들어가기전 잠깐
OpenAi에서 새로운 모델 Dell-E 2이 나타났다
Dell-E 2는 글을 입력하면 그것에 맞는 그림을 그려 제공해 준다
AI는 이제 창작 활동을 해줄 수 있는 수준까지 되었다
인공지능이란 무엇인지 용어의 탄생부터 차근차근 배워 볼 것이다
인공지능이 어렵다면 그 이유에는 지능이라는 부분 때문인 것 같은데
인간의 지능을 한가지로 정의하기 어렵기 때문이다
그래서 미국의 심리학자가 사람의 지능은 서로 독립적인 여러 능력으로 구성된다는 다중지능이론을 제안하였다
"지능은 학습하고 판단하는 능력이다"
즉, 인공지능은 학습하고 판단할수 있는 능력을 갖춘 컴퓨터 이다
인공지능의 탄생
인공지능의 시작은 영국의 과학자인 앨런 튜닝의 "기계도 생각할수 있을까?" (Can machines think?)라는 질문이였다
이 질문을 테스트 하기 위해 선택한 테스트는 '컴퓨터가 얼마나 사람과 비슷하게 대화할 수 있는지 측정하는 시험'(튜링테스트)이 였다
튜링테스트 방법
- 사람과 컴퓨터가 대화를 하도록 한다
- 이때 만약 사람이 자기가 대화하는 상대가 컴퓨터인지 몰랐다면 테스트는 통과인 것이다
인공지능의 발전
튜링테스트는 오늘날의 인공지능의 바탕이 되었다
전에는 컴퓨터는 사람이 시키는 명령만 따른다고 생각했지만, 튜링테스트 이후엔 컴퓨터고 스스로 무언가를 할수 있다고 생각하게 되었다
그래서 심리학 철학 논리학같은 여러 학문에서도 관심을 가지게 되었고 인공지능이라는 이름을 가지게 되었다
그래서 인간처럼 생각하는 기계를 제작하기 위해 모인 회의에서 참여한 과학자 허버트 사이먼이
"앞으로 20년 안에 기계는 사람이 할수 있는 일은 무엇이든 할수 있게 될 것"
이라고 말했다 한다
퍼셉트론 (Perceptron)
뉴런의 특징
- 신호들이 도착하면, 그 신호들이 합쳐진다
- 그 합이 특정 임계값 또는 역치를 넘는 경우에만 연결되어 뉴런으로 신호를 전달한다
미국의 신경생물학자인 프랭크 로젠블랫이라는 사람이 뉴런 신호의 메카니즘을 본떠 수학적 모델을 만들었다
이를 퍼셉트론 이라고 한다
퍼셉트론은 인간에 의한 훈련, 조종 없이 주변을 감지 인식 분별하는 능력을 가지고 시간이 지나 경험이 쌓일 수록 더 지혜로워지는(정확도가 높아지는) 특성을 가진다
이를 가지고 다양한 분야에서 활용되고 있다
예를 들어 컴퓨터가 사람과 대화하기 위해선 사람의 언어를 알아야하는데 사람들이 일상적으로 사용하는 언어(자언어)를 처리하는 연구가 활발하게 진행되었다
- 사람과 대화할 수 있는 챗봇 "엘리자"
- But : 미리 준비된 답변만 제데로 하기에 인기도는 낮았다 (지유로운 대화 X)
인공지능의 겨울(암흑기)
하지만 점점 인공지능의 열망이 점점 주춤해지기 시작했는데
당시에는 극복하기 힘든 한계점이 존재했기 때문이다
한계점
- 당시 컴퓨터 기술 수준으로 유용한 결과가 나오기 어렵다
- 메모리의 한계
- 인공지능의 기술을 가지고 현실의 문제를 풀기 어려움( 컴퓨팅 파워가 너무 약해서 오래 걸림)
위 한계점들 때문에 인공지능의 미래는 어둡게 전망되고 지원이 점점 끊겨 연구 프로젝트가 취소 되었다
이 시기를 "인공지능의 겨울" 이라고 한다
전문가 시스템
퍼셉트론이 풀지 목했던 부분을 다중 구조의 퍼셉트론과 역전파 알고리증의 개념으로 극복하게 되었고
전문가시스템이라는 개념으로 인공지능의 큰 기대를 가져왔다
전문가시스템이란?
- 실생활의 문제를 해결하려는 목적
- 전문가의 지식을 컴퓨터에게 가르치고 그 지식을 컴퓨터가 사용하여 추론하도록 하는 것이다
즉, 컴퓨터가전문가의 의사결정을 모방하도록 한다
하지만 인간의 지식체계는 생각보다 복잡했고 전문가시스템의 한계가 드러나면서 망하기 시작했다
인공지능 에이전트
인공지능의 발전은 계속됬고
뚜렷하고 현실적인 목표를 세워 인공지능을 만들기 시작했다
( 특정 분야나 구체적인 문제로 한정 시켜 인간을 휸내내는 인공지능 )
더불어 사람이 정한 명령이 아닌 특정한 상황에서 독자적인 행동이나 판단이 가능한 "에이전트 개념"을 인공지능에 적용했다
에이전트 개념을 탑재한 인공지능
- 주어진 환경을 인지하고 상호작용한다
- 이를 통해 목적을 이룰수 있다
- 사람이 다양한 환경을 파악해서 어떤 행동을 할지 판단하는 것과 비슷하다
