📌 인공지능(AI)이란?

Artificial Intelligence는 "지능적인 기계를 만드는 학문 분야"로, 사람처럼 학습하고 문제를 해결하는 컴퓨터 시스템을 목표로 한다.

🤔 인공지능을 정의하는 4가지 관점

관점	설명	관련 분야
인간처럼 사고하기	Cognitive Science 기반 사고 모방	신경망, Cognitive Science
합리적으로 사고하기	논리적 추론 능력 강조	논리학, 추론
인간처럼 행동하기	투링 테스트 기반 행동 모방	로봇공학, Turing Test
합리적으로 행동하기	목표 중심의 합리적 행동	강화학습, 목표 성취를 위한 행동 및 추론

AI는 '어떻게 사고하거나 행동하는가?'에 대한 다양한 시각에서 연구되고 있음

Intelligence)의 구성 요소

• 학습(Learning): 데이터로부터 패턴을 익히는 능력

• 해결(Problem Solving): 상황에 맞는 결정을 내리는 능력

---

🔍 AI vs ML vs DL

✅ 인공지능 (AI)

• 넓은 개념으로, 기계에 인간과 유사한 지능을 부여하려는 전체 분야를 지칭

✅ 머신러닝 (ML)

• 데이터 기반으로 스스로 학습하는 알고리즘
• 1959년 아서 사무엘이 정의: "경험을 통해 성능이 향상되는 컴퓨터 프로그램"

✅ 딥러닝 (DL)

• 인공신경망 기반 머신러닝 기법
• 입력층-은닉층-출력층의 다층구조를 사용
• 최근 AI 발전을 이끈 핵심 기술

과거에는 계산 능력 부족과 데이터 부족으로 비효율적이었지만, 현대에는 GPU 발달과 빅데이터 환경으로 인해 실제 문제에 적용 가능해짐

---

🔍 규칙 기반 방법 vs 머신러닝 방법

규칙 기반 방법

전문가의 지식을 수동으로 추출하여 규칙 형태로 저장하고, 이 규칙에 따라 문제 해결을 수행함.

머신러닝 방법

데이터를 기반으로 스스로 패턴을 학습하고 예측/분류/결정을 내리는 모델을 학습시켜 적용함.

예시: 사자와 호랑이 구별하기

• 규칙 기반: 갈기 유무, 줄무늬 유무 등의 명시적 규칙을 사람이 직접 작성
• 머신러닝 기반: 이미지 데이터를 학습하여 스스로 특징을 추출하고 분류

머신러닝은 불확실하고 복잡한 문제에 더 유연하게 대처할 수 있다는 강점이 있음

---

📌 AI 대표 기술 및 사례들

1. ChatGPT (2022)

• GPT-3 기반, 175B 파라미터의 초거대 언어 모델
• 트랜스포머(Transformer) 아키텍처 기반
• RLHF(인간 피드백 기반 강화학습)로 정교하게 튜닝됨
• 코드 작성, 에세이 생성, 문제 풀이, 창작 등 다양한 분야에 활용

  "자연어 처리의 혁신적 도약"

2. 이미지 생성 AI

• 텍스트를 이미지로 바꾸는 AI 기술
• 주요 모델: DALL·E (OpenAI), Midjourney, Stable Diffusion
• 핵심 기술: 확산 모델(Diffusion) 기반
• 텍스트 프롬프트 예시 → 이미지 생성:
• 2022년, Midjourney로 생성된 '스페이스 오페라 극장'이 콜로라도 주립 박람회 예술 부문 우승

  시각 예술 외에도 음악 작곡, 요리법 생성, 스토리텔링 등 다양한 창작 분야로 확장 중

3. 알파고 (AlphaGo, 2016)

• 딥마인드(구글)의 바둑 인공지능
• 강화학습 + 몬테카를로 트리 탐색(MCTS) 결합
• 이세돌 9단에게 4:1 승리 → 전 세계 충격

  "AI가 직관적 사고 영역에서도 인간을 앞설 수 있음을 증명"

4. IBM 왓슨 (Watson, 2011)

• 자연어 이해와 정보 검색 기술을 활용
• 퀴즈쇼 Jeopardy에서 인간 챔피언들을 이김

5. 딥블루 (Deep Blue, 1997)

• 체스 전용 슈퍼컴퓨터
• Garry Kasparov를 꺾고 인간을 이긴 최초의 AI

---

분야	내용
자율주행	차량 주행, 정차, 경로 탐색을 AI가 자동 제어
음성비서	Alexa 등, 음성 명령으로 쇼핑, 검색 가능
의료	MRI 영상 분석, 암 진단, 신약 개발 지원
언어 번역	자연어 처리 기술로 실시간 번역 가능
광고 추천	사용자 행동 기반 맞춤형 콘텐츠 제공
창작 분야	미술, 음악, 소설 등 창작물 제작 가능

---

🧭 인공지능의 역사

1940~1960: 인공지능의 태동기 튜링 테스트

• 1943: McCulloch & Pitts, 인공 뉴런 모델 발표
• 1950: 앨런 튜링, 튜링 테스트 제안 → "인간의 생각은 정의하기 어렵다" → 튜링 테스트
• 1956: 다트머스 회의, AI 정식 출범 (Minsky, McCarthy 등)
• 1957: Rosenblatt, 퍼셉트론(Perceptron) 제안

1960~1970: 탐색의 시대

• 규칙 기반 탐색 알고리즘 중심 → 조합 폭발 문제 발생
• 현실 문제에 적용 어려움

1974~1980: 첫 번째 AI 겨울 ❄️

• 단층 퍼셉트론의 한계 (XOR 불가능성 등)
• 컴퓨팅 파워와 데이터 부족

  🧸 장난감 문제 (Toy example)

  • 현실의 문제를 아주 간단하게 만든 문제로 인공지능 알고리즘은 이를 거의 완벽하게 해결한다.
  • 하지만 이를 현실적인 문제로 가지고 오면 탐색 복잡도가 지수적으로 커져서 조합폭발로 알고리즘 자체가 쓸모 없어진다.

    

1980~1990: 지식 기반 시스템 시대

• 전문가 시스템 (Expert System): MYCIN, DENDRAL 등 → 전문가로부터 지식을 얻음
• 규칙 기반 의사결정, 특정 도메인에서는 효과적
• 신경망 연구 재조명 (Hopfield Net, Backpropagation)

1987~1993: 두 번째 AI 겨울 ❄️

• 전문가 시스템 한계, 실용성 부족
• 미국 정부의 AI 예산 삭감 → 침체기

1993~2011: 인공지능 부활

• 컴퓨터 성능 향상 (무어의 법칙)
• Deep Blue, Watson 등 상징적 성공 사례 등장

2011~현재: 딥러닝과 빅데이터 시대

• 2012 ImageNet 대회: 딥러닝 모델이 압도적 성능
• CNN, RNN, 트랜스포머 등 다양한 신경망 모델 발전
• GPU와 클라우드의 확산 → 대규모 모델 학습 가능
• 빅데이터의 활용 → 학습 정확도 향상