인공지능의 구성요소를 알아봅시다

 

인공지능은 사람이 입력을 공급하고 출력을 해석하는 형태로 구성되어 있습니다.  보통 기계는 저수준 과제들을 수행하는 역할을 하며 추론이나 계획 수립은 대부분 기계 이외의 별도의 단계에서 수행을 하였습니다. 저수준 과제를 처리하는 기능을 만드는 것만으로도 상당한 비용이 소요되었기 때문입니다. 그러나 최근 기술이 급격히 발전하면서 추론, 계획, 지각의 기능 마저 수행할 수 있는 기술력이 갖추어졌고 이는 인공지능의 발전으로 이어졌습니다. 스튜어트 러셀의 인공지능: 현대적 접근방식 교재를 참고하여 인공지능을 구성하고있는 것이 무엇인지 알아봅시다. 

1. 감지기와 작동기

2016년, 자율주행차용 라이다의 가격이 75,000달러에서 1,000달러로 떨어졌으며, 단일 칩 버전은 개당 10달러까지 떨어질 전망이라고 Poulton 및 Watts가 말하였습니다. 2018년에는 Yeo 등이 예전에는 레이다 감지기의 해상도가 매우 낮았지만, 요새는 잔뜩 쌓인 서류가 몇 개 인지를 셀 수 있을 정도로 감도가 좋아졌다고 하였습니다. 소비자들이 화질 개선을 요구했던 덕분에 로봇공학 분야에 사용할 수 있는 초소형 저렴한 고해상도 카메라를 쉽게 구할 수 있게 되었습니다. 또 초소형 전자기계 시스템 기술 MEMS(micro-electromechanical system)로 가속도계, 자이로스코프, 작동기를 매우 작은 사이즈로 만들 수 있게되었으며, 이것들을 결합해서 3D프린트 기술 등이 탄생하였습니다. 감지기와 작동기가 발전했다는 것은 기계와 세상을 이어주는 가교가 생겼다는 의미입니다. 단순히 사람이 입력한 작업을 반복 수행하는 기계에서 나아가 세상을 읽고 동작하는 기계로의 변화를 의미하는 것이기 때문입니다.

 

2. 알고리즘

기계가 정보를 받아들이고 데이터를 모았으면 이제 특정 작업을 수행해야합니다. 이 때 사용되는 것이 알고리즘이라는 것입니다. 알고리즘이란 어떤 문제를 해결하기 위한 절차, 방법, 명령어들의 집합을 일컫는 말입니다. 인공지능에 사용되는 대표적인 알고리즘 몇 가지를 알아봅시다. 먼저 CNN(Convolutional Neural Network)신경망은 이미지 인식과 컴퓨터 비전 분야에서 널리 사용되는 알고리즘입니다. 이미지의 특징을 추출하고, 패턴을 학습하여 객체를 인식하는데 사용됩니다. 사진, 얼굴 인식, 자동차 탐지 등에 활용됩니다. 다음으로RNN(Recurrent Neural Network)신경망은 자연어처리나 시계열 데이터와 같이 순서가 있는 데이터 처리를 위해 사용됩니다. RNN은 이전 단계의 출력을 현재 단계의 입력으로 사용하여 시간적인 의존성을 학습할 수 있습니다. 기계번역, 음성 인식, 자동 작곡 등의 다양한 분야에서 활용되고 있습니다. 또 한 가지 알고리즘을 더 살펴봅시다. 강화 학습(Reinforcement Learning)으로 에이전트가 환경과 상호작용하며 보상을 최대화 하는 방법을 학습하는 알고리즘입니다. 에이전트는 시행착오를 통해 행동의 결과를 경험하고, 그 보상을 통해 학습하며 정책을 개선해 나갑니다. 바둑 게임으로 유명한 알파고와 같이 게임에서 인간을 이기는데 사용되었던 알고리즘으로 유명합니다. 

 

3. 평가 및 피드백

인공지능이 환경을 읽어 데이터를 모으고 이를 바탕으로 특정 알고리즘을 통해 학습 및 훈련을하여 결과를 출력하면 그 후에 평가와 피드백을 하는데, 이 과정까지 인공지능의 구성요소로 보아야합니다. 인공지능의 성능은 평가와 피드백을 통해 개선됩니다. 이를 위해 실제 결과와 목표하고자 하는 정답을 비교하고 객관적인 성과를 측정할 수 있는 지표를 마련하여 시스템을 평가하고 수정합니다. 정확도, 정밀도, 재현율과 같은 성능 지표를 사용할 수 있습니다. 우리의 환경은 고정되어있지 않고 계속해서 변화합니다. 변화하는 환경에 따라 다시 기계가 새롭게 정보를 받아들이는 과정을 거치는데 이 때, 시스템이 일관성있게 다루어지는지 점검을 하여 인공지능 시스템의 지속적인 발전과 신뢰성, 안전성을 확보할 수 있습니다.