인공지능 공부: 정의와 역사, 머신러닝 & 딥러닝 차이

갈수록 더 자주 접할 수 있는 용어인 인공지능, 

공부를 하면 할수록 다양한 어플리케이션에 놀라운 기술인 듯하다.

 

최근 나의 최애 관심사이고, 향후 커리어로도 접목하고 싶어 공부를 하다가 나중을 위해 기록해두기로 결정.

 

*출처는 다양한 강의자료 + 인터넷 + 책 등을 바탕으로 공부하며 정리하는 부분인데, 특정 자료를 직접 인용할 때만 출처를 적고 나머지는 개인적으로 PPT로 작업하거나 정리/번역하는 부분으로 별도 표기를 생략할 예정. (혹시 틀린 부분이 있으면 댓글로 부탁드립니다 :))

 

"인공지능"에 대한 정의

우선 백과사전적 정의를 보면 다음과 같이 인공지능을 설명한다:

 

출처: 두산백과

 

이처럼, 인공지능은 인간의 지능으로 할 수 있는 일/능력을 컴퓨터로 구현한 것이다. 우리가 흔히 알고 있는 자율주행 기술이나, 알파고뿐만 아니라 구글 번역기, 이메일 스팸 필터 기능, 챗봇 등 다양한 분야에서 다양하게 활용되고 있다.

 

그렇다면 자주 들리는 머신러닝 (기계학습)이나 딥러닝이랑은 뭐가 다른 걸까?

아래 그림과 같이, 머신러닝(기계학습)과 딥러닝은 인공지능에 포함되는 기술이다. 각각의 세부 분야와 예시는 다른 글로 별도로 정리할 예정이지만, 등장 시기를 간단하게 볼 수 있게 정리해두었다.

인공지능, 기계학습 그리고 딥러닝

 

 

인공지능의 역사

인공지능의 등장, 성장, 그리고 겨울을 지나 현재까지

#1 등장 - 다트머스 회의 (1956)

인공지능에 대한 분야가 확립된 건 생각보다 오래전, 1956년이다.

존 매카시(John McCarthy), 마빈 리 민스키(Marvin Lee Minsky), 네이선 로체스터(Nathan Rochester), 클로드 엘우드 섀넌(Claude Elwood Shannon) 등 10명의 과학자가 미국 다트머스 대학교에 모여 개최된 다트머스 회의(Dartmouth Conference)를 통해 '스스로 학습할 수 있는 기계'에 워크숍을 가졌고, 공식적으로 '인공지능'이라는 단어가 처음 사용된다. 

 

#2 초기 성장 시기 (1956 ~ 1974)

다트머스 회의 이후, 초창기의 AI는 빠른 성장을 하며 1차 황금기의 시간을 가진다. 인공지능 연구의 핵심은 마치 인간처럼 생각하고 문제를 풀 수 있는 - 추론과 탐색에 집중되어 60-70년대 활발하게 진행이 된다. 범용 문제 풀이 시스템 (General Problem Solver, GPS) 속 알고리즘의 범용적인 버전을 포착하기 위한 노력, 자연어 처리 연구를 통해 나왔던 최초의 컴퓨터 대화 프로그램 '엘리자 (Eliza)' - 다만, 지금과 같은 챗봇의 형태라기보다 상대의 말을 몇 개의 문법 법칙에 의해 파싱 - 등 다양한 연구가 활발히 진행된다. 활발한 성과와 연구를 바탕으로 정부나 기관 등에서도 많은 자금을 투자하며 성장을 돕게 된다.

 

#3 AI의 첫 번째 겨울 (1974 ~ 1980)

제한적인 기능만 있던 70년대 초 AI 프로그램은 간단한 문제 이상을 풀지 못했고, 여러 가지 한계점들을 발견하게 된다. 가장 큰 한계 중 하나는 컴퓨터 능력의 한계였는데, 다양한 조합과 시나리오에 대한 연산을 처리하기에는 메모리와 처리 속도가 기술적으로 따라오지 못하는 상황이었다. 또한 마빈 리 민스키(Marvin Lee Minsky)는 Perceptrons: an introduction to computational geometry이라는 책을 출간하며 퍼셉트론이 단순 선형 분류만 가능하며, 비선형 문제 (XOR)는 다룰 수 없다는 이론의 한계점을 수학적으로 증명하게 된다. 이러한 상황과 연구 성과의 부진, 한계점 등은 AI 연구에 자금을 지원하던 기관과 정부 등에도 영향을 미쳐 자금이 줄어들거나 중단되는 상황이 오며 AI는 첫 번째 겨울을 맞이하게 된다.

 

#4 AI의 붐 Boom (1980 ~ 1987)

겨울을 겪던 인공지능 분야는 전문가 시스템(Expert systems)의 등장으로 다시 호황기를 맞이하게 된다. 또한 인공 신경망의 연구는 히든 레이어를 가진 Multi-Layer Perceptrons(MLP)와 오류 역전파 알고리즘 (Backpropagation)의 등장으로 비선형 (XOR) 문제를 해결할 수 있게 된다. 하지만 여전히 다층 퍼셉트론을 깊게 구성할수록 폭발적으로 증가하는 연산량을 감당하기에는 컴퓨터의 연산능력에 한계가 있었고 큰 성과로 이어지지는 못한다.

 

#5 AI의 두 번째 겨울 (1987 ~ 1993)

열풍이 불었던 전문가 시스템은, 1987년 애플이나 IBM의 데스크톱 컴퓨터의 급발전으로 설 자리를 잃게 된다. 유지 금액이 매우 비쌌고, 어려운 업데이트와, 일반적이지 않은 질문에 엉뚱하게 답하는 시스템에 의구심을 가지며 산업에 큰 타격을 주게 된다. 

 

#6 재도약 (1993 ~ 2011)

90년대로 도입하면서, '인터넷'을 통해 기존에는 상상할 수 없던 많은 양의 데이터가 생성되기 시작한다. 또한 무어의 법칙(Moores' Law)과 같이 하드웨어의 성능이 2년마다 2배로 증가하는 하드웨어의 비약적 발전은 기존과 비교가 되지 않는 컴퓨팅 파워를 인공지능 연구에 활용할 수 있게 되었다. 또한 연구자들은 기존보다 더 정교한 수학적 도구를 사용하고 개발하기 시작했다.

 

#7 그리고 (2012 ~)

여러 개의 히든 레이어를 가지는 인공신경망의 효과적인 학습을 가능하게 한 병렬 컴퓨팅(Parallel Computing)과 GPGPU(General-Purpose on GPU)로 딥러닝의 시대가 열리게 된다. 또한 인공지능, 빅데이터, 클라우드 컴퓨팅, IoT 등 여러 분야가 융합되며 다양한 산업을 걸쳐 많은 변화와 개발이 활발하게 이뤄지는 발판이 되고 있다.