결과를 스스로 학습해 다음의 작업을 더 정확하게 수행할 수 있습니다. 머신러닝은 총 지도 학습, 비지도 학습, 강화 학습의 3가지가 있습니다. 첫 번째, 지도 학습은 정답이 있는 데이터를 활용해서 학습을 하는 것입니다. 예를 들어 강아지 사진과 고양이 사진을 수천 장 보여주고 강아지인지 고양이인지 알려주는 것입니다. 그럼 컴퓨터가 강아지 패턴과 고양이 패턴을 익힙니다. 그러면 향후에 새로운 강아지 사진과 고양이 사진을 보고 스스로 구별해 낼 수 있게 됩니다. 두 번째, 비지도 학습입니다. 지도 학습과 반대로 정답을 알려주지 않고 기계가 스스로 학습하여 데이터를 분류한 후 패턴을 파악하는 방법입니다. 지도 학습보다 난이도가 있는 학습입니다. 예를 들어 다양한 과일 사진을 주고 색깔은 무엇이고, 모양은 어떠한지에 대하여 분류한 후 바나나다, 사과다 등으로 군집화 하는 것입니다. 마지막으로 강화 학습입니다. 강화 학습은 행동심리학에서 영향을 받은 것으로 능동적으로 다양한 시도를 통해서 성공하면 보상을 주고 아니면 벌을 주는 형식으로 진행됩니다. 어린아이가 걸음마를 배울 때 다양한 시도를 하여 넘어지기도 하고 비틀거리면서 걷는 방법을 익힌 것과 마찬가지라고 보면 됩니다. 또한 자율주행 기능도 강화 학습을 이용해서 만들어집니다. 처음에는 계속 사고를 내지만 수많은 시도를 한 후에 정확하게 주차를 할 수 있게 되는 것이지요.
나. 딥러닝(deep learning)
딥러닝은 머신러닝의 하위 개념으로 인공신경망에서 발전한 형태입니다. 인공신경망(Artificial Neural Network)은 뇌의 뉴런과 비슷한 정보 입출력 계층을 활용한 것입니다. 딥러닝의 딥은 연속된 층(layer)을 의미한다고 보면 되겠습니다. 인공신경망은 여러 뉴런이 서로 연결되어 있는 네트워크이고, 입력층(input layer)과 은닉층(hidden layer), 출력층(output layer)으로 되어 있습니다. 입력층을 통해 학습하고 싶은 데이터를 입력받습니다. 이렇게 입력된 데이터들은 여러 단계의 은닉층을 거치며 처리가 되고 최종 결과가 출력층으로 나오게 됩니다. 이러한 신경망이 3개 이상 중첩한 구조를 깊은 신경망(Deep Neural Network, DNN)이라고 부르고 이를 활용한 것을 특별히 딥러닝이라고 하는 것입니다. 딥러닝의 예로 페이스북(Facebook)의 얼굴 인식, 바이두(Baidu)의 음성 인식, 구글(Google)의 인공지능 화가, 알파고를 들 수 있습니다.
오늘은 인공지능의 종류와 학습법에 대하여 알아보았습니다. 아직 약한 인공지능이 쓰이고 있지만 점점 정교해지는 알고리즘으로 조만간 인공지능의 대혁명이 나오지 않을까 싶습니다. 다음 시간에는 인공지능이 쓰이는 분야에 대하여 알아보겠습니다.
댓글