🤖 로키 부트캠프 2차 스터디 - 인공지능(AI)
이번 스터디에서는 인공지능이 무엇인지, 어떻게 사용하는지, 그리고 ai 서비스에 대해 알아본다.
1. 인공지능의 개념
1.1 인공지능 vs 머신러닝 vs 딥러닝
이 세 가지 개념은 서로 포함 관계에 있다.
인공지능 (AI)
└ 머신러닝 (Machine Learning)
└ 딥러닝 (Deep Learning)
인공지능 (Artificial Intelligence)
인공지능은 인간의 지적 능력을 컴퓨터로 구현하는 기술이다.
대표적인 기능
- 문제 해결
- 학습
- 추론
- 언어 이해
- 이미지 인식
대표 사례
- ChatGPT
- 자율주행 자동차
- 음성 비서 (Siri, Google Assistant)
머신러닝 (Machine Learning)
머신러닝은 데이터를 이용하여 컴퓨터가 스스로 학습하도록 만드는 방법이다.
과거 방식
IF 이메일에 "무료"라는 단어가 있으면
스팸이다
머신러닝 방식
→ 많은 데이터를 통해 컴퓨터가 스스로 규칙을 찾는다
대표 활용
- 스팸메일 필터
- 추천 시스템 (넷플릭스, 유튜브)
- 금융 이상거래 탐지
딥러닝 (Deep Learning)
딥러닝은 머신러닝의 한 분야로 인공신경망(Neural Network)을 사용하는 방법이다.
인간의 뇌 구조인 뉴런(Neuron)을 모방하여 데이터를 처리한다.
특징
- 많은 데이터 필요
- GPU 같은 강력한 연산 장치 필요
- 이미지 / 음성 / 언어 처리에 강함
대표 활용
- 이미지 인식
- 음성 인식
- 자연어 처리 (ChatGPT)
1.2 머신러닝 : 기계가 학습하는 3가지 방법
머신러닝은 크게 3가지 학습 방식이 있다.
1️⃣ 지도 학습 (Supervised Learning)
정답이 있는 데이터를 이용하여 학습하는 방법이다.
예시 데이터
| 이메일 내용 | 정답 |
|---|---|
| 무료 쿠폰 받기 | 스팸 |
| 회의 일정 공유 | 정상 |
이 데이터를 통해 모델이 패턴을 학습한다.
대표 활용
- 스팸메일 분류
- 이미지 분류
- 가격 예측
2️⃣ 비지도 학습 (Unsupervised Learning)
정답 없이 데이터의 패턴을 스스로 찾는 방법이다.
예시
고객 데이터를 분석하여
- VIP 고객
- 일반 고객
- 신규 고객
같이 자동으로 그룹을 나눈다
대표 활용
- 고객 군집 분석
- 이상 탐지
- 데이터 패턴 분석
3️⃣ 강화 학습 (Reinforcement Learning)
행동에 대한 보상(Reward)을 통해 학습하는 방법이다.
구조
행동 → 결과 → 보상 → 학습
대표 활용
- 게임 AI
- 자율주행 자동차
- 로봇 제어
대표 사례
- AlphaGo
1.3 딥러닝 (Deep Learning)
딥러닝은 여러 층의 인공신경망을 이용하여 데이터를 학습하는 기술이다.
기본 구조
입력층 → 은닉층 → 출력층
예시
이미지를 입력하면
이미지 → 특징 추출 → 패턴 분석 → 결과
예시 결과
| 입력 | 결과 |
|---|---|
| 고양이 사진 | 고양이 |
| 강아지 사진 | 강아지 |
대표적인 딥러닝 분야
Computer Vision
→ 이미지 인식
Natural Language Processing (NLP)
→ 언어 이해
Speech Recognition
→ 음성 인식
2. 실제로 AI를 사용하는 방법
AI를 활용하는 방법은 크게 3가지 방식으로 나눌 수 있다.
AI 활용 방법
1️⃣ AI API 사용
2️⃣ 오픈소스 모델 사용
3️⃣ 직접 AI 모델 학습
2.1 AI API 사용 (가장 쉬운 방법)
이미 만들어진 AI 모델을 API 형태로 호출하여 사용하는 방법이다.
대표적인 서비스
- OpenAI
- Google AI
- Anthropic
특징
- 모델을 직접 학습할 필요 없음
- 빠르게 서비스 개발 가능
- 현재 많은 AI 서비스가 이 방식을 사용함
from google import genai
client = genai.Client(api_key="Your_api_key")
response = client.models.generate_content(
model="gemini-2.5-flash",
contents="인공지능이 무엇인지 설명해줘"
)
print(response.text)
2.2 오픈소스 AI 모델 사용
이미 공개된 오픈소스 AI 모델을 직접 다운로드하여 실행하는 방법이다.
API 방식과 달리 자신의 컴퓨터나 서버에서 AI 모델을 직접 실행한다.
대표적인 플랫폼
-
HuggingFace
-
GitHub
장점
- 무료로 사용할 수 있음
- 모델을 직접 수정하거나 커스터마이징 가능
- 다양한 AI 모델을 실험해볼 수 있음
대표적인 오픈소스 모델
- LLaMA
- GPT2
- Stable Diffusion
2.3 직접 AI 모델 학습
데이터를 이용하여 AI 모델을 직접 학습시켜서 개발하는 방법이다.
기업이나 연구기관에서는 새로운 AI 모델을 개발하거나 위해 이 방법을 사용한다.
필요한 요소
-
데이터셋 (Dataset)
모델이 학습할 데이터 -
GPU (Graphics Processing Unit)
대량의 연산을 빠르게 처리하기 위한 장치 -
딥러닝 프레임워크 (Deep Learning Framework)
모델을 쉽게 구현하고 학습시키기 위한 소프트웨어
대표적인 딥러닝 프레임워크
- PyTorch
- TensorFlow
3. AI 모델 학습 환경
딥러닝 모델을 학습하려면 많은 연산이 필요하기 때문에 GPU 환경이 중요하다.
그래서 다양한 클라우드 또는 로컬 환경에서 AI 모델을 학습할 수 있다.
1️⃣ Google Colab
가장 많이 사용되는 무료 AI 실습 환경이다.
특징
- 무료 GPU 제공
- 파이썬 개발 환경 제공
- 별도 설치 없이 브라우저에서 실행 가능
사용 방법
- Google Colab 접속
- 새 노트북 생성
- 런타임 → GPU 설정
- 코드 실행
2️⃣ 로컬 GPU 환경
개인 컴퓨터에 GPU를 장착하여 직접 학습하는 방법이다.
특징
- 인터넷 연결 없이 사용 가능
- 대규모 실험에 유리
- GPU 성능에 따라 학습 속도가 크게 달라짐
3️⃣ 클라우드 GPU 서비스
클라우드에서 GPU 서버를 빌려 사용하는 방식이다.
대표적인 서비스
- AWS (Amazon Web Services)
- Google Cloud
- Microsoft Azure
특징
- 강력한 GPU 사용 가능
- 필요한 시간만큼만 비용 지불
- 대규모 AI 학습에 적합
4. Openclaw
4.1 Openclaw란?
OpenclaW는 사용자의 자연어 명령을 이해하고 컴퓨터를 직접 제어할 수 있는 AI 에이전트이다.
기존의 AI 모델들은 컴퓨터에 대한 접근 권한이 없어서 내부 작업을 수행하지 못한 경우가 많았던 반면 OpenclaW는 사용자의 컴퓨터 환경에서 실제로 작업을 수행할 수 있다는 점이 가장 큰 특징이다.
주요 기능
자연어 기반 제어
복잡한 터미널 명령어를 입력하지 않아도 일상적인 언어로 컴퓨터에 명령을 내릴 수 있다.
메신저 연동
텔레그램(Telegram)과 같은 메신저 봇과 연동하여 원격에서 컴퓨터를 제어할 수 있다.
작업 자동화
단순 반복 작업이나 프로그램 실행, 정보 검색 등의 작업을 AI가 자동으로 수행할 수 있다.
4.2 Openclaw 사용 경험
최근 개발 환경으로 사용 중인 MacBook에 OpenclaW를 직접 설치하여 테스트해 보았다.
특히 접근성을 높이기 위해 텔레그램(Telegram) 계정과 연동하여 스마트폰을 통해 외부에서도 MacBook을 제어할 수 있도록 구성하였다.
작동 구조
사용자가 텔레그램을 통해 명령을 보내면 다음과 같은 흐름으로 작업이 진행된다.
