"인공지능과 함께하기 위해 알아두어야 할 이야기"
인공지능이라고 하면 먼 미래의 이야기라고 생각했었지만 어느새 우리의 삶에 녹아들어오고 있다. 인공지능은 어떤 역사를 가지고 있으며, 어떠한 역할을 하는지 알아보자.
인공지능에 대한 이론
인공지능(AI)은 인간을 포함한 동물들이 보여주는 자연지능과는 대조적으로 기계가 보여주는 지능입니다. 주요 AI 교과서는 이 분야를 '지적 에이전트'의 연구라고 정의하고 있습니다. 그것은 그 환경을 인색해 목표를 달성할 가능성을 최대한으로 높이는 행동을 취하는 시스템입니다. '학습'이나 '문제해결' 등 인간이 인간의 마음에 관련짓는 '인지적' 기능을 모방하는 기계를 나타내기 위해 '인공지능'이라는 용어를 사용하는 일반적인 설도 있지만, 이 정의는 주요 AI 연구자에 의해 거부당하고 있습니다. AI 애플리케이션에는 고급 웹 검색엔진(Google 등), 권장시스템(YouTube, 아마존, 넷플릭스에서 사용), 인간 스피치이해(Siri, Alexa 등). 자율주행자동차(Tesla 등), 자동의사결정, 전략게임시스템(체즈, 바둑 등)의 최고 수준의 경쟁 등이 있습니다. 기계의 능력이 높아짐에 따라 AI 정의에서 "인텔리전스"를 필요로 하는 태스크가 삭제되는 경우가 종종 있습니다. AI효과라고 불리는 현상입니다. 예를 들어, 광학문자 인식은 AI로 간주되는 것에서 제외되는 경우가 많아 일상적인 기술이 되고 있습니다. 인공지능은 1956년 학술분야로 설립되었으며 이후 낙관적인 물결이 여러 차례 일어났고 실망과 자금손실('AI 윈터'로 알려져있음)이 이어지면서 새로운 접근방식, 성공 및 새로운 자금제공이 이어지고 있습니다. AI 연구는 설립 이래 뇌 시물레이션, 인간 문제해결 모델링, 형식논리, 지식의 대규모 데이터베이스, 동물 행동 모방 등 다양한 접근법을 시도해 왔습니다. 21세기의 첫 수십 년간 고도의 수학적 통계 머신 러닝이 이 분야를 지배하였으며, 이 기법은 매우 성공을 거두어 업계 및 학계 전체에서 많은 어려움을 해결하는데 도움을 주었습니다. AI 연구의 다양한 서브필드는 특정 목표와 특정 도구의 사용을 중심으로 합니다. AI 연구의 기존 목표에는 추론을 하는것과 지식을 표현할 수 있는 것, 계획을 세울 수 있는 것, 학습이 되는 것, 자연적으로 언어 처리가 가능한지, 지각 및 객체의 이동과 조작 능력이 포함됩니다. 일반적인 인텔리젼스(임의의 문제를 해결하는 능력)는, 이분야의 장기적인 목표의 하나입니다. 이러한 문제들을 해결하기 위해, AI 연구자들은 검색과 수학적 최적화, 형식 논리학, 인공 신경망, 통계, 확률, 경제학에 근거하는 방법 등 폭넓은 문제 해결 기술을 적응 및 통합해 왔습니다. AI는 컴퓨터 과학, 심리학, 언어학, 철학, 그 외 많은 분야에도 의존하고 있습니다. 이 분야는 인간의 지능이 [기계가 시뮬레이션 할 수 있을 정도로 정확하게 기술할 수 있다]라는 전제 하에 설립되었습니다. 이것은 인간과 같은 지성을 가진 인공생명을 창조하는 정신과 윤리에 대해 철학적인 논의를 불러일으킵니다. 이러한 문제들은 고대부터 신화, 픽션, 철학으로 탐구해 왔습니다. SF와 미래학은 또한 그 거대한 가능성과 힘으로 인해 AI가 인류에게 존재만으로도 위협적인 존재가 될 수 있다는 것을 말해주고 있습니다.
인공지능의 역사
인공지능을 가진 인공생명체는 고대에는 스토리텔링의 도구로 등장했으며 메리 셸리의 프랑켄슈타인이나 카렐 차펙의 R.U.R.과 같이 픽션에서는 읿나적이었습니다. 이들 등장인물과 운명은 인공지능의 윤리학에서 논란이 되고 있는 많은 문제를 야기시켰습니다. 기계적 또는 '형식적' 추론 연구는 고대 철학자들과 수학자들로부터 시작되었습니다. 수학적 논리학 연구는 앨런 튜링의 계산이론과 직접 결합되었고 기계는 0과 1처럼 단순한 기호들을 셔플함으로써 생각할 수 있는 모든 수학적 추론행위를 시뮬레이터할 수 있음을 시사했습니다. 디지털 컴퓨터가 형식적인 추론의 모든 과정을 시뮬레이트할 수 있다는 통찰은 Church-Turing 논문이라고 불립니다. 처치튜링 논문은 신경생물학, 정보이론, 사이버네틱스의 동시 발견과 함께 연구자들은 전자뇌를 구축할 가능성을 검토하게 되었습니다. 현재 일반적으로 AI로 인식되고 있는 최초의 연구는 McCullouch and Pitts의 1943년 튜링 완전체인 '인공뉴런'의 정식 설계였습니다. 1950년대 중반에 디지털 컴퓨터에 접근이 가능해지자 AI 연구는 심볼릭 AI 또는 GOFAI로 알려진 단계적 상징 조작으로 인간의 지능이 저하될 가능성을 찾게 되었습니다. 사이버네틱스 또는 인공신경망에 기초한 접근은 포기되거나 배경에 처해졌습니다. AI 연구 분야는 1956년 다트머스 칼리지 워크숍에서 탄생했습니다. 참가자는 AI 연구의 창시자 및 리더가 되었습니다. 이들과 학생들은 보도진이 놀랍다고 표현하는 프로그램을 제작했습니다. 컴퓨터는 체커전략 학습, 대수학 단어문제 해결, 논리정리 증명, 영어 말하기 였습니다. 1960년대 중반까지 미국에서의 연구는 국방부의 많은 자금 지원을 받아 전 세계에 연구소가 설립되었습니다. 1960년대와 1970년대의 연구자들은 상징적인 접근 방식이 최종적으로 인공 일반 지능을 가진 머신을 만드는 데 성공할 것이라고 확신했고, 이를 자신들의 분야의 목표로 여겼습니다. 허버트 사이먼은 "기계는 인간이 할 수 있는 일들을 20년 안에 할 수 있게 될 것이다"라고 예언했습니다. 머빈 민스키씨는 동의하며 이렇게 씁니다. "한 세대에 상업 지능을 창출하는 문제는 실질적으로는 해결될것입니다.". 나머지 작업의 일부 난이도를 인식하지 못했습니다. 진전은 더뎌졌고 1974년 더욱 더 생산적인 프로젝트에 자금을 사용하라는 라이트힐 경의 비판과 미국 의회의 지속적인 압력을 받아 미국과 영국 정부는 AI 탐사 연구를 중단했습니다. 향후 수년간은 [AI겨울]이라고 불리며, AI프로젝트의 자금 조달이 곤란한 시기였습니다. 1980년대 초반 AI 연구는 전문가들의 지식과 분석 스킬을 시뮬레이트한 AI 프로그램의 일종인 엑스퍼트 시스템의 상업적 성공으로 부활했습니다. 1985년까지 AI 시장은 10억달러 이상에 달했습니다. 일본에서 진행 되었던 5세대 컴퓨터를 만드는 프로젝트는 미국, 영국에 학술을 연구하기 위한 자금을 회복시키는 계기가 되었습니다. 하지만 1987년 리스프머신 시장이 붕괴되면서 AI는 다시 불평에 빠졌고 더 오래 지속되는 겨울이 시작되었습니다. 많은 연구자들은 상징적 접근이 인간의 인식, 특히 지각, 로봇공학, 학습, 패턴인식의 모든 과정을 모방할 수 있는지 의문을 갖기 시작했습니다. 특정한 AI의 문제가 있다고 많은 연구하는 사람들이 꼽은 '서브 심볼적' 접근 방식을 검토하기 시작했습니다. 로드니 브룩스 같은 로봇공학 연구자들은 상징적인 AI를 거부하고 로봇이 움직이고 살아남아 환경을 학습할 수 있도록 하는 기본적인 엔지니어링 문제에 초점을 맞췄습니다. 1980년대 중반 제프리 힌튼, 데이비트 드멜하트 등에 의해 뉴럴 네트워크와 접속주의에 대한 관심이 부활되었습니다. 소프트컴퓨팅툴은 80년대에 개발되었습니다. 뉴럴 네트워크, 퍼지 시스템, 그레이 시스템 이론, 진화 계산 및 통계 및 수학적 최적화로부터 도출된 많은 도구들입니다. AI는 1990년대 후반부터 21세기 초에 걸쳐 특정 문제에 대한 구체적인 해결책을 찾음으로써 서서히 평판을 회복했습니다. 초점이 좁혀지고 있기 때문에, 연구자는 검증 가능한 결과를 낳아 보다 수학적인 방법을 활용해 다른 분야(통계, 경제학, 수학 등)와 협력할 수 있었습니다. 2000년까지 AI 연구자들에 의해 개발된 솔루션은 널리 사용되었지만 1990년대에는 '인공지능'이라 불리는 경우는 거의 없었습니다. 컴퓨터 고속화, 알고리즘 개선 및 대량의 데이터 접근으로 머신러닝과 인식 진보가 가능해졌습니다. 데이터량이 많은 딥러닝 방법은 2012년경부터 정밀도 벤치마크를 지배하기 시작했습니다. 블룸버그의 잭 클라크씨에 따르면 2015년은 인공지능의 획기적인 해였습니다. 구글안에서 AI를 소프트웨어 안에 사용하고 있는 수는 2012년의 [스프레딕 사용]으로 부터 2,700이상의 프로젝트로 증가했습니다. 그는 클라우드 컴퓨팅 인프라스트럭처의 증가와 조사 도구와 데이터 셋의 증가로 저렴한 가격의 뉴럴 네트워크가 증가한 것에 기인한다고 생각하고 있습니다. 2017년의 조사에서는 5사 중 1사가 '일부 서비스 또는 프로세스에 AI를 포함했다'고 보고했습니다. 2015년부터 2019년 사이에 AI에 대한 조사향(출판물 총 수로 측정)은 50% 증가했습니다. 많은 학술연구자들이 AI가 더 이상 다용도로 완전히 인텔리전트한 머신을 만든다는 본래의 목표를 추구하지 못하고 있음을 우려하게 되었습니다. 현재 연구의 대부분은 통계 AI와 관련되어 있습니다. 통계 AI는 딥러닝 등 성공 사례가 높은 기술조차도 특정 문제를 해결하기 위해 압도적으로 사용되고 있습니다. 이러한 염려로부터, 2010년대까지 몇개의 충분한 자금을 가지는 기관을 가지는 서브 필드 인공 범용 지능(AGI)이 태어났습니다.