AI란 무엇인가?
간단히 말해서, AI는 인간의 행동과 기능을 모방하는 소프트웨어를 만드는 것이다.
주요 워크로드는 다음과 같다.
- 기계학습 : 이것은 종종 AI 시스템의 기초이며, 예측하고 데이터에서 결론을 도출하기 위해 컴퓨터 모델을 "가르치는" 방법이다.
- 변칙 검색 : 시스템에서 오류 또는 비정상적인 활동을 자동으로 감지할 수 있는 기능이다.
- Computer Vision : 카메라, 비디오 및 이미지를 통해 세계를 시각적으로 해석할 수 있는 소프트웨어 기능이다.
- 자연어 처리 : 컴퓨터가 서면 또는 음성 언어를 해석하고 동일하게 응답할 수 있는 기능이다.
- 지식 마이닝 : 종종 대용량의 비정형 데이터에서 정보를 추출하여 검색 가능한 지식 저장소를 만드는 기능이다.
기계학습 (machine-learning)
기계학습의 실전 적용 예시
AI를 사용하여 현지의 빛, 바람, 비 등을 예측할 수 있어 농부는 파종하고 물을 대고 수확할 시기를 판단할 수 있다.
기계학습 작동 방법
기계는 데이터로부터 학습한다.
오늘날 우리는 일상 생활을 하면서 엄청난 양의 데이터를 생성한다.
문자 메세지, 메일, SNS 게시물부터 휴대폰으로 찍은 사진 및 동영상까지 전송한다.
또한, 우리는 엄청난 양의 정보를 생성한다.
여전히 가정, 자동차, 도시, 대중교통 인프라 및 공장의 수백만 개의 센서에 의해 많은 데이터가 생성된다.
데이터 과학자는 데이터에서 찾은 관계를 기반으로 예측 및 추론을 할 수 있는 모델을 모든 데이터를 사용하여 학습시킬 수 있다.
예를 들어, 환경보호 조직이 '자원봉사자가 휴대폰 앱을 사용하여 다양한 종류의 야생화를 식별하고 카탈로그화하길 원한다'고 가정해 보자.
다음 사진에서는 이런 시나리오를 활성화하기 위해 어떻게 기계학습이 사용될 수 있는 지를 보여준다. 
- 야생화 샘플에 대한 데이터를 수집하는 식물학자와 과학자로 구성된 팀
- 팀은 샘플을 종별로 정확히 분류하여 레이블을 지정한다.
- 레이블이 지정된 데이터는 샘플의 특징과 레이블이 지정된 종 사이의 관계를 찾는 알고리즘을 사용하여 처리된다.
- 알고리즘의 결과는 모델에 요약된다.
- 자원봉사자에 의해 새로운 샘플이 발견되면 모델을 올바른 종 레이블을 식별할 수 있다.
Microsoft Azure의 Machine Learning
Microsoft Azure는 기계학습 모델을 생성, 관리 및 게시하기 위한 클라우드 기반 플랫폼인 Azure Machine Learning 서비스를 제공한다.
Azure Machine Learning의 특징과 기능은 다음과 같다.
| 특징 | 기능 |
|---|---|
| 자동화된 기계학습 | 이 기능은 비전문가도 데이터를 활용해 효과적인 기계학습 모델을 빠르게 만들 수 있도록 지원한다. |
| Azure Machine Learning 디자이너 | 코딩 작업없이 기계학습 솔루션을 개발할 수 있는 GUI |
| 데이터 및 컴퓨턱 관리 | 전문적인 데이터 과학자들이 데이터 실험 코드를 대규모로 실행하기 위해 활용할 수 있는 클라우드 기반 데이터 스토리지 및 컴퓨팅 리소스 |
| 파이프라인 | 데이터 과학자, 소프트웨어 엔지니어 및 IT 운영 전문가들이 모델 교육, 배포 및 관리 작업을 구성할 수 있는 파이프라인을 정의 가능 |
변칙 검색 (anomaly-detection)
- 신용카드 트랜잭션(거래내역)을 모니터링하고 사기 행위를 나타낼 수 있는 비정상적인 사용 패턴을 감지하는 소프트웨어 시스템
- 자동화된 프로덕션 라인에서 활동을 추적하고 오류를 식별하는 애플리케이션
- 센서를 사용하여 잠재적인 기계 고장을 엔지니어에게 사전 경고하는 레이싱 자동차 원격 분석 시스템
이러한 종류의 시나리오는 시간에 따라 데이터를 분석하고 비정상적인 변경을 식별하는 기계학습 기반 기술인 'anomaly-detection'을 사용해 해결할 수 있다.
레이싱 자동차 시나리오에서 변칙 검색이 어떻게 사용되는지 살펴보자. 
- 차량 센서는 엔진 회전, 브레이크 온도 등의 원격 분석을 수집한다.
- 변칙 검색 모델은 시간에 따른 원격분석 측정의 예상 변동을 이해하도록 학습된다.
- 측정값이 정상적인 예상범위를 벗어나는 경우, 모델을 변칙을 보고하여 강제로 레이싱이 중단되기 전에, 레이싱 엔지니어가 급유 정차시 운전자를 호출하여 문제를 해결하도록 한다.
Microsoft Azure의 변칙 검색
Microsoft Azure에서 Anomaly Detector 서비스는 개발자가 변칙 검색 솔루션을 만드는 데 사용할 수 있는 API(애플리케이션 프로그래밍 인터페이스)를 제공합니다.
컴퓨터 비전 (Computer Vision)
컴퓨터 비전은 시각적 처리를 다루는 AI 분야이다.
컴퓨터 비전으로 구현되는 몇 가지 가능성을 살펴보자.
Seeing AI 앱은 컴퓨터 비전 기능을 잘 보여주는 예제이다.
해당 앱은 시각 장애인을 위해 '보이는' 세계를 '들리는' 경험으로 바꿔 설명해준다. AI의 능력을 이용하여 시각적 세계를 열고 가까이에 있는 사람, 텍스트 및 사물을 설명한다.
컴퓨터 비전 모델 및 기능
대부분의 컴퓨터 비전 솔루션은 카메라, 비디오 또는 이미지의 시각적 입력에 적용할 수 있는 기계 학습 모델을 기반으로 합니다.
다음 표는 컴퓨터 비전의 일반적인 태스크에 대해 설명합니다.
1. 이미지 분류 (image-classification)
이미지 분류에는 콘텐츠에 따라 이미지를 분류하는 기계 학습 모델 교육이 포함된다. 예를 들어 트래픽 모니터링 솔루션에서는 이미지 분류 모델을 사용하여 택시, 버스, 자전거 타는 사람 등 포함된 차량 유형에 따라 이미지를 분류할 수 있다.
2. 개체 감지 (object-detection)
개체 감지 기계 학습 모델은 이미지 내의 개별 개체를 분류하고 경계 상자를 사용하여 해당 위치를 식별하도록 학습된다.
예를 들어 트래픽 모니터링 솔루션은 개체 감지를 사용하여 다양한 차량 클래스의 위치를 식별할 수 있다.
3. 의미 체계 구분 (semantic-segmentation)
의미 체계 구분은 이미지의 개별 픽셀이 속한 개체에 따라 분류되는 고급 기계 학습 기술이다.
예를 들어 트래픽 모니터링 솔루션은 "마스크" 레이어로 트래픽 이미지를 오버레이하여 특정 색상으로 다른 차량을 강조 표시할 수 있다.
4. 이미지 분석 (image-analysis)
이미지에 표시된 장면을 요약하는데 도움이 되는 설명 캡션 또는 이미지를 분류하는 데 도움이 되는 '태그'를 포함하여, 이미지에서 정보를 추출하는 고급 이미지 분석 기술과 기계 학습 모델을 결합한 솔루션을 만들 수 있다.
5. 얼굴 감지, 분석 및 인식 (face-analysis)
얼굴 감지는 이미지에서 사람의 얼굴을 찾는 특수한 형태의 개체 감지이다. 이를 분류 및 얼굴 기하 도형 분석 기술과 결합하여 얼굴 기능에 따라 개인을 인식할 수 있다.
6. OCR(광학 문자 인식)
광학 문자 인식은 이미지의 텍스트를 검색하고 읽는 데 사용되는 기술입니다. OCR을 사용하여 사진(예: 도로 표지판 또는 스토어 전면)에서 텍스트를 읽거나 문자, 송장 또는 양식과 같은 스캔된 문서에서 정보를 추출할 수 있습니다.
Microsoft Azure의 컴퓨터 비전 서비스
Microsoft Azure는 컴퓨터 비전 솔루션을 만드는 데 도움이 되는 다음과 같은 인지 서비스를 제공한다.
| 서비스 | 기능 |
|---|---|
| Computer Vision | 이 서비스를 사용하여 이미지 및 영상을 분석하고 설명, 태그, 개체 및 텍스트를 추출할 수 있다. |
| Custom Vision | 이 서비스에서 사용자 고유의 이미지를 사용하여 사용자 지정 이미지 분류 및 개체 검색 모델을 학습시킨다. |
| 얼굴 | Face 서비스를 사용하여 얼굴 감지 및 얼굴 인식 솔루션을 만들 수 있다. |
| Form Recognizer | 이 서비스를 사용하여 스캔한 양식 및 청구서에서 정보를 추출할 수 있다. |
사용 방법
컴퓨터 비전을 사용하여 이미지를 분석하는 방법의 예를 보려면 다음 단계를 수행합니다.
다른 브라우저 탭을 열고 https://aidemos.microsoft.com/computer-vision 로이동합니다.
데모 인터페이스를 사용하여 각 단계를 시도합니다. 각 단계에 대해 이미지를 선택하고 컴퓨터 비전 서비스에서 반환하는 정보를 검토할 수 있습니다.
자연어 처리 (NLP)
문어와 구어를 이해하는 소프트웨어 생성을 다룬다.
NLP를 사용하면 다음과 같은 소프트웨어를 만들 수 있다.
- 문서, 메일 메시지 및 기타 원본의 텍스트를 분석하고 해석한다.
- 음성 언어를 해석하고 음성 응답을 합성한다.
- 언어 간 구어 또는 문어 구를 자동으로 번역한다.
- 명령을 해석하고 적절한 작업을 결정한다.
예를 들어, Starship Commander는 공상 과학 분야에서 발생하는 Human Interact의 VR(가상 현실) 게임이다. 이 게임에서는 자연어 처리를 사용하여 플레이어가 내레이션을 제어하고 게임 내 문자 및 우주선 시스템과 상호 작용할 수 있도록 한다.
Microsoft Azure의 자연어 처리
Microsoft Azure에서 다음 Cognitive Services를 사용하여 자연어 처리 솔루션을 빌드할 수 있다.
| 서비스 | 기능 |
|---|---|
| 언어 | 이 서비스를 사용하여 텍스트를 이해 및 분석하고, 음성 또는 텍스트 기반 명령을 이해할 수 있는 언어 모델을 학습하고, 지능형 애플리케이션을 빌드하는 기능에 액세스한다. |
| Translator | 이 서비스를 사용하여 텍스트를 60개 이상의 언어로 번역한다. |
| Speech | 이 서비스를 사용하여 음성을 인식 및 합성하고 음성 언어를 번역한다. |
| Azure Bot | 이 서비스는 대화형 AI를 위한 플랫폼인 소프트웨어 “에이전트”가 대화에 참여할 수 있는 기능을 제공한다. 개발자는 Bot Framework를 사용하여 봇을 만들고 Azure Bot Service를 사용하여 봇을 관리할 수 있다. 또한 언어와 같은 백엔드 서비스를 통합하고 웹 채팅, 메일, Microsoft Teams 등의 채널에 연결할 수 있다. |
사용방법
자연어를 사용하여 AI 시스템과 상호 작용하는 방법의 예제를 보려면 다음 단계를 수행합니다.
다른 브라우저 탭을 열고 https://aidemos.microsoft.com/luis/demo 로이동합니다.
데모 인터페이스를 사용하여 가상 홈의 조명을 제어합니다. 명령을 입력하거나, 마이크 단추를 사용하여 명령을 말하거나, 제안된 문구를 선택하여 시스템이 응답하는 방법을 확인할 수 있습니다.
지식마이닝
지식 마이닝은 종종 대량의 비정형 데이터에서 정보를 추출하여 검색 가능한 지식 저장소를 만드는 솔루션을 설명하는 데 사용되는 용어이다.
Microsoft Azure에서의 지식 마이닝
이러한 지식 마이닝 솔루션 중 하나는 인덱스 작성을 위한 도구가 있는 프라이빗 엔터프라이즈 검색 솔루션인 Azure Cognitive Search입니다. 그런 다음, 인덱스는 내부 전용으로 사용하거나 공개 인터넷 자산에서 검색 가능한 콘텐츠를 활성화하는 데 사용할 수 있습니다.
Azure Cognitive Search가 이미지 처리, 콘텐츠 추출 및 자연어 처리와 같은 Azure Cognitive Services의 기본 제공 AI 기능을 활용하여 문서의 지식 마이닝을 수행할 수 있습니다. 제품의 AI 기능을 사용하면 이전에 검색할 수 없었던 문서를 인덱싱하고 대량의 데이터에서 신속하게 인사이트를 추출하고 노출할 수 있습니다.
AI 사용시 필요한 도전과제 및 위험
인공지능은 세상에 큰 도움을 주기위해 활용할 수 있는 강력한 도구이다. 그러나 다른 도구와 같이 책임감 있게 사용해야 한다.
| 해결 과제 또는 위험 | 예제 |
|---|---|
| 바이어스는 결과에 영향을 줄 수 있습니다. | 대출 승인 모델은 학습된 데이터의 바이어스로 인해 성별에 따라 차별합니다. |
| 오류로 인해 해로울 수 있습니다. | 자율 주행 차량에서 시스템 오류가 발생하여 충돌이 발생합니다. |
| 데이터가 노출될 수 있습니다. | 의료 진단 봇이 중요한 환자 데이터로 학습되지만 이러한 데이터가 안전하지 않게 저장되어 있습니다. |
| 해결 방법이 모든 사용자에게 작동하지 않을 수 있습니다. | 홈 오토메이션 도우미는 시각 장애가 있는 사용자를 위한 오디오 출력을 제공하지 않습니다. |
| 사용자는 복잡한 시스템을 신뢰해야 합니다. | AI 기반 재무 도구는 투자 권장 지침을 제공합니다. 이러한 권장 사항은 무엇을 기준으로 할까요? |
| AI 기반 결정은 누구의 책임인가요? | 안면 인식 증거에 따라 죄없는 사람이 범죄자로 확인되었습니다. 누구의 책임인가요? |
담당 AI 이해
Microsoft에서 AI 소프트웨어 개발은 6가지 원칙에 의해 안내된다.
공정성
AI 시스템은 모든 사람을 공평하게 대해야 합니다. 예를 들어 은행의 대출 승인 애플리케이션을 지원하는 기계 학습 모델을 만든다고 가정합니다. 모델은 대출이 바이어스 없이 승인되거나 거부되어야 하는지를 예측해야 합니다. 이러한 바이어스는 성별, 민족 또는 특정 신청자 그룹에게 불공정한 이익 또는 불이익을 주는 기타 요인을 기반으로 할 수 있습니다.
Azure Machine Learning에는 모델을 해석하고 데이터의 각 기능이 모델의 예측에 영향을 미치는 정도를 정량화하는 기능이 포함됩니다. 이 기능을 통해 데이터 과학자와 개발자는 모델의 바이어스를 식별하고 완화할 수 있습니다.
또 다른 예로 Microsoft가 Face 서비스를 통해 책임 있는 AI를 구현한 경우 감정 상태 및 ID 특성을 유추하는 데 사용할 수 있는 얼굴 인식 기능을 사용 중지합니다. 이러한 기능은 오용될 경우 사람들이 고정 관념, 차별 또는 불공정한 서비스 거부를 겪을 수 있습니다.
신뢰성 및 안전성
AI 시스템은 안정적이고 안전한 방식으로 작동해야 합니다. 예를 들어 자율 주행 차량에 대한 AI 기반 소프트웨어 시스템 또는 환자 증상을 진단하고 처방전을 권장하는 기계 학습 모델을 생각해 보세요. 이러한 종류의 시스템을 믿을 수 없다면 인간의 삶에 상당한 위험을 초래할 수 있습니다.
AI 기반 소프트웨어 애플리케이션을 개발할 때는 출시 전에 예상대로 작동하는지 확인하기 위해 엄격한 테스트 및 배포 관리 프로세스를 실시해야 합니다.
개인정보 보호 및 보안
AI 시스템은 안전하고 개인 정보를 보호해야 합니다. 기계 학습 모델을 기준으로 하는 AI 시스템은 대량의 데이터에 의존하며, 여기에는 비공개로 유지해야 하는 개인 정보가 포함될 수 있습니다. 모델이 학습되고 시스템이 프로덕션 환경에 있는 경우에도 개인 정보 보호 및 보안을 고려해야 합니다. 시스템에서 새 데이터를 사용하여 예측하거나 조치를 취할 때 데이터와 데이터에서 내린 결정 모두 개인 정보 보호 또는 보안 문제의 대상이 될 수 있습니다.
포용성
AI 시스템은 모든 사람에게 힘을 주고 사람들과 관계를 맺어야 합니다. AI는 신체적 능력, 성별, 성적 지향, 인종 또는 기타 요인에 관계없이 사회의 모든 부분에 혜택을 가져다 주어야 합니다.
투명성
AI 시스템은 이해하기 쉬워야 합니다. 사용자는 시스템의 목적, 작동 방식 및 예상되는 제한 사항에 대해 충분히 인식해야 합니다.
책임성
사람들은 AI 시스템에 대한 책임을 져야 합니다. AI 기반 솔루션의 설계자와 개발자는 솔루션이 명확하게 정의된 윤리적 및 법적 표준 충족을 보장하는 거버넌스 및 조직 원칙의 프레임워크 내에서 작동해야 합니다.'
담당 AI의 원칙은 개발자가 윤리적 AI 솔루션을 만들려고 할 때 직면하는 난제를 이해하는 데 도움이 될 수 있습니다.
