AI

이 포스팅은 여러 기사와 게시글의 정보를 취합하여 개인적인 의견을 덧붙인 포스팅입니다.
틀린 정보, 다른 견해가 있으시다면 적극적인 피드백을 부탁드립니다.
(특히 사용된 자료에 대한 저작권 문제가 있다면 댓글 부탁드립니다.)

 

AI

AI는 Artificial Intelligence의 약자로 '인공 지능'이라는 뜻이다.

인공 지능(AI)은 학습, 문제 해결, 패턴 인식 등과 같이 주로 인간 지능과 연결된 인지 문제를 해결하는 데 주력하는 컴퓨터 공학 분야이다.

쉽게 다시 말하자면, 사람처럼 학습하고 추론할 수 있는 지능을 가진 컴퓨터 시스템을 만드는 기술이다.

 

이와 관련된 키워드로 'Machine Learning'과 'Deep Learning'이 있는데, 이들간의 상관관계와 차이점은 밑에서 알아보자.

 

 

머신러닝 (Machine Learning)

오늘날의 인공지능은 '머신러닝' 이라는 기술을 기반으로 하고 있다.

문자 그대로 기계나 컴퓨가 학습한다는 의미이다.

빅데이터를 분석하고 가공해서 새로운 정보를 얻어 내거나 미래를 예측하는 기술을 말하며,

축적된 데이터를 토대로 상관관계와 특성을 찾아내고 결론을 도출합니다.

[출처] 인공지능(AI), 머신러닝(ML)과 딥러닝(DL)의 관계 및 역활|작성자 ECO 전도사

LEE&JANG ECO ENG : 네이버 블로그

 

위에서 보다시피 "축적된 데이터를 토대로" 라는 부분에서 축적된 데이터의 양질의 정도에 따라 도출되는 결과의 질 또한 달라진다. 한마디로 양질의 데이터가 많을수록 좋은 결과를 도출하게 되는것이다.

 

수많은 데이터가 쌓이면서 이 데이터들 속에서 개발자들은 간단한 지능을 구현할 방법을 고민하게 되었고, 데이터에 사람이 생각하는 정답(label)을 매겨서 계산을 하고, 그 계산으로 도출된 결과와 사람의 생각과의 차이의 오류를 줄이는 과정을 반복하면서 사람의 생각과 유사하게 판단할수 있도록 학습시키는 것이다.

 

머신러닝은 다음과 같은 2단계를 거친다.

 

머신러닝의 2단계 방법

1. 사람이 정답을 판단하기 위해서 봤던 학습 데이터의 특징들을 추출
2. 추출한 다양한 특징들을 기반으로 판단
   

 

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

 

위의 예시로 설명을 다시 해보자면 다음과 같은 순서를 따른다.

(학습 데이터 = 고양이, 강아지, 새)

 

1. 학습데이터인 고양이와 강아지와 새의 각각의 특징을 뽑는다.
2. 뽑아낸 특징들에서 input data인 고양이와 가장 유사한 데이터를 선택한다. (고양이로 판단)

 

위와 같은 과정을 통해 머신러닝이 진행됩니다.

 

머신러닝의 장점과 단점

장점

• 인간이 놓칠 수 있는 패턴을 식별할 수 있다.
• 시간이 지남에 따라 결과는 더 정확해질 수 있다. (반복학습을 통해)
• 대용량 데이터를 처리할 수 있다.

 

단점

• 초기 훈련에 많은 비용과 많은 시간이 소요된다.

 

딥 러닝 (Deep Learning)

딥러닝은 인공지능 분야에서도 머신러닝의 여러 방법 중 하나의 방법론이다.

딥러닝을 직역해보면 '깊은 학습' 이라는 뜻인데, 무엇을 깊게 학습한다는 뜻인지, 왜 깊게 학습한다고 표현을 했는지 알아보자.

일단 딥러닝은 연속된 층(layer)에서 점진적으로 의미 있는 표현을 배우는 방법이다.

여기서 표현이란 예를 들어 "이미지에 있는 모든 특정 색의 픽셀을 선택"하는 문제는 RGB 포맷에서가 가장 쉬울것이다.

이렇게 입력 데이터에서 적절한 표현방법으로 변환하는것이 중요하다.

 

그래서 각 층을 거치면서 적절한 표현을 학습하게 되는데, 이 거치는 층의 개수를 모델의 깊이가 된다.

따라서 딥러닝의 딥(deep)은 어떤 과정을 깊게 파는것이 아니라 단순히 학습을 위해 여러 층을 거치고, 그 층의 개수가 모델의 깊이가 되기 때문에 딥(deep)이라고 부르는 것이다.

 

(RNN, 인공신경망 내용 추가 고민중...)

 

 

AI, 머신러닝, 딥러닝의 관계

< 자료 참고 >

[AI란 무엇인가] 인공지능 머신러닝 딥러닝 차이점 총정리 혼자 공부하는 책

인공지능은 컴퓨터가 인간의 사고를 모방하는 모든 것을 뜻한다고 보고 있습니다. 
그리고 머신러닝 (machine learning) 은 컴퓨터가 스스로 학습하는 것을 말합니다. 특히 주어진 데이터를 이용해서 말이죠. 마지막으로 딥러닝 (deep learning) 으로 대표되는 인공신경망 artificial neural network 은 머신러닝을 구현하는 기술의 하나로, 인간 뇌의 동작 방식에서 착안하여 개발한 학습 방법이라고 할 수 있겠습니다.
그래서 인공지능이 범위가 가장 크고, 머신러닝이 중간이며, 딥러닝이 가장 작습니다. 

 

생활속의 AI

AI는 이미 우리 생활속에 많이 들어와있다.

 

• 자율주행 자동차 : 테슬라 등

• 스마트 스피커(AI 비서): 구글, 샤오미, 네이버, 카카오, 삼성전자 등
   
• 챗봇: 카카오 상담톡, 네이버 톡톡, 라인, 채널톡 등
   
• 인공지능 로봇: 청소 로봇, 교육용 로봇, 동반자 로봇, 운송 로봇, 서빙 로봇 등
   
• 이미지 인식: 페이스북, 구글, 마이크로소프트, 네이버 등
   
• 개인화 추천: 넷플릭스,구글, 페이스북 등
   
• 기계 번역: 구글, 네이버 파파고 등
  
  
• AI 그림: 미드 저니(Midjourney), 달2(DALL-E 2) 등 
  
  
• AI 주식 매매, AI 코딩 등... 많은 곳에 AI가 나타나고 있다.

 

당장 우리가 가지고 다니는 스마트폰에도 AI비서인 삼성에는 빅스비, 애플에는 시리가 탑재되어 있다.

이렇게 계속 AI 컨텐츠와 AI 산업은 꾸준한 상승세를 보이고 점차 우리 생활속에 자리잡는 영역이 늘어나고 있다.

 

과거, 현재, 미래에는 어떤 컨텐츠가 곽광을 받았었고, 받을지 예시를 들며 AI 산업에 대한 관심도와 성장은 언제부터 증가하였고, 현재의 위치와 미래에는 어떻게 될지 알아보자.

 

 

AI에 대한 우리나라 관심의 시작, '알파고'

< 알파고 관련 기사 >

국내외 과학기술동향, 정책, 문화 등 과기계 이슈 정보 제공. 매주 금요일 뉴스레터 발송

 

2016년 3월, 구글 자회사인 딥마인드(Deep Mind)가 개발한 인공지능 바둑 프로그램인 '알파고(AlphaGo)' 가 이세돌 9단을 4대 1로 꺾었다. 이 이슈로 인한 충격은 세계적으로 퍼져 2016년 당시 과학저널 사이언스 '올해의 5대 사건'에 들어가게 되었다.

 

순수하게 생각해보면 연산처리능력이 사람보다 빠른 컴퓨터의 프로그램 하나가 사람을 꺾었다는 것이 무슨 큰일이냐고 생각할 수도 있겠다.

하지만 한정된 영역에서의 문제가 아니라 누구나 접할 수 있는 바둑이라는 스포츠에서 사람을 이긴것이라고 생각을 하면, 이러한 AI의 발전은 곧 모든 보통 사람에게 영향을 끼칠 수 있다는 생각으로 확산되었다.

 

로봇, AI가 일상속에서 사람보다 우수한면을 나타내면서 사람들의 가장 첫번째 걱정은 '내 일자리는 안전한가' 이다.

두번째 걱정은 '과연 우리 자녀들에게 무엇을 가르쳐야 하는가',

세번째 걱정은 '그렇다면 과연 인간의 미래가 어떻게 될 것인가'하는 내용이었다.

 

개발자, 혹은 IT 직군의 입장에서 바라본다 해도 감회가 남달랐을 이슈이다.

그 전의 AI는 처리량, 속도 면에서는 인간을 손쉽게 뛰어넘었다.

하지만 그 정확도는 매우 떨어졌었다.

특히 이미지 분류 분야에선 학습된 특징과 조금만 달라도 아예 틀리게 구분되는 경우가 많았다.

 

이 알파고의 충격으로부터 6년이 지난 지금은 어떻게 되었을까?

 

실제와 구분하기 힘들기까지 도달한 현재 AI의 창작물

 

< AI 휴먼 >

손흥민 선수 '인공지능 휴먼'으로 활약 중...딥브레인AI, AIA생명 브랜드 홍보대사 'AI 쏘니' 구현 -

 

< AI 3D Rendering >

실제 공간을 스캔한 후 AI가 3D CG로 만들어주는 엔비디아 기술 공개

 

위의 그림은 다른 예시로, NVIDIA에서 선보이는 기술이다.

실제 VIDEO를 AI가 게임내에서 사용할 수 있도록 3D로 렌더링을 해준 모습이다.

실제와 거의 똑같은 모습을 보인다.

 

 

< AI 휴먼의 구현 (故임윤택 - 울랄라세션) >

 

위의 영상은 정말 감명깊게 봤던 영상이다.

사람의 목소리, 몸짓, 행동, 모습, 피부 등 약간 부자연스러운 모습이 있더 라도 조금만 멀리서 보더라도 진짜인것과 같은 모습이다.

 

위에서 '알파고'를 설명할 때보다 고작 6년이 지났다.

한 사람을 거의 완벽하게 재현해낼 수 있다는 것은 놀라운 기술력의 발전이라는 생각이 든다.

 

하지만 위의 사례들은 선한 영향력의 사례이다.

위의 기술들의 문제점과, 그리고 분명 악용되는 사례도 존재한다.

 

---

< AI 아티스트와 저작권 논란 >

[Yumm-IT] AI에게 주어지는 합격 목걸이🏅

 

요즘 크게 화제가 되고 있는 AI 그림 서비스이다.

사용자가 키워드를 입력하거나 그와 연관된 각종 세팅을 해주면 그에 맞는 그림을 도출해준다.

 

요즘에는 그림 뿐만 아니라 노래, 소설 등의 글, 비디오 등도 AI가 직접 만들 수 있다.

 

하지만 예술작품을 논하면서 빠질 수 없는 것이 '저작권 논쟁'이다.

 

이에 관해서 '긍정'과 '부정'측의 입장이 확연히 갈린다.

 

긍정

• 사람의 학습과 인공지능의 학습은 본질적으로 다르지 않다.
• '모방은 창조의 어머니'라는 관용구가 괜히 생긴 것이 아니며, 활동하는 예술가들의 그림은 결국 계속 쌓여온 노하우와 작품들을 감상하고 영향받고, 누군가를 모방하기 위해 시도하면서 완성된 것이다.

정리하자면 인간도 누군가에 의해 영향을 받고 비슷한 스타일이 존재하는데, 빅데이터로 인해 학습되고 만들어진 창작물이 인간과 다를게 없다는 입장이다.

 

부정

• 사람의 학습은 '재현'만이 아닌 '재해석'과 '재창조'의 과정이 반드시 존재한다.
• 인간의 학습은 기법의 목적을 이해하여 자기만의 경험을 토대로 자기만의 방법으로 재해석을 하지만,
  AI는 자체적인 오리지널리티도 존재하지 않으며 원리를 이해하는 진짜 학습이 아니라 그저 데이터 사이의 절충안을 찾아낼 뿐이다.
• 따라서 사람과의 학습과는 근본적으로 다르기에 사람과 똑같다는 논리로 정당화하긴 힘들다.
• 무엇보다 뇌과학은 아직 미지의 영역인데, 인공지능이 완벽히 인간의 학습원리와 동일하다는 것은 잘못된 결론이다.

정리하자면 인간의 학습은 자기만의 방법으로 재해석해서 자기만의 스타일을 만들지만, AI는 그저 여러 데이터 사이의 절충안을 찾아낼 뿐이라는 입장이다.

 

 

AI의 미래

< AI에 대한 전망 참고 >

1. 딥러닝이란 무엇인가?

 

AI에 대한 단기간의 기대는 비현실적일지도 모르지만, 장기적인 전망은 매우 밝다.
사람의 목숨이 달릴 수 있는 의료 진단에서부터 사람의 편의성을 위한 디지털 비서까지 확실히 이전과는 다른 여러 중요한 문제에 딥러닝을 적용하기 시작했다.

AI 역사상 유례를 찾아볼 수 없는 수준의 투자에 크게 힘입어 AI 연구는 지난 5년간 놀라울 정도로 매우 빠르게 발전해 왔다. (역시 알파고가 시작점...?)

후에 AI는 우리의 비서가 되고, 심지어 친구가 되어 줄 것이다.
우리의 질문에 대답하고 아이의 교육을 도와주고 건강을 보살펴 줄 것이다.
또한 더 발전하여 택배서비스와 완전한 자율주행을 이뤄낼지도 모른다.

하지만 발전에 따라 많은 데이터들이 쌓여가면서 '빅 데이터'를 정제하고 처리하는 과정 또한 같이 발전해야 한다고 생각한다. 쓸모없는 데이터는 걸러져야 하고, 양질의 데이터가 쌓여야 정확성이 높아져 우리가 원하는 결과를 도출할 수 있기 때문이다.

 

개인적인 의견으로 AI에 대한 인간의 욕구는 이미 잘 보여지고 나타나고 있다고 생각한다.

더 발달된 문명을 다루거나 기계 혹은 로봇이 나오는 SF 영화에선 AI가 필수적으로 등장한다.

그리고 이러한 영화들은 꾸준히 나오고 많은 사람들이 본다.

당장 아이언맨이나 어벤져스에 나오는 '자비스'만 봐도 그렇다.

 

이렇게 계속 꾸준한 시청이 이루어 진다는 것은 물론 작품성도 있겠지만, 하나의 작품을 시청하는 것을 통해 인간의 욕구나 흥미를 충족시키는 무언가가 있기 때문이라고 생각한다. 따라서 AI가 해줬으면 좋겠는 것을 나타냄으로써 그러한 아이디어로 AI는 꾸준히 발전할 것이다.

 

 

AI에 관하여 생각해볼 점

< 소프트웨어정책연구소에서 수행한 연구보고서, AI Index 2022의 주요 내용과 시사점 > - 참고자료

https://koraia.org/default/mp5/koraia.org

 

장점

< AI, 인공지능의 장점 >

AI, 인공지능의 장점

인공지능 자동화

• 공장이나 위험한 작업이 필요한 곳에 인공지능을 적용하면 대신 처리 가능
• 기업의 입장에서는 대규모의 작업이 가능해 고효율, 저비용으로 일처리 가능

인공지능 최적화

• 많은 경우의 수에서 최적화된 결과를 도출

인공지능 편리성

• 로봇 청소기, 자율 주행 등 이미 사람의 편리성을 위한 기능이 존재
• 필요한 기능을 요청한다면 우리의 편리성을 위해 대신 일을 처리해 줄 수 있음

 

생각할 수 있는 문제점 (이슈)

• AI 시스템의 공정성, 편향성
• 기업에서의 AI 도입에 따른 새로운 보안 위협에 대한 대응책은 아직 미흡
• AI에 대한 관심과 입법 노력이 높아지고 있으나 그 채택률은 저조한 상태
• 사람이 하는일을 대체함에 따라 기존 일자리 감소

 

해결방법

AI 시스템의 공정성, 편향성

• 기술적으로 인공지능 신뢰성을 검증하려는 벤치마크 테스트와 측정 지표 도구들이 개발되면서 다양한 인공지능 모델 검증에 활용 중
• 인공지능 윤리 및 신뢰성 이슈는 학계에서도 본격적으로 연구하기 시작하여 다양한 컴퓨터 관련 학회의 핵심 주제로 부상하여 지속적인 노력
• AI의 신뢰성 검증을 위한 적극적인 투자

기업에서의 AI 도입에 따른 새로운 보안 위협에 대한 대응책은 아직 미흡

• (추가 예정)

AI에 대한 관심과 입법 노력이 높아지고 있으나 그 채택률은 저조한 상태

• 정부차원에서의 AI 관련 관심도와 예산 증대 필요
• 국방 부문 뿐만 아니라 교통, 에너지, 환경, 상거래 등 사회 전반에 걸쳐 연구개발 및 도입 필요
• 공공기관을 포함한 AI의 본격적 확산을 위해 인공지능의 신뢰성 확보를 위한 제도적, 기술적 장치 마련에 지속적 투자 필요

사람이 하는일을 대체함에 따라 기존 일자리 감소

• 인공지능이 활성화 될 수록 개발 및 관리할 인력이 필요해질 것이며, 각 분야의 전문지식을 인공지능에 입력할 전문가도 필요
• 기존 일자리는 잃을 수 있어도, 전체적으로 보면 새로운 일자리 창출의 기회가 더 많다고 생각
• 간단히 말하면 인공지능을 관리하고 처리할 줄 아는 사람에 대한 일자리 창출의 기회가 주어짐

 

결론

AI 뿐만 아니라 산업화가 지속함에 따라 보안이슈는 계속해서 발생하게 된다.

AI는 발전하고, 관심도가 증가한지 다른 기술보다 얼마 되지 않은 상태에서 초기에 관련 이슈들을 확실히 잡아야 한다.

 

가장 많고 심각한 AI 범죄로는 '딥페이크 포르노' 유출이라고 생각되며 관련 법안에 대한 강화와 지속적인 모니터링이 필요할 것 같다. 또한 AI의 기술로 만들어진 창작물에 의한 2차 범죄에 대한 예방책을 강화해야 한다.

 

범죄 뿐만 아니라 AI의 예술작품에 대한 저작권관련 법안도 강화해야 할 것으로 보인다.

 

AI의 개발이 점차 진화하고 가속이 붙음에 따라 개발에만 몰두할 것이 아닌 그와 관련된 2차 피해에 대한 예방책, 구제 방안도 마련해야 한다고 생각한다.

 

특히 AI가 우리의 삶에 점점 침투하고 우리의 많은 것을 대체함에 따라 누군가의 의도대로 악용되지 않도록 사이버 공격에 대한 보안을 강화해야 한다.