📗 | AI지식_ 인공지능(머신러닝, 딥러닝)

비전공자도 이해할 수 있는 AI 지식 - 1. 인공지능- 위대한 인공지능, 깨어나다
 

출처 : DALL-E

인간을 이긴 최초의 체스 기계

메케니컬 터크(Mechanical Turk)

• 18세기 후반에 만들어진 유명한 체스 자동화 장치로, 사실은 사람에 의해 조작되는 기계
• 기계 내부에 숨겨진 사람이 실제로 체스를 두는 방식으로 작동
• 최초의 인공지는 기계처럼 보였지만, 진짜가 아니었고 실제로 인공지능은 200여년이 더 흐른 뒤에야 등장

 

진정한 인공지능이 등장하다

퍼셉트론(Perceptron, 1958)

• 1956년 다트머스대학교에서 처음으로 인공지능이라는 용어를 고안
• 인간의 두뇌구조를 본뜬 인공신경망(Artificial Neural Network) 초기 모델인 퍼셉트론 등장
• 인간 두뇌가 뉴런이 서로 연결된 상태로 전기신호를 내보내며 정보를 전달한다는 데 착안
• but 당시엔 너무 이른 시절이어서 쓰임새를 찾지 못함

 
 

규칙 기반, 인공지능을 구현하다

프로그래밍(if-then 규칙)

• 에이다 러브레이스(Ada lovelace)가 컴퓨터가 등장하기도 전에 프로그래밍의 기본 개념을 정립
• 애초에 프로그램이란 알고리즘으로 대표되는 규칙과, 자료구조로 대표되는 데이터의 결합
• 초기 인공지능은 if-then규칙이라 부르는 수많은 경우의 수에 따른 규칙들을 일일이 입력해야 했음 →물론 컴퓨터는 단 한개의 규칙도 스스로 만들어내지 못함
• 한계 : 규칙으로 인공지능을 만들기엔 규칙에서 벗어나는 경우에는 제대로 된 추론도 하지 못함 → 인공지능이 암흑기에 빠지는 계기가 됨

 

머신러닝, 스스로 규칙을 찾아내다

머신러닝(Machine Learning)

• 위에서 말한 한계점을 보완한 인공지능 방식
  • 기계 스스로가 학습하게 하여 사람이 규칙을 입력하지 않음
  • 정답과 데이터를 입력하면 스스로 규칙을 찾아냄

이미지 넷 대규모 시각 인식 챌린지(ILSVRC)

• 약 100만장의 이미지를 1,000개의 카테고리로 분류하는 ILSVTC대회 주체
  • 아마존 테크니컬 터크(Amazon Mechanical Turk)를 탄생시킴
  • 2년 만에 토론토 대학의 제프리힌튼 교수 팀 : 84.7% 정확도 달성 →딥러닝 사용

딥러닝-컨볼루션(Convolution)기법

• 퍼셉트론 인공신경망에서 착안한 기법으로 인공신경망과 이미지넷, 컨볼루션을 만나 딥러닝으로 놀라운 성과 발생

 
 

인공지능의 핵심기술, 딥러닝의 등장

딥러닝이란

• 머신러닝의 일종으로, 머신러닝과 비슷한 방식으로 작동
• 데이터와 정답을 입력하면 스스로 규칙을 찾아냄
• 그러나 딥러닝은 기존의 머신러닝에 비해 훨씬 더 크고 풍부한 역량을 지닌 모델
• 훨씬 더 많은 데이터를 학습할 수 있고, 훨씬 더 풍부한 규칙을 찾아낼 수 있음

딥러닝의 원리

• 인간의 두뇌가 작동하는 구조를 본떠 만든 인공 신경망의 새로운 이름
  • 두뇌는 무수히 많은 뉴런으로 구성되어 있는데, 엄청나게 많은 다이얼이 달린 거대한 수학 구조물과 비슷
  • 입력 데이터를 넣고 다이얼을 조절하면서 결과물을 확인한 후, 다시 조금씩 다이얼을 돌려 원하는 결과와 최대한 비슷하게 나오도록 조절하는 것
  • 사람이 직접하지 않고 데이터를 잔뜩 집어넣고 학습을 거쳐 자동으로 조절
  • 모든 데이터가 정답에 가장 가까운 상태를 찾아 더 이상 다이얼을 조절할 필요가 없다면 비로소 학습이 끝나게 됨
• 딥러닝이 많은 데이터로 풍부한 규칙을 찾아낸다 → 장점이자 단점

딥러닝의 장단점

• 조절할 수 있는 다이얼이 너무 많다면 왜 이런 결과가 나오는지 파악이 어려움
• 인공지능 연구 초기 : 시스템이 왜 그런 결정을 내렸는지 이유 즉 해석 가능성을 매우 중요하게 생각 → 논리적인 절차를 분석해 결정한 이유를 알 수 있는 if-then규칙 기반 시스템이 대세
• 인공지능 연구 후기 : 인공지능의 추론 과정을 분석하는 것이 의미 없다고 생각 → 지금의 인공지능은 더 이상 인간이 해설할 수 있는 규칙을 거쳐 결론에 도달하는 것이 아님
• 뛰어난 성능을 내기 위해서라면 해석이 어려운 약점 정도는 받아들이는 것
• 지금의 인공지능이 성과를 내고 있는 것은 모든 것이 조화롭게 발전한 결과

 
 

 

데이터, 인공지능의 원유

골턴의 Vox Populi(인민의 목소리) : 단순히 많은 데이터를 모아두는 것이 중요한가?

• 대중의 지혜 : 다양한 집단의 데이터가 많이 모이면 소수 전문가의 의견보다 더 정답에 가까운 결과를 얻어낼 수 있음
• 2001년 마이크로소프트의 연구자들은 충분한 데이터만 있으면 어떠한 알고리즘을 거치든 관계없이 정확도가 높아진다는 관점의 논문을 발표
• 복잡한 문제일수록 좋은 알고리즘을 찾아서 문제를 해결하기보다는, 복잡성을 인정하고 거대한 데이터의 힘을 활용해 문제를 해결하는게 훨씬 더 합리적
• 인공지능의 성공은 데이터 증가의 성공

 
 

시스템, GPU가 인공지능을 완성하다

무어의 법칙(Moore's Law)

• 인텔의 공동창업자 고든무어 "반도체 직접회로의 성능은 2년마다 2배씩 증가한다."
• 이와 같은 시스템의 발전은 딥러닝이 급속도로 발전하는 데 큰 역할

게임 그래픽 카드의 작동 원리

• 3차원 그래픽을 표현하기 위한 게임 그래픽 카드의 작동 원리
  • 1. 3차원 공간에 좌표 설정
  • 2. 공간에 점을 찍고 직선으로 이어 기본적인 도형 형태 제작
  • 3. 도형의 내부 채움

CPU와 GPU의 차이

• CPU : 성능이 좋은 비싼 코어를 몇개 장착한 구조
• GPU : 비교적 성능이 떨어지는 저렴한 코어를 엄청나게 많이 꽂아둔 구조
• GPU의 병렬 연산 : 성능은 더 떨어지지만 개수 차이가 워낙 많이 나기 때문에 전체 작업을 더 빨리 처리할 수 있다.

GPU의 활용

• 기초 과학자들이 주로 사용하는 과학 계산 도구였지만 어느날 일부 인공지능 연구자가 인공 신경망이 대규모의 병렬 연산에 적합한 구조임을 발견
  • 인공신경망 : 수많은 노드 간의 단순 계산이 반복되는 구조
  • GPU : 단순한 계산을 한꺼번에 많이 처리하는 구조
• 2009 스텐퍼드대학교에서 인공 신경망에 GPU를 도입한 논문 처음 발표
  • 매개변수 1억개 일 때 GPU를 활용했더니 70배 빠르게 학습 가능

 
 

오픈소스, 모두가 참여하는 혁신

오픈소스란?

• 프로그램의 소스코드를 공개하는 것
  • 공개를 통해 영향력을 더욱 공고히 하기 위함
  • 오픈하려면 무엇보다 실력에 자신이 있는 자만이 공개할 수 있음
  • 수많은 이용자가 공개된 자료로 추가 연구, 기술 어그레이드를 하여 해당 분야 자체가 발전하는데에 큰 도움
• 대표적인 오픈소스 : 리눅스
  • 투명하게 공개된 리눅스를 사용하는 유저들은 더욱 신뢰하고, 업계에 엄청난 영향력을 끼침
  • 전세계의 모든 인터넷 사이트가 리눅스로 운영되고 있음
• 딥러닝 프로그램의 오픈소스
  • 과학 계산을 코드로 구현하는 것이 쉽지 않은데, 다양한 과학 계산 라이브러리가 오픈소스로 등장하면서 연구자들은 복잡한 계산보다는 알고리즘에만 집중할 수 있게 됨
  • 구글 : 텐서플로(TensorFlow), 페이스북 : 파이토치(Py Torch)
• 오픈소스는 기술의 대중화와 저변 확대에 큰 영향을 끼쳤고, 인공지능 연구의 진입장벽을 크게 낮춰 누구나 쉽게 참여할 수 있도록 하여 엄청난 발전을 거듭하게 함