인공지능이 무엇인가?

호모 사피엔스: 현명한 사람

-> 현 인류에게 지능(Intelligence)가 중요하기 때문이다.

 

인공지능이라는 분야는 지능적인 실체를 구축(Build)하려고 한다.

 

인공지능

튜링 검사 접근방식

앤런 튜링이 제안한 튜링 검사

-> 지능의 만족스러운 실천적 정의를 제공하기 위해 고안

 

튜링 검사 통과를 위한 능력

• 자연어 처리: 언어를 이용한 성공적인 의사소통
• 지식 표현: 알고 있는 또는 들은 것을 저장
• 자동 추론: 저장된 정보를 이용해서 질문에 답하고 새로운 결론을 도출
• 기계 학습: 새로운 상황에 적응하고 패턴들을 외삽한다.

-> 외삽: 기존의 데이터를 가지고 새로운 데이터를 예측한다.

 

완전 튜링 검사를 위한 능력

• 컴퓨터 시각: 물체를 인식
• 로봇공학: 물체를 조작하고 이동

튜링 테스트는 그 후 60 년이나 유효성을 유지한 검사 방법을 고안했다는 점에서 언급할 가치가 있다

지능에 깔린 원리를 연구하는 것이 더 중요하다.

 

인간적 사고

인지 모형화 접근방식

어떤 프로그램이 사람처럼 생각하는지를 판정하려면 , 사람이 어떤 식으로 생각하는지 알아내는 방법이 필요

• 연구자가 스스로의 사고를 파악하는 방법
• 실제 인간을 대상으로 한 심리학 실험
• 뇌 영상 촬영을 통해 뇌를 관찰

-> 이론을 컴퓨터 프로그램으로 표현

 

합리적 사고

사고의 법칙 접근방식

삼단논법: 옳은 전제가 주어진다면 항상 옳은 결론을 내는 논증 구조를 위한 패턴이다.

논리적(Logic): 사고의 법칙들이 정신의 작동을 관장한다고 간주한 학자들의 연구

 

1965년 논리학 표기법으로 그 어떤 문제도 원척적으로 풀 수 있는 프로그램이 만들어졌다.

 

이러한 접근방식은 비형식적 지식을 논리 표기법에 필요한 형식적 용어로 표현하기 쉽지 않다. 특히 , 해당 지식이
100% 확실한 것이 아닌 경우 더욱 그렇다.

합리적 에이전트 접근방식

에이전트(Agent): 뭔가 수행하는 어떤 것이다

컴퓨터 에이전트: 자율적으로 작동하고 , 자신의환경을 인지하고 , 장기간 행동을 유지하고 , 변화에 적응하고 , 목표를 만들고 추구해야 한다

-> 컴퓨터 에이전트에는 조금 더 많은 것이 요구된다

합리적 에이전트: 에이전트는 최상의 결과 (불확실성이 존재할 경우에는 기대할 수 있는 최상의 결과)를 내
도록 행동하는 에이전트다

 

• 정확한 추론을 강조한다. 종종 정확한 추론은 합리적 에이전트의 일부이다.
• 하지만 정확한 추론인 합리성의 전부는 아니다

인공지능의 태동기(1943 1955)

최초의 연구 결과

mcCulloch 및 Pitts(1943) 의 인공 뉴런 모형

-> 각 뉴런은 켜져 ” 있거나 꺼져 ” 있는 스위치로 특징지어지는데 , 각 스위치는 이웃 뉴런으로부터 자극을 충분한 횟
수로 받으면 켜짐 ’ 상태가 된다

1950년에 최초의 신경망 컴퓨터이 만들어 졌다.

 

앨런 튜링은 1950 년 논문 “Computing machinery and Intelligence" 에서 설득력 있는 의제(Agenda) 를 명확히 표현했다.

-> 논문에서는 튜링 기계 , 기계학습 , 유전알고리즘 , 강화 학습을 소개

 

인공지능의 탄생 (1956)

1956년 여름에 다트머스에서 두 달짜리 워크숍을 조직

 

제한적인 성공(1952-1969)

그러나

현실(1966-1973)

• 첫번째 어려움은 초기 프로그램들이 자신의 주제에 대해 아는 것이 없었다는 점에서 비롯되었다
• 두번째 어려움은 인공지능이 풀고자 하는 여러 문제의 처리 불가능성이다
• 세번째 어려움은 지능적 행동으로 생성하는 데 쓰인 기본 구조들의 몇 가지 근본적인 한계 때문에 발생한 것이었
  다

지식 기반 시스템 : 위력의 관건 (1969-1979)

기초적인 기초적인 추론 단계들을 연결해서 완전한 해를 찾아내려 하는 범용 검색 메커니즘

 

약한 방법은 범용적이긴 하지만 더 큰 또는 어려운 문제 사례들로 규모를 확장하기 어려움

 

어려운 문제를 처리할 수 있도록 좀 더 강력한 특정 영역에 국한된 지식을 활용할 수 있지만 흔히 하는 말로 , 어려운 문제를 풀려면 그 답을 이미 거의 알고 있어야 함

전문가 시스템: Mycin

• 일부 전문의 만큼이나 훌륭한 그리고 풋내기 의사들보다는 훨씬 나은 진단
• 연구자들은 전무가들과의 방대한 인터부를 통해서 규칙들을 도출

지능적 에이전트의 등장 (1995-현재)

온전한 에이전트(Whole agent) 문제를 다시 살펴보게 된다

 

지능적 에이전트의 중요한 환경이 인터넷이다.

 

격리되어 있던 인공지능 하위 분야들의 연구 성과를 함께 묶을 때 그런 분야들을 어느 정도 재조직화해야 함을 깨닫게 되었다

 

환경에 대한 완벽하게 믿을 만한 정보를 제공하지는 못한다. 따라서 , 추론과 계획 수립 시스템은 반드시 불확실성을 처리할 수 있어야 한다.

 

거대규모 자료 집합의 활용 가능성 (2001-현재)

60년의 컴퓨터 과학 역사에서 주된 연구는 알고리즘이다.

 

최근에는 알고리즘을 까다롭게 선택하는 것보다는그 자료 자체에 신경을 쓰는 것이 더 합당하다.

 

단어 의미 중의성 제거 문제

 

1 억 개의 단어들로 이루어진 이름표 없는 훈련 자료와 평범한 알고리즘의 성능이 백만 단어와 알려진 최선의 알고리즘의 성능을 능가한다.

 

현재

로봇 차량, 음성인식, 자율적  계획 및 일정 수립이 있다