인공지능 그리고 머신러닝

구글 딥마인드의 인공지능 '알파고' 가 한국의 이세돌 9단을 이겼습니다.

세계의 눈이 모두 집중된 가운데 벌어진 일이었고 누구나 관심을 갖고 본 경기였습니다.

이 때, '알파고'에 대한 화두가 집중이 되었고 인공지능 또는 머신러닝, 딥러닝이라는 용어라 수없이 거론이 되는 가운데 정확한 개념이 없는 상태에서 우리들은 적지않은 혼란을 격게 됩니다.

인공지능, 머신러닝, 그리고 딥러닝의 개념에 대해 좀 알아보고자 합니다.

-인공지능, 탄생 그리고 성장

인공지능의 개념은 1956년 미국 다트머스 대학교수 존 매카시씨가 개최했던 다트머스 회의에서 처음 등장하게 됩니다.

최근 몇년 사이에 엄청난 속도록 성장 중이며, 2015년 이후 신속, 강력한 병렬 처리 성능을 제공하는 GPU의 도입으로 성장 속도는 더욱 더 빨라지고 있습니다. 점점 엄청난 속도로 늘어가는 저장 용량과 이미지, 텍스트, 메타 데이터 등 모든 영역의 데이터가 범람하게 되는 '빅데이터' 시대의 시작도 인공지능의 성장속도를 더욱 더 가속화한 원인 중에 하나입니다.

 1956년 당시 인공지능의 선구자들이 꿈꾼 것은 최종적으로 인간의 지능과 같은 갖는 컴퓨터를 만드는 것이었습니다.

AI, 인공지능을 말하는 단어로 인간의 감각, 사고력을 지닌 컴퓨터가 인간처럼 생각도 하는 것을 말합니다. 이를 General AI라 부릅니다.

현 기술 수준으로는 도달할 수 없는 영역으로 단계를 논하자면 Narrow AI 정도라 하겠습니다.

흔히 들어본 이미지 분류, 얼굴 인식 등이 이에 속하게 됩니다.

-인공지능을 구현하라, 머신러닝

머신러닝은 알고리즘을 이용하여 메타 데이터를 분석하고 학습하며 학습을 기초로하여 특정 상황에 대한 판단 및 예측을 하는 것입니다.

따라서 상황에 맞게 판단 및 예측에 대한 최종 결정은 인간이 하게 됩니다. 머신러닝은 대량의 메타 데이터를 특정 알고리즘을 통해 컴퓨터를 여러 특정 상황을 만들어 판단 및 예측을 스스로 하도록 학습시켜 학습된 내용을 기반으로 스스로 판단 및 예측을 내놓는 것을 목표로 합니다.

 초기 인공지능 연구자들이 직접 제창한 개념에서 나온 머신러닝의 알고리즘의 종류로는 의사결정 트리학습, 귀납 논리 프로그래밍, 클러스터링, 강화 학습, 베이지안 네트워크 등이 포함되고 있습니다. 하지만, 최종 목표라 할 수 있는 General AI에는 미치지 못했고, 초기의 머신러닝 접근 방식은 Narrow AI에도 미치지 못하였습니다.

근래 머신러닝은 컴퓨터 비전등의 분야에서 큰 성과를 내고 있지만, 구체적인 지침이 아니더라도 인공지능을 구현하는 과정에 일정량의 코딩이 필요한 한계점이 있었습니다.

즉, 머신러닝을 기반으로 하는 시스템이 '정지' 라는 표지판의 이미지를 인식할 경우, 개발자는 식별하는 경계 감지 필터, 형상 감지 등, '정지'와 같은 문자를 인식하는 분류기 등을 직접 코딩하여 인지하도록 하여야 합니다. 

이와 같이 코딩된 분류기를 통해 이미지를 인식하고, 여러 알고리즘을 통해 '정지' 표시판을 학습하는 방식을 머신러닝이라 말합니다.

빠른 속도로 발전과 성장 중인 머신러닝이 누구도 모르는 사이, 컴퓨터는 General AI를 넘어서지 않을까 생각해 봅니다.