인공지능 (Artificial Intelligence)
위키피디아에 따르면 'AI는 기계에 의해 나타나는 지능이다.'
그렇다면, 지능(intelligence)란 ?
- 인간처럼 행동하는 것인지, 아니면 올바르게 생각하는 것인지에 따라 기준이 달라짐
- 사고 과정과 추론 능력을 중요시할 수도 있고, 지능적인 행동을 할 수 있는지를 볼 수도 있다.
정리하자면,
AI는 지능이 무엇이냐에 따라 그 정의도 다양해지고,
우리가 AI에게 기대하는 것도 달라진다.
예를 들어, 사람처럼 행동하는 AI가 필요한가, 아니면 논리적으로 생각해서 정답을 내는 AI가 필요한가 ?
튜링 테스트(Turing Test)
핵심 질문 : '기계가 생각을 할 수 있을까?'
목적 : 기계가 인간과 구별되지 않을 정도로 지능적인 행동을 보이는지 테스트
튜링 테스트의 구조
- A : 기계
- B : 사람
- C : 심판
- 방식
C는 A와 B 모두에게 같은 질문을 하고 답을 비교함.
만약 C가 누가 사람이고 누가 기계인지 구별하지 못한다면 기계는 테스트 통과 !
즉, 인간처럼 말하고 반응할 수 있으면 기계도 '지능적' 이라고 보는 것이다.
튜링 테스트가 효과적이기 위해 필요한 능력들
- 언어 이해 → 자연어 처리(NLP)
- 기억 능력 → 지식 표현
- 논리적 사고 → 자동화 추론
- 학습 능력 → 머신러닝
완전한 튜링 테스트를 통과하려면
- 세상을 인식하는 능력 → 컴퓨터 비전, 음성 인식
- 움직이거나 물건을 다루는 능력 → 로보틱스
요약 : 단순한 대화가 아니라 인간처럼 생각하고 배우며 움직이는 것까지 필요하다.
중국어 방 논증
- 한 사람이 중국어를 모른 채 메뉴얼을 보고, 종이에 적힌 중국어에 적절한 답을 만드는 행위를 하는 상황
- 밖에서 보면 완벽한 중국어 대화가 가능하므로 '방 안에 있는 사람은 중국어를 이해하고 있다.' 고 보이지만, 실제로는 이해하지 못하고 있음
교훈
- '행동' 과 '생각'은 다르다.
- 기계가 사람처럼 행동한다고 해서 진짜 사람처럼 '생각' 하는 것은 아니다.
- 튜링 테스트는 '생각'보다는 '행동' 을 평가한다.
- 진짜 인간처럼 생각하는 걸 원한다면 뇌의 작동 원리 등 인지 과학 분야의 지식이 필요하다.
지능형 에이전트 (Intelligent Agent)
자신의 환경을 인식하고, 목표를 최대한 달성하기 위한 행동을 선택하는 시스템
- 사람처럼 흉내내는 것이 목적이 아님
- 인간의 지능을 흉내내기 보다는, 일반적으로 '지능적인 행동' 이 무엇인지 정의함
이 접근 방식의 장점
- 실용적이고 과학적으로 검증 가능
- AI를 테스트하고 설계하는데 매우 적합
AI를 바라보는 4가지 관점
인간처럼 ? 합리적으로 ? 생각 중심 ? 행동 중심 ?
| 생각 중심 (Thinking) | 행동 중심 (Acting) | |
|---|---|---|
| 인간처럼 (Humanly) | 인지과학 (Cognitive Science) | 튜링 테스트 (Turing Test) |
| 합리적으로 (Rationally) | 논리 (Logic) | 지능형 에이전트 (Agent) |
- 인지과학 : 뇌가 어떻게 작동하는지를 연구해서 AI를 개발
- 튜링 테스트 : 외형상 인간처럼 말하고 행동하는지를 테스트 (실제로 생각하는지는 중요하지 않음)
- 논리 : 수학적/논리적 방법으로 '올바른 판단'을 내리는 AI
- 지능형 에이전트 : 주어진 상황에서 목표를 달성하기 위해 최선의 행동을 선택
딥러닝 (Deep Learning)
- 보통의 인공지능 수업에서는 전통적인 AI 방식이지만, 실용적인 이유로 '딥러닝' 중심의 학습을 배움.
AI 개념 구조
- 인공지능 (AI) : 기계가 지능적인 행동을 보이도록 설계된 모든 기술
- 머신러닝 (ML) : 데이터를 학습해서 스스로 규칙을 만드는 AI의 한 분야
- 딥러닝 (DL) : 머신러닝 중에서도 '신경망(Neural Network)을 기반으로 한 고도화된 학습 방식
즉, 딥러닝은 머신러닝의 일종이며, 머신러닝은 AI의 일부이다 !
전통적인 AI 방식
- 문제 해결 : 탐색, 게임
- 추론 : 논리적 추론, 확률 기반 추론
- 학습 : 의사결정 트리, 최근접 이웃법, 강화학습
그러나, 위 내용은 배우지 않음 !
오로지, 딥러닝만 배움
이유는 딥러닝이 현실 세계에서 가장 널리 쓰이고, 실습 중심으로 접근 가능하기 때문이다.
