인공지능(AI)인공지능은 컴퓨터와 기계를 활용하여 인간 마음의 문제점 해결과 의사결정 능력을 모방합니다. Show 인공지능이란?지난 수십 년 동안 수많은 인공지능(AI)에 관한 정의가 내려졌지만, John McCarthy는 이 2004년 논문(IBM 외부 링크)에서 이러한 정의를 내렸습니다. "이는 지능형 기계, 특히 지능형 컴퓨터 프로그램을 만드는 과학이자 공학입니다. 이는 컴퓨터를 사용하여 인간 지능을 이해하는 유사한 태스크와 관련되지만, AI는 생물학적으로 관찰 가능한 방법으로 자신을 제한한 필요가 없습니다." 그러나, 이러한 정의가 나오기 수십년 전에, 인공 지능 대화의 탄생은 1950년에 공개된 Alan Turing의 중대한 작업인 "컴퓨팅 기계 및 지능"(PDF, 89.8KB)(IBM 외부 링크)으로 알려졌습니다. 이 논문에서, 종종 "컴퓨터 사이언스의 아버지" 로 언급되는 Turing은 이러한 질문을 합니다. "과연 기계가 생각할 수 있을까?" 여기에서 그는 현재 "튜링 테스트"로 알려진 유명한 테스트를 제공하는데, 여기서 인간 질문자는 컴퓨터와 인간 텍스트 답변을 구분하려고 시도합니다. 이 테스트는 공개된 이후 많은 검토를 받았지만, 이는 언어학과 관련된 아이디어를 활용하면서 철학 내에서 진행 중인 개념 뿐만 아니라 AI 역사의 중요한 부분으로 남아 있습니다. Stuart Russell 및 Peter Norvig은 이후에 AI 연구의 선도적인 교과서 중 하나가 된 인공지능: 현대식 접근 방식(IBM 외부 링크)을 출간했습니다. 여기서 이들은 합리성과 사고 대 행동을 기반으로 컴퓨터 시스템을 차별화하는 AI의 4가지 잠재적 목표 또는 정의를 탐구했습니다. 인간의 접근 방식:
이상적인 접근 방식:
Alan Turing의 정의는 "인간처럼 행동하는 시스템"의 범주 하에 속했습니다. 가장 단순한 형태로, 인공지능은 컴퓨터 사이언스와 강력한 데이터 세트를 결합하여 문제점 해결을 가능하게 하는 분야입니다. 이는 또한 인공지능과 함께 자주 언급되는 머신 러닝과 딥 러닝의 하위 영역도 포괄하고 있습니다. 이러한 원칙들은 입력 데이터를 기반으로 예측 또는 분류를 작성하는 전문가 시스템을 만들고자 하는 AI 알고리즘으로 구성됩니다. 오늘날 AI 개발과 관련하여 여전히 대대적인 광고가 펼쳐지고 있으며, 새로운 신흥 기술이 등장할 것으로 기대됩니다. Gartner의 하이프 사이클(IBM 외부 링크)에서 언급한 바와 같이, 자율주행차 및 개인 비서 등의 제품 혁신은 "과도한 열중에서부터 환멸의 시기를 거쳐 시장이나 도메인에서 혁신의 관련성과 역할에 대한 궁극적인 이해로 나아가는 전형적인 혁신 프로세스"를 따르고 있습니다. 여기(IBM 외부 링크)에서 보듯이 Lex Fridman이 2019년 MIT 강연에서 설명한 대로, 우리는 부풀려진 기대치의 정점에 있으며 환멸의 골짜기로 다가가고 있습니다. AI의 윤리를 둘러싼 대화가 활발해지면서, 우리는 환멸의 골짜기의 초기의 모습을 보기 시작할 수 있습니다. AI 윤리와 관련한 대화에서 IBM의 입장에 대해 자세히 알아보려면 여기에서 읽어보세요. 인공지능의 유형 - 약한 AI 대 강한 AI협의적 AI 또는 ANI(Artificial Narrow Intelligence)라고도 하는 약한 AI는 특정 태스크를 수행하도록 훈련되고 집중화된 AI입니다. 약한 AI는 오늘날 우리를 둘러싸고 있는 대부분의 AI를 구동합니다. 결코 약하지 않으므로, '협의'가 이러한 AI 유형에 대해 보다 정확한 서술이 될 것입니다. 이는 Apple의 Siri, Amazon의 Alexa, IBM Watson 및 자율주행차 등 몇몇 매우 강력한 적용 분야의 기반이 됩니다. 강한 AI는 AGI(Artificial General Intelligence) 및 ASI(Artificial Super Intelligence)로 구성되어 있습니다. AGI(Artificial General Intelligence) 혹은 일반 AI는 기계가 인간과 동일한 지능을 갖춘 AI의 이론적 형태입니다. 이는 문제를 해결하고 학습하며 미래의 계획을 세울 수 있는 능력을 지닌 자가 인식하는 의식을 갖습니다. 초지능이라고도 하는 ASI(Artificial Super Intelligence)는 인간 두뇌의 지능과 능력을 능가합니다. 강한 AI가 오늘날 사용 중인 실제 사례가 없는, 아직까지는 순전히 이론에 불과하지만, AI 연구자들은 여전히 이의 개발을 몰두하고 있습니다. 한편, ASI의 가장 좋은 사례는 2001: A Space Odyssey의 HAL, 수퍼휴먼, 악당 컴퓨터 어시스턴트 등 공상과학 소설에서 찾아볼 수 있습니다. 딥 러닝 vs. 머신 러닝딥 러닝과 머신 러닝이 상호 교환적으로 사용되는 경향이 있으므로, 이 둘 사이의 뉘앙스를 주목할 가치가 있습니다. 위에서 언급한 바와 같이 딥 러닝과 머신 러닝은 모두 인공지능의 하위 영역이며, 딥 러닝은 실제로 머신 러닝의 하위 영역입니다. 딥 러닝은 실제로 신경망으로 구성되어 있습니다. 딥 러닝의 "딥"은 입력과 출력을 포함할 수 있는 3개 이상의 계층으로 구성된 신경망을 의미하며, 이는 딥 러닝 알고리즘으로 간주될 수 있습니다. 이는 일반적으로 다음의 다이어그램을 사용하여 표현됩니다. 딥 러닝과 머신 러닝의 차이점은 각 알고리즘의 학습 방법에 있습니다. 딥 러닝은 프로세스의 기능 추출 부분을 대부분 자동화함으로써, 필요한 수동적인 사용자 개입의 일부를 제거하고 보다 큰 데이터 세트의 사용을 가능하게 합니다. 위에서와 동일한 MIT 강연에서 Lex Friman이 언급한 대로, 딥 러닝을 "확장형 머신 러닝"으로 생각할 수 있습니다. 고전적인 혹은 "딥이 아닌" 머신 러닝은 학습을 위해 인간의 개입에 보다 많이 의존합니다. 인간 전문가들은 데이터 입력들 간의 차이를 파악하기 위해 기능의 계층 구조를 판별하며, 학습을 위해 일반적으로 보다 정형적인 데이터를 필요로 합니다. "딥" 머신 러닝은 감독형 학습이라고도 하는 레이블링된 데이터 세트를 활용하여 자체 알고리즘에 알릴 수 있지만, 레이블링된 데이터 세트가 반드시 필요하지는 않습니다. 이는 원시 양식(예: 텍스트, 이미지)에서 비정형 데이터를 수집할 수 있으며, 서로 간에 상이한 데이터 카테고리를 구별하는 기능들의 계층 구조를 자동으로 판별할 수 있습니다. 머신 러닝과는 달리, 이는 데이터 처리에 인간의 개입이 필요하지 않으므로 보다 흥미로운 방법으로 머신 러닝을 확장할 수 있도록 허용합니다. 인공지능 애플리케이션오늘날에는 AI 시스템의 다양한 실세계 적용 분야가 존재합니다. 다음은 가장 일반적인 사례 중 일부입니다.
인공지능의 역사: 주요 날짜와 이름'생각하는 기계'라는 아이디어는 고대 그리스까지 거슬러 올라갑니다. 그러나, 전자 컴퓨팅의 출현(그리고 이 기사에서 논의된 주제들 중 일부와 관련하여) 이후, 인공지능의 진화에서 중요한 사건과 이정표에는 다음이 포함됩니다.
인공지능과 IBM CloudIBM은 기업용 AI 기반 기술 발전의 리더였으며, 여러 산업에 걸쳐 머신 러닝 시스템의 미래를 선도해 왔습니다. 수십 년에 걸친 AI 연구, 모든 규모의 기업들과의 다년간 작업 경험, 그리고 30,000건 이상의 IBM Watson 계약을 통해 얻은 지식을 바탕으로 IBM은 성공적인 인공지능 배치를 위한 AI Ladder를 개발했습니다.
IBM Watson은 자동화와 효율성을 크게 향상시키면서도 비즈니스 시스템과 워크플로우를 전환하는 데 필요한 AI 툴을 기업들에게 제공합니다. AI 여정을 완료하는 데 IBM이 도움이 될 수 있는 방법에 대한 자세한 정보는 관리형 서비스 및 솔루션의 IBM 포트폴리오를 살펴보세요. IBM ID에 등록하고 IBM Cloud 계정을 만드세요. |