아직도 망설이는 AI 초보를 위한 기초지식 (인공지능의 개념과 종류)

서론과 AI 개념

출처 : 언스플래쉬

 

요즘 대세인 AI에 대한 다양한 정보들이 많이 있습니다. 하지만 아직도 해당 분야의 기초지식이 부족해 접근조차 못하는 사람들이 많이 있습니다. 오늘은 그것과 관련해 첫 번째 포스팅이며, 앞으로 인공지능을 넘어 다양한 IT 지식을 전달해 드릴 수 있도록 노력해 보겠습니다.

 

AI의 기본은 컴퓨터가 사람과 비슷하게 학습하고 추론해 문제를 해결하도록 하는 기술입니다. 이미 AI는 다양한 분야에서 사용되고 있고, 여러 가지 기술과 방법으로 구성되어 발전하고 있습니다. 그중 AI의 기초를 이해하기 위해 몇 가지 알아야 할 것들을 설명하겠습니다.

 

 

1. AI의 기본은 머신러닝!

• 머신러닝은 AI의 중요한 분야입니다. 프로그래밍을 하지 않아도 컴퓨터가 입력된 데이터를 통해 학습하는 기술로서, 데이터를 기반으로 하여 비슷한 패턴을 발견하고 예측해 수행하는 역할을 하는 것을 말합니다.
• 머신러닝은 학습방식에 따라 지도학습, 비지도학습, 강화학습으로 구분됩니다. 
  • 지도 학습 : 알고리즘이 입력 데이터와 그에 대한 정답을 학습해 새로운 데이터를 예측하는 것.
  • 비지도 학습 : 데이터에 정답 레이블이 없고, 알고리즘 스스로 학습하는 것(데이터 패턴 또는 구조)
  • 강화 학습 : 보상에 최적화된 행동을 학습하는 것.

 

2. 기본 구조 신경망이란?

• 신경이라는 말처럼 신경망이라는 것은 인간의 신체 특히 뇌의 구조에서 많은 영감을 받았습니다. 거기에 착안해 설계된 모델로서 정보가 계층적으로 처리됩니다. 인체와 동일하게 기본단위를 뉴런으로 구성하고 있으며 여러 복잡한 문제들을 해결합니다.
• 이러한 신경망에도 세 가지 종류가 있는데 퍼셉트론, 다층 퍼셉트론, 심층 신경망의 세 가지입니다.
  • 퍼셉트론 : 신경망에서 가장 기본적인 형태라고 생각하면 됩니다. 뉴런으로 치면 하나의 뉴런을 의미
  • 다층 퍼셉트론 : 기본 퍼셉트론이 여러 층을 사용하는 신경망입니다.
  • 심층 신경망 : 여러 계층의 신경망을 활용해서 복잡한 수준의 패턴들을 학습하는 것인데, 딥러닝의 핵심

 

출처 : 언스플래쉬

3. 딥러닝이란?

• 딥러닝은 머신러닝의 하위 분야라고 생각하면 됩니다. 앞서 설명한 신경망 중 심층신경망을 사용해 여러 가지 복잡한 데이터들을 분석하고 학습하는 것이라고 생각하면 됩니다.
• 딥러닝의 신경망 구조에는 두 가지가 있는데, 합성곱 신경망과 순환 신경망이 있습니다.
  • 합성곱 신경망 : 이미지를 처리할 때 대부분 사용되는 신경망의 구조
  • 순환 신경망 : 시계열의 데이터나 텍스트와 같은 데이터에 적합한 구조입니다. 이 신경망의 경우 입력된 데이터의 순서를 고려합니다.

 

4. 알고리즘과 모델에 대해

• 알고리즘, 쉽게 말해 문제를 해결하기 위한 방법이라고 하는데 AI의 경우 문제를 해결하기 위해 다양한 알고리즘을 사용하게 됩니다. 연속적으로 발생하는 값을 예측하는 회귀 알고리즘 그리고 입력데이터를 통해 특정 분야로 나누는 분류 알고리즘 등이 있습니다.

 

5. AI의 활용 분야

• AI는 다양한 분야에서 활용됩니다. 아마 앞으로 이어질 미래에는 일과 생활 모든 분야에서 사용된다고 봐도 될 것입니다.
  • 컴퓨터 비전 :  이미지, 영상 등을 분석해서 여러 가지 의미를 부여해 정보를 추출합니다. 예를 들어 안면인식이나 자율주행등의 분야입니다.
  • 자연어 처리 : 텍스트로 입력된 데이터를 이해하고 생성하는 역할을 합니다. 이미 우리가 편하게 사용하는 번역과 문서 요약, 챗봇등이 그 예입니다.
  • 음성인식 : 이것도 이미 널리 사용되고 있는 분야인데, 사람의 음성을 인식해 텍스트로 바꾸거나 음성으로 입력된 명령을 알아듣고 작동하는 것을 말합니다.
  • 의료 : 아무래도 의료 부분도 인공지능과 뗼레야 뗄 수 없는 분야가 될 것인데, 진료보조 시스템, 신약의 개발등의 여러 분야에서 사용되어집니다.

 

6. AI의 발전과 향후 전망

• AI는 앞으로 강력한 하드웨어의 발전과 함께, 엄청난 양의 방대한 데이터와 갈수록 발전하는 최적화된 알고리즘, 그리고 딥러닝의 발달로 자율주행과 음성인식, 언어 생성등 다양한 방향으로 발전하고 있습니다.
• 하지만 이런 발전에 희망적인 부분도 있지만 한계와 문제점이 있는 분야이기도 합니다.
  • 데이터에 대한 의존 : AI는 기본적으로 엄청난 양의 데이터에 의존할 수밖에 없습니다. 입력되는 데이터가 적거나 단순한 방향으로만 전달된 경우에는 신뢰도와 성능이 저하되는 경우가 발생합니다.
  • 해석 가능성의 약화 : 인공지능 중 특히 딥러닝의 경우에는 단순히 데이터를 입력 저장하는 특성으로 인해서 결과를 해석하는데 어려움이 발생할 수가 있습니다.
  • 윤리, 도덕적 문제의 발생 : AI로 인해 다양한 데이터의 접근이 쉬워지면서 그만큼 개인의 프라이버시가 침해되거나 내용이 일방적으로 쏠리게 되는 편향적인 문제, 그리고 각종 책임에 대한 문제가 제기되고 있습니다.

 

정리하며

 

최대한 자료를 찾아보며 쉽게 설명드리려 노력했는데, 그래도 아직 내용 이해가 어려운 부분이 많이 있습니다. 그래도 더 이상 지식 쌓는 것을 미룰 순 없는 현실이기에 다양한 포스팅을 진행하면서 지식과 정보를 전달드릴 수 있도록 하겠습니다. 부족한 내용이지만, 끝까지 봐주셔서 감사합니다.