(15) 인공지능

<인공지능이란>

• 인공지능의 정의

– 사람의 생각과 관련된 활동 (의사 결정,문제 해결, 학습과 같은 활동 자동화) (벨만, 1978)

– 지능이 요구되는 일을 할 수 있는 기계를 만드는 활동 (커즈와일, 1990)

– 인공물이 지능적인 행위를 하도록 하는 것 (닐슨, 1990)

– 사람이 하면 더 잘할 수 있는 일을 컴퓨터가 할 수 있도록 하는 활동 (리치와 나이트, 1991)

– 지능적인 에이전트를 설계하는 학문 (풀과 맥워쓰, 1998)

– 인지하고 추론하고 행동할 수 있도록 하는 컴퓨팅에 관련된 활동 (윌슨, 1992)

– 인간의 학습 능력과 추론 능력, 지각 능력, 자연 언어의 이해 능력 등을 컴퓨터 프로그램으로 실현한 기술 (두산 동아 백과사전)

 

• 인공지능의 목표

– 인간처럼 만드는 것이 아니라 인간과 유사하게 생각하며 인간의 사고를 뛰어넘는 것이다 (존 메커시, 2006)

 

* 인공지능이란?

• 강한 인공지능

    – 사람과 같은 지능

    – 추론, 문제 해결 판단, 계획, 의사소통, 자아 의식, 감정, 양식, 지혜, 신념 등 인간의 모든 지능적 요소를 포함

• 약한 인공지능

    – 특정 문제를 해결할 수 있는 수준의 지능

    – 인간의 지능적인 행동을 흉내 내는 수준

 

* 인공지능의 연구 분야

<연구 분야 (1)>

– 탐색 (Search)

    • 문제의 답이 될 수 있는 집합을 공간으로 간주하고 이 문제에 대한 최적의 해를 찾기 위해 공간을 체계적으로 찾는 방식

– 지식 표현(Knowledge representation) 

    • 문제를 해결하거나 심층적인 추론하는데 사용할 수 있도록 지식을 효과적으로 표현하는 방법

– 추론(Reasoning, Inference)

    • 가정이나 전체로부터 결론을 이끌어내는 것

 

<연구 분야(2)>

– 학습 (Learning)

    • 경험을 통해 나중에 동일한 문제나 유사한 문제를 더 잘 해결할 수 있도록 시스템의 구조나 파라미터를 바꾸는 것

– 계획 수립 (Planning)

    • 현재 상태에서 목표 상태에 도달하기 위해 수행해야 할 일련의 행동 순서를 찾는 것

 

* 인공지능 응용 분야

<주요 응용 분야(1)>

– 전문가 시스템 (expert system)

    • 특정 문제 영역에 대해 전문가 수준의 해법을 제공

– 데이터 마이닝 (data mining)

    • 컴퓨터 하드 디스크에 저장된 대량의 데이터로부터 차후에 사용할 것 같은 지식을 추출

– 패턴 인식 (pattern recognition)

    • 데이터에 있는 패턴이나 규칙성을 찾는 것

– 자연어 처리 (natural language processing)

    • 사람들이 사용하는 일반 언어로 된 자료를 처리하는 분야

 

<주요응용분야(2)>

– 컴퓨터 비전(computer vision)

    • 컴퓨터를 이용하여 시각 기능을 가지는 장치를 만드는 분야

– 음성 인식(speech recognition)

    • 음성을 입력 받아 문장으로 변환하는 것

– 로보틱스 (robotics)

    • 로봇과 관련된 기술 분야

– 에이전트 (agent)

    • 사용자로부터 위임 받은 일을 자율적으로 수행하는 시스템

 

<인공지능의 역사>

 

 

* 인공지능의역사

• 인공지능의 태동

    – 1960년대 이전

    – 1946년 펜실베니아 대학, ENIAC 개발

    – 큰 기대와 여러가지 시도, 매우 제한된 성공

    – 존 매커시가 AI(Artificial Intelligence) 용어 사용 (1956, 영국다트머스 회의)

    – LISP 언어 개발 (1958, 존매커시) 

    – 논리 기반 지식 표현 및 추론, 존매커시

    – 퍼셉트론(Perceptron) 모델 (1958, 로젠블랏)

         - 초기 신경망

 

– 기호주의 (마빈민스키)

     • 컴퓨터의 작동 방식을 기반으로 AI를 구현하는 논리

     • 논리적으로 설명 가능한 문제를 다룸

– 연결주의 (로젠블랏)

     •인간 뇌의 정보처리 과정을 응용

– 충돌–AI의 암흑기

     • 1969, 마빈민스키, 퍼셉트론, 연결주의 문제점과 오류 지적을 위해, 퍼셉트론의 한계를 수학적으로 증명

– 1984, 럼멜홀드, 존홉필드, 퍼셉트론의 한계 극복

 

– 수단-목표 분석 (means-ends analysis)

   • 해결해야 하는 문제를 상태 (state)로 정의

   • 범용 문제해결을 목표로 한 GPS(General Problem Solver) 개발

   • 현재 상태와 목적 상태 (goal state)간이 차이 계산

   • 목적 상태로 도달하기 위한 조작자 (operator) 선택 적용하는 과정 반복

 

* 인공지능, 전문가 시스템의 성공

– 1970년대에서 1980년대 초반

– 일반적인 방법보다는 특정 문제 영역에 효과적인 방법을 찾는 연구

– 전문가 시스템 (expert system)

    • 특정 영역의 문제에 대해서는 전문가 수준의 해답을 제공

    • 1970년대 초반부터 1980년대 중반 상업적 성공 사례

    • MYCIN, PROSPECTOR, DENDRAL – 전문가 시스템 개발 도구(expert system shell) 개발

– Prolog 언어 개발

    • 지식의 표현과 추론을 지원하는 논리 (logic) 기반 언어

 

* 대표적인 초창기 전문가 시스템

• MYCIN

    – 스탠포드 대학에서 개발한 전염성 혈액 질환 진단

    – 일반 의사보다 높은 정확도

• PROSPECTOR

    – 광물 탐사 데이터 분석

    – SRI의 광맥 탐색 전문가 시스템

• DENDRAL

    – 화학식과 질량 스펙트럼 데이터로부터 유기 화합물의 분자 구조 결정

    – 화학 분석용 전문가 시스템

    – 스탠포드 대학의 Edward Feigenbaum 팀 개발

 

* 인공지능, 신경망의 부활

– 1980년대 중반에서 1990년대

– 신경망 모델 발전

• 다층 퍼셉트론 (Multi-layer Perceptron, MLP): 신경망의 르네상스

• 오차 역전파 (Error Backpropagation) 알고리즘

 

* 1980년대 중반에서 1990년대 (2)

• 퍼지 이론 (Fuzzy theory)

    – 언어적인 애매한 정보를 정량화하여 표현

• 진화 연산

    – 진화 개념을 문제 해결에 도입

    – 유전자 알고리즘, 진화 프로그래밍 등

• 확률적 그래프 모델

    – 그래프 이론과 확률론을 결합

    – 컴퓨터 비전, 로보틱스, 자연어 처리,진단 등에 적용

 

• 2차 인공지능의 겨울

     - 기울기 소실 문제 발생 (vanishing gradient)

     - 인공신경망의 계층이 많아질수록 학습을 위한 가중치가 조절이 되지 않음

 

* 2000년대 이후, 인공지능의 발전

– 에이전트 (Agent)

    • 위임 받은 일을 자율적으로 처리

– 시멘틱 웹(Semantic Web)

    • 컴퓨터가 웹상의 자원을 이해하여 처리

– 머신러닝 (Machine Learning)

– 데이터 마이닝 (Data Mining)

– 딥 러닝(Deep Learning)

– 상업적 성공 사례 다수 출현

    • 애플 Siri, 구글 now, MS Cortana

    • IBM의 Watson

    • 로봇: Boston Dynamic,  군사용로봇: BidDig, 재난 구조 로봇: Atlas

    • 자율주행 자동차

    • 클라우드 앱 서비스