10분전
AI(artificial intelligence)인공지능의 정의과 구현기술 본문
우리나라는 인공지능에 대해서 사실 그리 큰 관심과 투자가 이루어지는 분위기가 아니었습니다. 어떤 계기로 인해서 거의 모든 국민들이 이제는 인공지능에 대해 관심을 가지게 되었습니다. 아시다시피 알파고와 이세돌의 대결이 바로 그것입니다. 대결 전에는 바둑계는 물론이고 대부분의 국민들이 이세돌의 승리를 예측 했습니다. 컴퓨터에 대해서 좀 안다는 사람들 조차도 어색한 움직임과 가끔씩 어이없는 플레이를 하는 컴퓨터를 인공지능이라고 부르고, 인공지능이란 이런것이라 인식하고 있었습니다.
그러나 결과는 사람들의 상식과 전혀 달랐습니다. 이세돌9단이 겨우 완패를 면한 1승만을 했기 때문입니다. 이때부터 대체 인공지능이 뭐길래 경우의 수가 거의 무한에 가깝게 느껴졌던 바둑조차 인간을 뛰어넘은 것인가 궁금해 하기 시작했습니다.
인공지능이란 무엇일까요?
단순히 말뜻으로만 보자면 인간의 지능을 기계나 프로그램이 흉내내는 것, 또는 인공적인 장치들이 가지는 지능입니다. 그러나 인공지능의 정의는 그리 간단하지 않습니다.
인공지능은 범위에 따라서 강인공지능(strong AI)과 약인공지능(weak AI)으로 나뉩니다.
강한 인공지능은 지각력이 있어서 스스로를 인식하는 것입니다. 실제로 인간과 어떤 문제를 사고하고 해결할 수 있는 것입니다. 당연히 강한 인공지능은 아직 개발되지 않았습니다.
약한 인공지능은 목표에 따라서 현재도 많은 성과를 내고 있습니다. 인간과 같은 인지를 가지고 문제를 해결하지는 못하지만, 일정한 규칙과 목표 안에서는 지능을 가진 것 같이 흉내내는 프로그램을 말합니다.
여기에서 애매한 점은 인간의 인지,지각능력을 가진 강한 인공지능과 특정 문제에 특화된 약한 인공지능이 같은 문제를 해결했을 때 그 둘의 기술이 다르다고 볼 수 있는가 하는 부분입니다. 실제로 인간 중에서도 각각의 특정 분야에서 더 두각을 나타내는 사람들 간에 어떤 사람이 더 지능이 높다고 볼 수 없는 철학적인 문제도 있습니다.
인공지능의 구현기술
인공지능의 구현기술은 지식기반 방법론과 데이터기반 방법론이 있습니다. 초기 인공지능에서 시도했던 것은 지식기반 방법이었습니다. 사람의 인식, 추론, 학습과 같은 영역의 짓기을 기호로 표현해서 입력하고 알고리즘으로 처리해서 문제를 지적으로 해결하고자 하는 것입니다. 반면에 기계학습이나 데이터마이닝이라는 이름으로 주목 받고 있는 데이터기반 방법론은 문제의 사례를 데이터로 제공하는 것부터 시작합니다. 그리고 이를 연역적으로 지식을 추출해서 문제를 해결하는 방식입니다. 또한 인지과학이나 뇌신경과학의 범주에서 지식이나 의식의 본질을 탐구하는 시도도 있습니다. 아직 실용적인 활용까지는 길이 멀지만 기기의 발전과 함께 다양한 시도가 가능해지고 있습니다.
현재 실용적으로 활용이 가능한 성공적인 인공지능 기술은 기계학습, 규칙기반 시스템, 탐색기술입니다. 기계학습은 신경망으로도 널리 알려져 있습니다. 앞서 얘기한 문제의 사례로부터 적절한 결과를 도출할 수 있는 방법입니다. 규칙기반 시스템은 전문가 시스템을 구현하는데 핵심적인 방법입니다. 문제해결에 필요한 지식과 규칙을 적절하게 표현하고 추론을 통해 결과를 도출합니다. 이 기술의 단점은 상식 즉, 보편적 지식에 대해서는 처리가 어렵다는 점입니다. 탐색기술은 알파고 인공지능을 구성하는 기본구조이기도 합니다. 문제를 해결 공간상에 표현하여 초기점에서 해답을 찾아가는 방식입니다. 이 기술은 복잡한 변수가 포함된 문제에서 의사결정을 하는 일반적인 문제에 적용될 수 있습니다. 관건은 방대한 공간에서 불필요한 탐색을 최소화하여 시간을 단축하여 해답을 찾아내는 것입니다.