..

Search

1-2. 인공지능의 역사

인공지능의 특성 및 역사


인공지능의 특성

인공지능이라는 것은 수치보다 상징 정보를 더 잘 조작한다. 이러한 정보들은 사람이 추론하는 경우 일상적으로 고려하는 것과 동일한 개념, 규칙, 대상, 사실을 표현하는 정보를 말한다. 또한 고전적 알고리즘에 반해 휴리스틱(heuristic)을 흔히 사용한다. 휴리스틱이란 비결정적 경로를 택하는 경험에 기반한 해결 방법이다. 이러한 휴리스틱을 이용하여 문제를 풀 때 적용될 수 있는 문제의 범위는 알고리즘적 해법이 없는 문제(지각, 개념해석 등), 알고리즘이 너무 복잡한 문제(바둑, 체스 등) 두 가지로 나눌 수 있다. 또한 인공지능은 자료와 정보가 불완전․부정확하고 본질적으로 학제적인 연구 분야 즉, 여러 주변 학문들과의 깊은 연관을 가지고 있다.


1950년대

- 인공지능의 시작

- 1950년 튜링은 '계산 기계와 지능 Computing Machinery and Intelligence'라는 논문을 기고함.

- 기계가 생각할 수 있는지 테스트하는 방법, 지능적 기계의 개발 가능성, 학습하는 기계 등에 대한 내용.

- 인공지능의 아버지로 여겨진다.

- 제한된 환경을 구축하고 그 속에서 실험할 수 있는 시스템을 만듬.

- 어려운 문제들이나 더 넓은 문제로 확장 적용이 어려움.

- 초기 AI 시스템의 성능은 불확실성에 대한 취약성, 근거 없는 상징적 재현에 대한 의존성, 데이터 부족, 메모리 용량과 프로세서 속도 제한에도 영향을 받음.


1970년대

- AI 의 겨울

- 1970년대 중반, AI 시스템이 애초의 기대를 만족시키 못할 것이라는 인식이 퍼짐.

- 펀딩 삭감으로 이어지면서 AI 겨울이 시작됨.


1980년대

- 전문가 시스템

- 결정권자들의 판단을 돕기 위한 전문가 시스템 expert system이 발전.

- 인간 전문가들의 지식을 하나하나 입력해 만든 규칙 기반 시스템.

- 수백개의 시스템이 만들어졌지만 소규모 시스템은 효용이 적었고 대규모 시스템은 개발, 유지비가 높았고 사용하기도 어려움.

- 1980년대 후반 두 번째 'AI 겨울'이 찾아옴.


1990년대

- 자연의 모방

- 전통적인 논리주의 패러다임을 대체하여 고차원의 상징 조작에 집중하는 새로운 기술 등장.

- 뉴럴 네트워크와 유전 알고리즘

- '불안정성 brittleness'와 같은 전통 AI의 약점을 극복할 것으로 여겨짐.

- 뉴럴 네트워크는 경험을 통해서 배우고 사례들로부터 자연스러운 일반화 방식을 찾아냈으며, 숨은 통계적 패턴을 발견함.

- 뉴럴 네트워크는 패턴 인식과 분류에 유용.

- 유전 알고리즘과 유전 프로그래밍 같은 진화기반 방식이 널리 활용됨.

- 진화적 방법은 후보 솔루션들과, 조합과 돌연변이 방식으로 새롭게 생성되는 후보 솔루션을 세대를 거듭해가며 최적자를 선택해 가면서 더 나은 솔루션을 찾아가는 방식.

- 다양한 문제에 대한 효율적인 솔루션을 만들수 있었지만 진화적 방식이 잘 작동하기 위해서는 representational format을 잘 만들어야 하는 등의 어려움이 있고 조합 폭발 등의 문제도 있음.


2010년대 - AI의 현재와 미래

지난 20년 간 가장 큰 이론적 발전 중 하나는 이질적인 테크닉들을 공통의 수학적 프레임으로 설명할 수 있게 된 것이다.

- 뉴럴 네트워크를 분류기 classifier로 볼 수 있음.

- 유전 알고리듬은 최적화 optimization을 위한 알고리즘 중 하나

- 주어진 정보를 최적으로 사용하는 완벽한 베이지안 에이전트.

- 계산량이 너무 많이 요구됨.

- 1985년부터 현재까지 실용화의 시기로서 각종 인공지능 기술을 이용한 실용적인 시스템이 개발되었고, 다양한 산업 분야에의 적용을 시도

 

AI는 이미 많은 영역에서 인간을 넘어서고 있고. 한 때 인간 지성의 전형으로 여겨졌던 체스에서 AI가 오래전 인간을 넘어섰다. 이제는 이것이 별로 대단해보이지도 않는다. 시간이 지남에 따라 AI에 대한 우리의 기대도 높아졌기 때문이다. 다른 영역에서는 애초의 예상보다 훨씬 복잡한 것으로 드러났다. 시각적 장면을 분석하고, 사물을 인식하고, 자연 환경에서 로봇을 컨트롤 하는 등의 일은 매우 어렵다. 하지만 지속적인 발전이 이루어지고 있다. 전문가 수준의 체스 AI는 다주 단순한 알고리듬으로 만들 수 있는 것으로 밝혀졌다. 다른 영역에도 마찬가지로 간단한 해결책이 발견될 지 모른다.


연습문제