AI 인공지능의 이해: AI 주요 개념 정리 및 활용 방안

AI 세계 (created by Stable Diffusion XL)

AI (Artificial Intelligence) 정의

 인공지능이란, 인간의 지능을 통한 분석의 한계를 극복하고 좀 더 규모가 큰 데이터를 포함하는 방식으로 추론, 학습 및 행동할 수 있는 고급 컴퓨팅 기술을 말합니다. 

AI 기술은 컴퓨터 공학, 데이터 분석, 철학, 심리학, 신경 과학 등 다양한 학문의 결과를 바탕으로 개발되고 있습니다.

 

AI 기술의 활용

 AI 기술은 인간이 수행하기에 다소 단순한 반복 업무의 자동화에서부터, 인간의 기억 수준을 뛰어넘는 방대한 데이터 분석 기술을 활용하여 올바른 판단을 내리는 고급 기술까지 다양하게 활용될 수 있습니다.

1	반복적이고, 단순한 작업 자동화	예) 상담 챗봇, 기계 번역 서비스
2	Human Error 방지	예) 생산라인 검사장비 구축(데이터의 패턴 파악 및 불량 조기 검출/예측/분석)
3	방대한 데이터 분석 (가속화)	예) 신약개발 기간 단축, 법률/의료 관련 가이드라인 구축, 교육, 헬스케어, 주식차트 예측, 자율 주행, 이미지/영상 인식, 사이버 보안 등

 

AI 기술 : 머신러닝 (Machine Learning)

 머신러닝(Machine Learning)은 컴퓨터가 다양한 머신러닝 학습 모델을 기반으로 제공된 데이터를 이용해 학습을 수행하고, 모델의 성능을 반복적으로 평가하여 스스로 성능을 향상하는 것을 말합니다. 제공된 각 데이터별 상관관계와 특성을 찾아내고, 결론을 예측해 낼 수 있습니다. 하나의 함수를 찾아가는 것으로 이해하시면 됩니다.

 

 임의의 x를 입력했을 때, 어떤 y가 나올지를 예측할 수 있습니다. 예를 들어 수천 장의 고양이 사진과 강아지 사진을 제공받아 학습을 시킨 후, 새로운 어떤 사진을 모델에 입력시켰을 때, 학습한 데이터를 근거로, 새로운 사진이 고양이인지 강아지인지 스스로 예측해 낼 수 있는 기술을 말합니다. 이는 인간이 별도의 공식(함수)을 주지 않았음에도 스스로 학습하여 기대하는 결과를 도출해 내는 것을 말하고, 머신러닝은 데이터의 학습량에 따라 그 신뢰도가 올라가게 될 것입니다. 

 

AI 기술: 딥러닝 (Deep Learning)

 딥러닝(Deep Learning)은 머신러닝과는 구분되는 개념이지만, 큰 틀에서는 머신러닝에 포함된 기술입니다. 딥러닝은 인간의 뇌 신경망이 학습하는 방식에서 영감을 얻어, 머신러닝에 신경망 네트워크를 더해 만들었습니다. 인간이 결론을 내리는 것과 유사한 논리적 구조로 데이터를 분석하는 것을 말합니다. 

 

 지도학습(Supervised Learning)은 정답이 무엇인지 알고 있는 데이터(Labeled data)를 컴퓨터에게 학습시켜, 새롭게 들어오는 데이터에 대한 결과를 예측할 수 있습니다. 

 

 비지도학습(Unsupervised Learning)은 정답을 알려주지 않고 예측하는 방법으로, 방대한 데이터들의 패턴이나 형태를 군집화 하며 결과를 예측하는 학습방법입니다. 

 

 강화학습(Reinforcement Learning)은 학습주체인 Agent가 기대하는 결과치를 내는지 행동을 관찰하여 행동에 따른 보상을 주어 모델이 개선될 수 있도록 하는 학습방법을 말합니다.

 

 

이번 블로그에서는 AI 의 주요 정의 및 활용 방안에 대해 다뤄보았고, 다음 블로그에서는 AI의 모델링 프로세스에 대해서도 알아보도록 하겠습니다.