1. 인공지능의 정의와 종류

 

인공지능(Artificial Intelligence)

인공지능(Artificial Intelligence)이란 기계 혹은 시스템에 의해 만들어진 지능, 즉 인공적인 지능을 뜻한다.

앞으로 인공지능에 대해 더 탐구해보면 알겠지만 다양하고 복잡한 알고리즘들을 사용하는 것 치고는 뜻이 참 간단하고 추상적임을 알 수 있겠다. 필자도 처음에는 저런 추상적인 뜻만 보고 인공지능이란 참으로 흥미롭고 재미있는 학문이겠구나! 라고 생각했다.

(애초에 모든 분야가 호기심은 자극한다. 내 전공도 처음에는 오 재미있겠는데?로 시작해서 4년 내내 재미없음과 잘못되었음을 깨닫는 과정을 거쳤다. 깨달았을 때는 이미 늦음ㅠ)

잘못된 생각이었다고 생각하지만 어쩌겠는가. 이미 발을 들였으니 얻어가는 것이라도 있게 열심히 공부해 보자.

 

당장 구글에서 인공지능을 검색하면 위키백과의 인공지능을 볼 수 있다. 위키백과에서 옹골차게 인공지능의 흐름까지 알려주니 지하철이나 버스에서 왔다갔다할 때 가끔씩 읽어보는 것도 나쁘지 않다고 생각한다.

 

구글에 인공지능을 검색하면 이런 이미지가 나온다.

 

인공지능을 크게는 머신러닝과 딥러닝으로 구분할 수 있다. 그림에서 보다시피 머신러닝은 딥러닝을 포함한다. 

그럼 머신러닝과 딥러닝은 정확하게 뭘까?

 

 

머신러닝

여기 기똥찬 블로그를 찾았다. 여태까지 내가 배운 머신러닝을 기똥차게 압축한 블로그다. 블로그에 있는 글을 참고해서 정말 간단하게 머신러닝을 말하자면 문제를 해결하기 위한 맞춤 코드를 작성하지 않고 많은 양의 데이터를 일반 알고리즘에 공급하여 데이터를 기반으로 한 자체 로직이 만들어지는 것이 머신러닝이다. 

 

매번 뜬구름 잡는 소리로만 개념을 이해하다가 블로그 덕에 이런 사이트를 찾다니 참 행운이다. 여러분도 이 링크를 타고 들어가서 읽어보면 큰 도움이 될 것이다. 머신러닝의 전반적인 흐름과 개요를 완벽하게 잡았다랄까! 

 

 

딥러닝

여기 또다른 블로그의 링크를 걸어두었다. 여기도 딥러닝을 잘 설명해주고 있고 머신러닝과 딥러닝의 차이 등에 대해 잘 설명해주고 있다. 블로그에 들어가서 자세히 읽어보면 딥러닝을 이해하는데 큰 도움이 될 것이다. 또 내 블로그에서 간단히 딥러닝을 말해보겠다.

 

 

뉴런                                                                                                        다중 퍼셉트론

 

딥러닝은 인간의 뉴런에서 따온 학습 방법이다. 생명과학을 한 사람이라면 뉴런에 대해 알 것이다. 필자는 수능때 생물1을 봤기 때문에 뉴런과 유전에 대해 아주 빠삭했었는데 지금은 문과 친구들 부모님의 혈액형으로 친구의 혈액형을 때려맞추는 수준으로만 남아있다. 따라서 뉴런에 대해 자세히 설명해줄 여력이 없다. 궁금한 사람은 찾아보면 되겠으나, 최소한의 이해를 돕기 위한 야매 설명을 하자면 그냥 뉴런과 뉴런이 손에 손잡고 전기를 전달해서 반사작용이나 행동을 한다고 보면 되겠다. (생물하는 사람들이 보면 대노할 수준의 설명이 아닐까하는 마음ㅋㅎ) 이런 뉴런의 특징을 퍼셉트론이라는 것으로 구현해 낸다고 보면 된다. 퍼셉트론이 동작하는 방식은 다음과 같다. 각 노드의 가중치와 입력치를 곱한 것을 모두 합한 값이 활성함수에 의해 판단되는데, 그 값이 임계치(보통 0)보다 크면 뉴런이 활성화되고 결과값으로 1을 출력한다. 뉴런이 활성화되지 않으면 결과값으로 -1을 출력한다. 더 자세한 설명은 퍼셉트론을 다루는 파트에서 더 자세히 하겠다.

 

+) 몇줄 요약

머신러닝은 규칙을 사람이 만들지만, 딥러닝은 신경망이 주어진 데이터로부터 특징과 규칙을 직접 학습(end-to-end machine learning)한다. 따라서 머신러닝은 사람이 생각한 특징, 파생변수가 정확도 향상에 큰 역할을 하는 경우가 많고 딥러닝은 신경망의 학습능력에 따라 정확도가 달라진다. 인공지능은 이 모든 것을 포괄하면서 더 사람답게, 인간의 지적 능력을 거의 똑같이 구사하고자하는 것을 의미한다.