IT 정보

AI 간단 정리

개요

AI와 머신러닝, 딥러닝... 이름들만 들어봤지 자세히 뭐가 뭔지 모르고 지나쳤는데요. 이 참에 정리해 볼 생각입니다.

앞에선 인공지능과 각종 개념들의 정리를, 뒤에선 사회적 이슈에 대해서 다뤄볼 생각입니다.

우선 간단하게 살펴보자면 각각은 다음과 같습니다.

인공지능 (A.I , Artificial Intellgence)

인공지능(A.I)란 사람처럼 학습능력, 추론능력, 지각능력이 필요한 작업을 할 수 있는 컴퓨터 시스템을 만드는 기술입니다.

쉽게 말해, 인간의 지능을 기계에 인공적으로 구현하려는 기술이라고 볼 수 있습니다.

🚀 인공지능의 단계

인공지능은 세 가지 단계로 분류할 수 있습니다.

첫 번째 단계는 약인공지능(Artificail Narrow Intelligence, ANI)으로 유용한 도구로써 설계된, 특정 분야(특정한 조건)에서만 활용 가능한 인공지능을 뜻합니다. 구글의 알파고, 오픈 AI의 ChatGPT 등이 이에 해당되며 현존하는 대부분의 AI가 이에 해당된다고 볼 수 있습니다.

두 번째 단계는 강인공지능(Aritificail General Intelligence, AGI)으로 모든 상황에서 활용 가능한, 스스로 학습과 행동이 가능한, 인간을 완벽하게 모방한 인공지능을 뜻합니다. 영화의 사례지만 아이언맨의 자비스, Her의 사만다 등이 이에 해당되며 현실에서 개발하려고 노력하는 인공지능이 바로 이 강인공지능입니다.

세 번째 단계는 초인공지능(Artificial Super Intelligence , ASI)으로 모든 영역에서 인간을 뛰어넘는, 자아를 가진 인공지능을 의미합니다. 어벤저스의 비전, 터미네이터의 스카이넷이 이에 해당된다고 볼 수 있습니다.

🌓 인공지능의 장단점

장점 몇 가지를 소개하면 다음과 같습니다.

대량의 데이터를 신속 정확하게 처리 가능
반복적인 작업을 자동화할 수 있음
인간의 주관이나 감정에 영향을 받지 않아 일관성 있고 정확한 결정을 내릴 수 있음
신속하게 응답할 수 있음

단점 몇가지는 다음과 같습니다.

학습에 많은 데이터가 필요하며, 데이터 품질에 따라 성능이 좌지우지된다.
제한을 두지 않으면, 개인 정보나 저작권 있는 자료들을 학습하고 무분별하게 사용될 수 있다.
복잡하고 예측하기 어려운 문제에 대해서 오류가 발생할 수 있다.
인간을 대체하면서 일자리가 줄어들 위험이 있다.
인공지능의 결정에 대한 윤리적 문제가 존재한다.(자율주행차량의 트롤리 딜레마 등)

머신러닝 (Machine Learning)

AI와 함께 자주 이야기가 되는 것이 바로 머신러닝입니다.

과거에는 인공지능 개발에 많은 데이터들을 수작업으로 직접 등록하는 방법을 사용했습니다. 하지만, 이러한 방법은 많은 시간과 노력, 비용이 발생하게 됩니다.

게다가, 과거에 학습시키던 데이터들은 인간이 지금까지 발견한 규칙들이였는데, 시간이 지남에 따라 사람조차 명확하게 구분할 수 없는 지식을 구현하거나 사람이 일일이 구현하기에는 너무 많은 양의 규칙들이 필요한 경우가 생겨났습니다.

이러한 이유로 컴퓨터가 인간처럼 스스로 학습하면 어떨까해서 등장한 것이 바로 머신러닝입니다.

머신러닝이란 규칙을 일일이 프로그래밍하지 않아도 자동으로 데이터에서 규칙을 학습하는 알고리즘을 연구하여 인공지능을 구현하는 방법입니다.

풀어서 설명하자면, 알고리즘을 이용하여 빅데이터를 분석하고, 분석 결과를 스스로 학습한 후, 이를 기반으로 어떠한 판단이나 예측을 하는 것입니다.

📝 머신러닝의 학습 방법

간단하게 개념정도에 대해 알아보고자 하기 때문에 자세한 내용은 아래의 사진정도만 알아둬도 좋을 것 같습니다.

출처 : https://live.lge.co.kr/live_with_ai_01

요새 잘알려져있는 OpenAI의 ChatGPT가 강화학습을 이용한 인공지능입니다.

딥러닝 (Deep Learning)

딥러닝이란 수많은 머신러닝 알고리즘 중에 인공 신경망을 기반으로 한 방법론 중 하나로 여러 층을 가진 인공신경망을 사용하여 머신러닝을 수행하는 것을 의미합니다.

인공 신경망이란 소프트웨어 적으로 인간의 뉴런 구조, 특히 시각/청각 피질을 본떠 만든 알고리즘입니다.

이러한 알고리즘을 통해 기계가 자동으로 학습하려는 데이터에서 특징을 추출하여 학습할 수 있습니다.

요약해보자면, 딥러닝이란 기계가 자동으로 대규모 데이터에서 중요한 패턴 및 규칙을 학습하고, 이를 토대로 의사결정이나 예측 등을 수행하는 기술이며 머신러닝 방법 중 하나로 요약 할 수 있습니다.

요즘 이슈

다양한 분야에서 인공지능이 사용되고, 거대 IT 기업들이 인공지능에 매달려 있는 만큼 이슈거리도 풍부한 편입니다. 그중에 간략하게 몇가지를 추려서 설명하고자 합니다.

🎈 생성형 인공지능 (Generative AI)

요즘 인공지능 분야에서 이슈가 되고 있는 부분은 당연 생성형 인공지능이라 할 수 있습니다.

Chat GPT라던지, 웹툰 AI라던지 생성형 인공지능에 대한 다양한 소식들이 많이 들려오고 있습니다.

생성형 인공지능이란 특정 요구에 따라 결과를 생성해내는 인공지능을 뜻합니다. 앞서 다룬 약인공지능에 해당된다고 볼 수 있습니다.

🥋 종류

생성형 인공지능은 정말 다양한 분야에서 사용되고 있습니다.

간략하게 추려보자면 다음과 같습니다.

텍스트 인공지능 : OpenAI의 ChatGPT , 카카오의 KoGPT, 네이버의 서치 GPT, 스테이블 디퓨전의 NovelAI 등
그림 인공지능 : 미드저니의 Midjourney, OpenAI의 DALL-E, 스테이블 디퓨전의 NOVEL AI, 어도비의 파이어플라이 등
음성 인공지능 : 사운드 스톰
비디오 인공지능
작곡 인공지능
의학 인공지능

실질적으로 거의 모든 분야에 사용되고 있다고봐도 무방합니다. 다양한 기술들이 이러한 생성형 AI 기능을 탑재해서 나오고 있는 추세기도 하구요. IT 기업들 뿐만 아니라 각종 서비스를 제공하는 기업들도 자사의 제품에 생성형 AI를 사용하는 모습을 많이 보여주고 있습니다.

여기서 제일 핫한 것은 아무래도 ChatGPT라고 볼 수 있습니다. 현재 계속해서 발전해나가며 텍스트 뿐만 아니라 다양한 기능들을 추가하고 있습니다.

이러한 인공지능들은 생산성을 높여주는데 기여해주고 있습니다.

💢 문제점들

저작권 문제

악용의 위험성

생성형 인공지능을 악용하는 사례도 늘고 있습니다. 타인의 얼굴을 학습시켜 딥페이크를 만든다던지, 음성 인공지능을 통해 보이스 피싱을 한다던지의 범죄에 사용될 위험성이 도사리고 있습니다. 더불어, ChatGPT의 경우 범죄에 이용될 가능성이 있는 정보는 제한을 걸어두고 있는데, 탈옥(제한을 푸는 행위)을 해서 그러한 정보를 손쉽게 얻었다는 사례가 종종 나오고 있습니다.

불평등 문제

아무래도 AI를 개발하는 것은 엄청난 자원을 필요로 하는데, 이러한 자원들을 가지고 있는 사람은 소수입니다. 그러한 소수들이 AI를 독점하게 되는 일이 발생할 수 있습니다. 만약, 그러한 소수가 자신들이 원하는데로 가르친 AI를 사회에 공개하고 사람들이 사용한다면, 편향된 생각을 가질 수도 있고, 소수의 입맛에 맞춘 응답을 하여 그들이 원하는데로 사회를 움직일 수도 있습니다.

🚫 인공지능 규제

위의 문제들과 더불어 다양한 문제들로 인해 인공지능에 대한 규제에 대한 목소리가 높아지고 있는 상황입니다.

EU에선 인공지능 규제안을 내놓은 상황이고, 여러 AI 전문가들이 AI에 대한 위험성에 대해 성명서를 내고 있습니다.

윤리적인 문제들은 AI가 처리하지 못하게 하고, 사용한 데이터는 무엇을 사용했는지 공개, AI로 생성된 결과물들은 AI가 만들었다는 표식을 넣는 등 다양한 규제안들이 나오고 있습니다.

더불어, IAEA(국제원자력 기구)처럼 인공지능 관련 국제 기구를 통해 AI를 관리 및 통제해야한다는 의견도 높아지고 있습니다.

참고자료

'IT 정보' 카테고리의 다른 글

MSBuild 2023 - Microsoft Dev Home (0)	2023.06.01

Contents

당신이 좋아할만한 콘텐츠

MSBuild 2023 - Microsoft Dev Home 2023.06.01

새소식