인공지능(AI)

인공지능(AI)

 

인공 지능(AI)은 학습, 문제 해결, 패턴 인식 등과 같이 주로 인간 지능과 연결된 인지 문제를 해결하는 데 주력하는 컴퓨터 공학 분야입니다. 보통 "AI"로 줄여서 부르는 인공 지능은 로봇 공학이나 미래의 모습을 내포하고 있을 수도 있지만, AI는 공상 과학 소설에 나오는 작은 로봇을 넘어 첨단 컴퓨터 공학의 현실이 되고 있습니다.

 

이 분야의 저명한 과학자인 Pedro Domingos 교수는 논리와 철학에 기원을 둔 상징주의자, 신경 과학에서 유래한 연결주의자, 진화 생물학과 관련된 진화론자, 통계와 개연성을 다루는 베이지안, 그리고 심리학에 기반을 둔 유추론자로 구성된 기계 학습의 "5가지 집단"을 설명합니다. 최근에 통계 컴퓨팅 효율성이 개선되면서 베이지안이 "기계 학습"이라는 분야에서 몇 가지 영역을 성공적으로 발전시킬 수 있게 되었습니다. 이와 마찬가지로 네트워크 컴퓨팅이 발전하면서 연결주의자도 "딥 러닝"이라는 이름으로 하위 분야를 더욱 발전시킬 수 있게 되었습니다. 기계 학습(ML)과 딥 러닝(DL)은 모두 인공 지능 분야에서 파생된 컴퓨터 과학 분야입니다.

 

이러한 기법은 크게 "감독된" 학습 기법과 "감독되지 않은" 학습 기법으로 나뉘며, "감독된"은 원하는 출력값이 포함된 교육 데이터를 사용하고 "감독되지 않은"은 원하는 출력값을 제외한 교육 데이터를 사용합니다.

 

 

인공지능(AI)과의 공존

 

지금은 인공지능(AI)이 인간의 역할을 대신하는 것이 아니라 인공지능(AI) 알고리즘은 인간과는 다른 방식으로 학습하기 때문에 대상을 보는 시각도 다릅니다. 이에 인간이 놓치고 있는 데이터 간의 관계와 패턴을 포착할 수 있습니다. 인간과 인공지능(AI)과의 이러한 동반자 관계는 많은 기회를 제공하는데, 그 예는 다음과 같습니다.

 

1.현재 분석 기술을 제대로 이용하지 못하고 있는 산업과 분야에 분석 기술을 도입합니다.

 

2.컴퓨터 비전과 시계열 분석 같은 기존 분석 기술의 성능을 더욱 높입니다.

 

3.언어와 번역의 장벽을 포함해 경제적 장벽을 허뭅니다.

 

4.인간이 가진 기존의 능력을 확장하고 과제 수행 능력을 개선합니다.

 

5.인간의 비전, 이해력, 기억력 등 인간의 다양한 능력을 개선합니다.

 

인공지능(AI)이 중요한 이유

 

 인공지능(AI)은 반복적 학습과 데이터를 인사이트 통한 발견을 자동화합니다. 인공지능(AI)은 하드웨어에 기반을 둔 로봇 자동화와는 다른 개념으로, 수작업을 자동화 하는것을 넘어서서 반복적인 대량의 전산 작업을 간단하게 수행합니다. 이러한 유형의 자동화를 위해서는 지속적으로 시스템 설정하고 올바른 질문을 전달하는 인력의 노력이 필요합니다.

 

인공지능(AI)은 기존 제품에 지능을 더합니다. 인공지능(AI)이 개별 애플리케이션으로 판매되는 경우는 거의 없을 것입니다. 대신 Siri가 Apple의 신제품에 새로운 기능으로 추가된 것처럼 이미 사용 중인 제품에 인공지능(AI) 기능을 탑재해 제품 개선이 이루어질 것입니다. 자동화, 대화 플랫폼, 봇, 스마트 머신이 대량의 데이터와 결합되면서 보안 인텔리전스와 투자 분석 등 직장과 가정에서 이용하는 많은 기술들을 개선할 수 있습니다.

 

인공지능(AI)은 점진적인 학습 알고리즘을 통해 스스로를 개선하고 데이터가 프로그래밍을 수행하도록 지원합니다. 인공지능(AI)은 데이터의 구조와 규칙성을 찾아내고 알고리즘이 이를 학습하도록 지원하여 알고리즘을 분류 도구 호는 조건자로 만듭니다. 이러한 알고리즘은 체스를 두는 방법을 스스로 학습할 수 있는 것과 마찬가지로 사용자의 온라인 구매 제품 추천을 찾아낼 수 있습니다. 또한, 새로운 데이터가 입력됨에 따라 학습하고 그 성능이 개선됩니다. 역전파는 첫 번째 대답이 적절하지 않은 경우 새로운 학습과 추가 데이터 분석을 통해 모델이 스스로 개선할 수 있는 인공지능(AI) 기법입니다.

 

인공지능(AI)은 보다 많은 데이터를 깊이 있게 분석하기 위해 숨겨진 다양한 레이어를 가진 신경망을 활용합니다. 몇 년 전만해도 다섯 개의 숨겨진 레이어를 가진 사기 감지 시스템을 개발하는 일은 불가능에 가까웠지만 이제는 엄청난 컴퓨팅 파워와 빅데이터 덕분에 가능해졌습니다. 딥러닝 모델은 데이터를 이용해 직접 학습하기 때문에 많은 양의 데이터가 필요한데, 입력하는 데이터가 많을수록 정확도가 더욱 높아집니다.

 

인공지능(AI)은 이전에는 불가능했던 딥 신경망 분석을 통해 놀랍도록 향상된 정확도를 제공합니다. 예를 들어 Alexa, Google Search, Google Photos와 사용자의 인터랙션은 모두 딥러닝 기술을 활용하고 있으며, 더 많은 사용자들이 이러한 서비스를 이용할 수록 더 높은 정확도로 원하는 결과를 획득할 수 있습니다. 의료 분야에서는 딥러닝, 이미지 분류, 개체 인식 등 인공지능(AI) 기술들을 MRI 이미지 분석을 활용하고 있으며 숙련된 방사선 기술자 만큼이나 정확한 결과를 얻고 있습니다

 

 

인공지능(AI)의 활용 방안

 

 

모든 업계에서 인공지능(AI)의 적용과 활용을 요구하고 있습니다. 특히 다음과 같은 산업에서 효율적으로 인공지능(AI)을 활용할 수 있습니다.

 

헬스케어

맞춤 의료와 X-ray 판독에 인공지능(AI) 어플리케이션을 활용할 수 있습니다. 그 예로 개인 건강 관리 도우미는 약 먹을 시간을 알려주고 운동이나 건강한 식습관 유지를 지원하는 ‘생활 지도사’의 역할을 할 수 있습니다.

 

소매

인공지능(AI)은 상품을 추천하고 소비자의 구매 결정을 도와주는 가상 쇼핑 기능을 제공하며 재고 관리 시스템과 사이트 레이아웃 역시 인공지능(AI) 기술 적용으로 개선할 수 있습니다.

 

Manufacturing

AI can analyze factory IoT data as it streams from connected equipment to forecast expected load and demand using recurrent networks, a specific type of deep learning network used with sequence data.   

제조

인공지능(AI)은 연결된 장비들이 주고받는 공장 IoT 데이터를 분석하고 딥러닝 네트워크의 일종인 반복 네트워크를 활용하여 작업량과 수요를 예측할 수 있습니다.

 

Banking

Artificial Intelligence enhances the speed, precision and effectiveness of human efforts. In financial institutions, AI techniques can be used to identify which transactions are likely to be fraudulent, adopt fast and accurate credit scoring, as well as automate manually intense data management tasks.

 

스포츠

인공지능(AI)은 경기 이미지를 캡쳐하고 필드 위치와 전략 최적화를 포함해 경기를 보다 효과적으로 계획하는 방법을 알려주는 보고서를 제공하는 등 다양한 코치의 역할을 수행합니다.