Search

AI의 과거, 현재, 미래

발행일
2025/07/14
저자
김명철, 곽승우
소속
컴퓨터과학 박사. 성공회대 교수. 국내 최초 AI 국책 과제 ‘영한 기계번역 시스템 개발’(1988∼1992) 참여.
쪽수
142쪽
차례
AI의 역사와 미래 01 AI의 태동 02 지능이란 무엇인가? 03 답을 어떻게 찾을 것인가? 04 서양식 논리와 동양식 퍼지 논리 05 전문가의 지식을 컴퓨터에 넣기 06 인간의 뇌를 흉내 내기 07 대규모 언어 모델로 글 쓰고 대화하기 08 운전자 없는 운전 09 신인류, 로봇 10 AI와 인류의 미래는?
정가
12000원
ISBN
9791143001160
분야
AI
2 more properties
미리보기
미리듣기
인공지능의 3차 부흥기 역사와 함께 약인공지능, 강인공지능, 슈퍼 AI 등 AI 기술의 발전 단계를 설명하고, 철학적·생물학적 모델을 통해 미래를 전망한다. AI의 본질과 방향을 입체적으로 조명한다.
튜링 테스트(Turing, 1950)는 앨런 튜링이 1950년에 제안한 실험적 방식으로, 어떤 기계가 지능적인지 아닌지를 가려낼 수 있다고 하여 이를 인간의 ‘모방 게임(Imitation Game)’이라고 불렀다. 튜링 테스트를 위해서는 분리된 두 방이 있고, 한 방에는 테스트하는 인간 심판이 있고 다른 방에는 사람 또는 컴퓨터가 있다. 이때 심판이 자신과 문자로 대화하고 있는 상대가 사람인지 컴퓨터인지를 구분하지 못하면 그 컴퓨터는 지능적이라고 가정할 수 있다는 것이다. 이후 튜링 테스트로 1990년 미국의 발명가이자 사회운동가인 뢰브너가 케임브리지 행동과학연구소와 함께 세계 대회를 매년 개최했으며, 튜링 테스트 통과 프로그램에는 뢰브너상과 10만 달러 상금을 걸었다. 이후 20여 년간 튜링 테스트를 통과한 프로그램이 없다가 2014년에 영국 레딩대학교에서 개발한 ‘유진 구스트만’이라는 챗봇이 심사위원의 3분의 1을 속임으로써 첫 번째 수상작이 되었다. -01_“AI의 태동” 중에서 휴리스틱의 개념을 더욱 자세히 이해하기 위하여 다음의 예를 보기로 하자. 지금은 별로 없지만, 여러 도시를 방문하면서 물건을 파는 방문 상인이 있다고 하자. 이 상인이 전국의 도시들을 방문하는데 한 번 방문한 도시는 다시 방문하지 않고 최단 거리로 모든 도시를 방문하려면 어떤 순서로 도시들을 방문하여야 하는가? 이러한 문제를 방문 상인 문제(Traveling Salesman Problem)라고 한다. 최단 거리를 갖는 방문 도시의 순서를 찾아내기 위해서는 가능한 모든 순서를 다 계산해 보아야 한다. 예를 들어 도시 수가 N개이고 모두 연결되어 있다면, 시작 도시를 제외한 Nᐨ1개 도시의 조합인 (Nᐨ1)!가지 경우가 생기는데, 순서가 역순인 두 경로는 동일한 경로이므로 2로 나누면 (Nᐨ1)!/2가지의 서로 다른 경로가 가능하다. 따라서 도시의 수가 10개만 되더라도 가능한 조합의 수는 (10ᐨ1)!/2=18만1440가지가 된다. 이렇게 도시의 수가 많아지면 모든 경로를 정해진 시간에 모두 계산해 본다는 것은 불가능하며 이러한 경우 휴리스틱을 적용하면 효과적인 답을 얻을 수 있다. -03_“답을 어떻게 찾을 것인가?” 중에서 2012년, 제프리 힌턴과 그의 제자 알렉스 크리제브스키(Alex Krizhevsky), 일리야 수츠케버(Ilya Sutskever)가 개발한 알렉스넷(AlexNet)은 딥러닝을 대중화하는 계기가 되었다(Krizhevsky et al., 2012). 이 모델은 이미지넷 대규모 시각 인식 챌린지(ILSVRC, ImageNet Large Scale Visual Recognition Challenge)에서 압도적인 성능을 보이며, 딥러닝이 컴퓨터 비전 분야에서 획기적인 성과를 낼 수 있음을 증명했다. 이미지넷 대회가 가지는 의의는 인공 신경망 모형의 가능성을 보였다는 것도 있지만, 스탠퍼드대학교 페이페이 리(FeiᐨFei Li) 교수가 주도한 이미지넷 프로젝트(ImageNet Project)를 통해 확보한 데이터가 중요한 역할을 했다. 2009년 공개된 이 프로젝트를 통해서 페이페이 리 교수와 연구자들은 1400만 장 이상의 이미지를 2만 개 이상의 객체 카테고리로 분류했다. 이를 통해서 학습에서 양질의 데이터의 중요성이 부각되었다. 마침 디지털 시대로 변환이 되면서 양적으로도 질적으로도 많은 정보, 즉 빅데이터의 수집 및 활용할 수 있는 기반이 마련되었다. 이를 통해 딥러닝이 발전할 수 있는 환경이 한층 더 마련되었다고 할 수 있다. -06_“인간의 뇌를 흉내 내기” 중에서 로봇 윤리는 단순히 기술적인 문제를 넘어 인류 사회 전체의 문제다. 로봇과 공존하는 미래를 위해서는 사회적 합의, 교육과 인식 개선, 기술 개발과 미래 사회에 대한 대비가 필요하다. 로봇은 인류에게 편리한 미래를 가져다줄 수 있지만, 동시에 예상치 못한 위험과 윤리적인 문제도 안고 있다. 로봇과 함께 살아가는 미래 사회를 위해서는 인류가 함께 문제를 인식하고 해결하는 데 참여해야 할 것이다. -09_“신인류, 로봇” 중에서
교보문고: https://product.kyobobook.co.kr/detail/S000216966131 알라딘: https://www.aladin.co.kr/shop/wproduct.aspx?ItemId=367091970 예스24: https://www.yes24.com/product/goods/148404478