컴퓨터 구성

✨ 인공지능, 어디까지 왔을까? 🤔 (개념부터 신경망까지)

잔잔한 흐름 2025. 4. 20. 21:24

 

 **인공지능(Artificial Intelligence: AI)**에 대해 이야기해보려고 합니다. 미래 기술의 핵심이자 이미 우리 삶 곳곳에 스며든 인공지능이 무엇인지, 어떻게 발전해왔는지, 그리고 어떤 시스템으로 구성되어 있는지 함께 알아볼까요? 

🧠 8.1 인공지능 개요

💡 8.1.1 인공지능의 개념

**인공지능(Artificial Intelligence: AI)**이란 뭘까요? 바로 컴퓨터가 사람처럼 지능적인 활동을 할 수 있도록 만드는 기술이다. 🤖 인간의 두뇌와 컴퓨터 기술을 합쳐서 '지능의 원리를 이해'하고, 사람이 하면 똑똑하다고 생각할 만한 일들을 기계가 하도록 하는 거죠.  

 

인공지능은 정말 다양한 능력을 연구하고 있습니다. 추론하고, 생각하고, 사람 말을 알아듣고(음성인식), 이미지를 보고 이해하고(영상인식), 자연스러운 언어로 소통하고(자연어 이해), 스스로 배우는(학습) 활동들까지! 컴퓨터를 통해 지능을 구현하는 '기계 지능(Machine Intelligence)' 연구도 여기에 포함된답니다.  

 

우리 주변에서도 인공지능을 쉽게 찾아볼 수 있어요!  음성인식 시스템 덕분에 스마트폰에 말로 명령하고 검색 결과를 바로 얻을 수 있게 되었고, 📸 CCTV 영상만으로도 얼굴을 인식하는 영상인식 기술도 계속 발전하고 있죠. (인공지능의 주요 영역)  

 

🎯 8.1.2 인공지능의 목표와 응용 분야

인공지능의 가장 큰 목표는 '인간의 지능 활동을 컴퓨터에 옮겨와서 우리 생활에 유용하게 활용하는 것'이에요. 단순히 컴퓨터 분야뿐만 아니라 사회과학, 인문학 등 정말 다양한 분야에 인공지능이 접목되고 있고, 영화, 미술, 음악 같은 예술 분야부터 농업, 비즈니스, 광고까지!  정말 안 쓰이는 곳이 없죠?   

 

많은 사람들이 "인공지능 시대는 이미 시작되었고 되돌릴 수 없다"고 말해요. 과거 산업혁명으로 근육의 한계를 넘어섰듯, 인공지능으로는 두뇌의 한계를 뛰어넘으려 시도하고 있답니다.  

 

👍👎 8.1.3 인공지능의 장단점

인공지능은 정말 많은 장점을 가지고 있어요! 

  • 인간의 역할을 대신하여 편리함을 제공
  • 로봇이 24시간 일함으로써 생산성 향상
  • 빠르게 올바른 판단에 도움을 줌
  • 인간의 실수와 위험을 줄임
  • 개인 비서 역할 담당 가능
 

물론 인공지능에게는 여러 장점과 함께 고려해야 할 단점들도 존재해요.  

  • 인간의 일자리를 잃게 한다
  • 인공지능에 의지하는 습관에 종속될 가능성
  • 인공지능에 의해 감시받거나 조종받을 가능성
  • 연구와 개발이 어려움
  • 인간관계가 줄어들 수 있다.
 

📜 8.2 인공지능의 역사와 분류

🗓️ 8.2.1 인공지능의 간략한 역사

인공지능의 역사는 1956년부터 시작해서 지금까지 7단계로 나누어 볼 수 있습니다.

비교적 최근에는 2012년에 구글이 **심층신경망(DNN)**을 처음으로 구현해서 유튜브 동영상에서 고양이를 인식하는 데 성공했고요!  그리고 2016년, 전 세계를 뜨겁게 달궜던 알파고(AlphaGo)와 이세돌 9단의 바둑 대결 이후로 인공지능에 대한 기대와 관심이 폭발적으로 커졌고, 그 후로 더 다양하고 정교한 인공지능 기술들이 개발되고 있답니다.  

 

🏷️ 8.2.2 인공지능의 분류 체계

인공지능은 크게 세 가지 계열로 나누어 볼 수 있어요.  

 
  • 기호주의(symbolism): 기호와 규칙을 사용해서 문제를 해결하는 방식이에요. 마치 사람의 좌뇌처럼 논리적이고 규칙 기반으로 작동하죠! 
  • 연결주의(connectionism): 인간의 두뇌 세포인 뉴런 연결을 모방한 신경망 기반의 인공지능이에요. 사람의 우뇌처럼 패턴 인식이나 학습에 강하다는 것을 알 수 있다.
  • 통계적 인공지능: 데이터를 기반으로 통계적인 방법을 사용해서 패턴을 찾고 예측하는 방식이에요. 1990년대부터 많이 사용되기 시작했어요.  

<3가지 계열의 인공지능>

🆚 8.2.3 규칙기반 인공지능과 신경망 기반 인공지능

규칙기반 인공지능과 신경망 기반 인공지능은 거의 같은 시기에 연구가 시작돼서 지금까지도 서로 경쟁하고 발전하고 있습니다. 초기에는 규칙기반 인공지능 연구가 더 활발했지만, 1980년대에는 신경망 기반 인공지능이 우세했고, 요즘에는 신경망 기반 중에서도 딥러닝이 특히 주목받고 있답니다!  두 방법은 서로의 장점을 결합해서 더 좋은 성능을 내기도 해요.  

 

규칙 기반 인공지능은 우리가 직접 규칙을 정해주면 그 규칙대로 움직여요. 예를 들어 "A는 B다, B는 C다"라는 규칙이 있다면, 컴퓨터는 추론을 통해 "A는 C다"라는 결론을 내릴 수 있죠.  

 

신경망 기반 인공지능과 규칙기반 인공지능은 문제 해결 방식, 활용하는 도구, 주요 연구자, 핵심 기술, 그리고 적용되는 분야 등에서 차이를 보인답니다.  

<신경망 기반 인공지능과 규칙기반 인공지능의 비교>

 

💻 8.3 인공지능 시스템

🏗️ 8.3.1 인공지능 시스템의 구성

인공지능 시스템은 마치 하나의 유기체처럼 여러 부분으로 이루어져 있어요! 핵심적인 네 가지 요소는 다음과 같아요.  

 
  1. 모델 형태: 어떤 방식으로 지능을 구현할지 결정해요. 신경망, 머신러닝, 전문가 시스템 등이 여기에 속하죠.  
     
  2. 하드웨어와 소프트웨어: 인공지능이 돌아가려면 컴퓨터나 특별한 장치(GPU, 클라우드 등)가 필요하고, 그걸 작동시키는 소프트웨어(텐서플로 등)도 있어야겠죠?  
     
  3. 학습 및 실행용 프로그래밍 언어: 인공지능 프로그램을 만들 때 사용하는 언어들이에요. Python, Java, C 등이 주로 쓰인답니다.  
     
  4. 응용 분야: 인공지능이 실제로 어디에 사용되는지를 의미해요. 음성/영상 인식, 자연어 처리, 지식 처리 등 정말 다양하죠.  
     

🏆 8.3.2 세계를 놀라게 한 5개의 인공지능 시스템

인공지능 역사에서 정말 중요한 발자취를 남긴 시스템들이 있어요! ✨

  • 마크 I 퍼셉트론 (Mark I Perceptron, 1957): 최초의 신경망 모델로, 간단한 문자인식을 할 수 있었고 인공지능 붐을 일으켰어요.  
     
  • 마이신 (MYCIN, 1972~1976): 의학 분야 전문가 시스템으로, 혈액 감염을 진단하고 처방하는 데 사용되었답니다.  
     
  • 딥 블루 (Deep Blue, 1997): IBM이 만든 체스 슈퍼컴퓨터! 세계 체스 챔피언을 이기며 컴퓨터가 전략 게임에서 인간을 능가할 수 있다는 것을 보여줬어요.  
     
  • 왓슨 (Watson, 2010): IBM의 또 다른 인공지능이죠. 퀴즈쇼 챔피언이 되면서 인간처럼 기억하고 판단하며 언어를 이해하는 능력을 뽐냈죠.  
     
  • 알파고 (AlphaGo, 2016): 구글이 개발한 바둑 AI! 세계 최정상 프로기사를 꺾으며 전 세계를 충격에 빠뜨렸어요. 딥러닝 기술의 힘을 보여준 대표적인 사례랍니다.  
     
     

<5개의 주요 인공지능 시스템>

이 시스템들은 인공지능 발전에 엄청난 영향을 주었답니다!

🗣️📱 8.3.3 인공지능 도우미들 (Assistants)

스마트폰이나 컴퓨터를 쓸 때 도와주는 인공지능 도우미들, 다들 사용해보셨죠? 😊 '전자 비서'라고도 불리는 이들은 음성 인식을 통해 우리가 기기를 더 편리하게 사용하도록 도와줘요. 우리의 말을 알아듣고 필요한 정보를 검색해주거나, 메시지를 보내주는 등 다양한 기능을 수행하죠.  

 

대표적인 인공지능 도우미로는 다음과 같은 친구들이 있어요!

  • 구글 어시스턴트 (Google Assistant): 2016년 등장한 구글의 비서! 음성을 인식해서 음악 재생, 일정 확인, 메시지 전송 등 다양한 작업을 해주고 심지어 양방향 대화도 가능해요.  
     
  • 애플 시리 (Siri): 2011년부터 아이폰과 함께해 온 애플의 음성 인식 서비스! 말로 문자도 보내고, 식당 검색해서 길도 안내받을 수 있답니다.  
     
  • 삼성전자 빅스비 (Bixby): 2017년에 공개된 삼성의 인공지능 비서! 음성 대화는 물론이고, 카메라로 사물을 인식해서 정보도 알려주는 똑똑한 친구예요.  
     

📜 8.4 규칙기반 인공지능

🎮🗣️🧑‍⚕️ 8.4.1 규칙기반 인공지능 연구 분야

규칙기반 인공지능은 주로 세 가지 분야에서 활발하게 연구되고 활용된답니다!

  • 게임 (Game): 게임 캐릭터들이 똑똑하게 움직이고 반응하도록 만드는 데 인공지능 기술이 필수적이죠! 요즘 게임들은 정말 정교한 인공지능을 사용해요.  
     
  • 자연어 처리 (Natural language processing): 컴퓨터가 사람의 언어를 이해하고 처리하도록 하는 기술이에요. 우리가 쓰는 문장의 구조(구문 분석)와 의미(의미론)를 파악해서 기계 번역(machine translation) 같은 것도 가능하게 하죠. 아직 완벽하진 않지만 계속 발전하고 있답니다!  
     
  • 전문가 시스템 (Expert system): 특정 분야의 전문가처럼 문제를 해결하고 조언해주는 시스템이에요. 의사가 질병을 진단하거나, 자동차를 진단하는 것처럼 전문가의 지식을 활용하죠.  
     

🤝 8.4.2 인간 전문가를 대신하는 전문가 시스템

전문가 시스템은 말 그대로 특정 분야의 인간 전문가를 대신하는 인공지능 시스템이에요. 전문가가 가진 지식을 모아서 '지식베이스'를 만들고, 사용자가 질문하면 이 지식베이스를 바탕으로 컴퓨터가 추론해서 답을 해주는 방식이죠.

 

<전문가 시스템의 구조>

 

 

✨ 8.5 신경망 개념과 응용

🤔 8.5.1 신경망의 개요

신경망(Neural Networks) 또는 **인공신경망(Artificial Neural Networks)**은 바로 우리 두뇌의 신경세포인 뉴런이 작동하는 방식을 본떠 만든 인공지능 모델이에요! 🧠 뉴런들이 서로 연결되어 신호를 주고받으며 학습하고 판단하는 것처럼, 신경망도 입력된 정보를 처리해서 결과를 내놓죠.  

 

신경망은 여러 개의 처리기가 병렬로 연결되어 있어서 복잡한 문제를 빠르게 처리하는 데 강점이 있어요. 현재 문자인식, 음성인식, 영상인식, 자연어 처리 등 정말 다양한 분야에서 활용되고 있답니다.  

 

신경망 연구는 크게 세 가지 모델로 발전해왔어요.

  • 퍼셉트론 모델 (1957년): 가장 초기의 신경망 모델이에요.
  • 다층 퍼셉트론 모델 (1984년 이후): 여러 층의 신경망을 연결해서 더 복잡한 문제를 해결할 수 있게 되었어요. '역전파 알고리즘'이 사용되었답니다.
  • 심층신경망 (2006년 이후): '딥러닝 알고리즘'을 사용하여 훨씬 깊고 복잡한 문제를 해결할 수 있게 된 최신 신경망 모델이에요.

신경망의 가장 중요한 역할은 바로 **'학습(learning)'**입니다. 문자, 숫자, 음성, 영상 같은 다양한 정보를 학습해서 그것을 인식하는 능력을 키우죠. 특히 크고 다루기 어려운 멀티미디어 정보 학습에 뛰어나답니다.  

 

🔬 8.5.2 신경망의 연구 분야

신경망은 인간 두뇌의 뉴런 작용을 모델링해서 수많은 신경망 처리기들이 네트워크를 이루는 방식으로 구성돼요. 초기의 신경망부터 시작해서 다층 신경망, 그리고 현재의 딥러닝까지 꾸준히 연구가 이어져 오고 있답니다.

신경망은 학습을 통한 패턴 인식 분야에서 특히 뛰어난 능력을 보입니다. 문자, 음성, 영상과 같은 패턴을 인식하는 데 아주 적합한 기술이죠. 목소리를 듣고 문장으로 바꾸거나, 카메라로 입력된 영상을 컴퓨터가 인식해서 로봇 공학 등에 활용하는 것 모두 신경망 기술 덕분이에요. 신경망 연구의 주요 세 가지 분야는 문자인식, 음성인식, 영상인식이랍니다.  

 

💪 8.5.3 딥러닝 기반의 심층신경망

**심층신경망(Deep Neural Network, DNN)**은 약자로 DNN이라고도 부르는데, 여러 개의 은닉층을 가진 신경망 모델이에요. 그리고 **딥러닝(Deep Learning)**은 바로 이 심층신경망을 기반으로 하는 '학습 방법'을 의미한다. 딥러닝 학습은 영상이나 음성 같은 데이터를 학습해서 음성인식, 영상인식 등 패턴 인식에서 정말 좋은 성과를 내고 있어요.

심층신경망은 2006년에 힌턴(Hinton) 교수가 딥러닝 학습 방법을 발표하면서 주목받기 시작했어요. 기존 다층 신경망에 학습 전처리 과정을 추가한 모델인데, 기존 다층 퍼셉트론이 보통 1~2개의 은닉층을 쓴 반면, 심층신경망은 기본적으로 여러 개의 은닉층을 사용하고 많게는 1,000개가 넘기도 해요! 이렇게 층이 깊기 때문에 '심층(Deep)' 신경망이라고 부르고, 이걸 학습시키는 방법을 '딥러닝'이라고 한답니다.  

 

🛠️ 8.5.4 딥러닝을 지원하는 소프트웨어들

대표적인 것이 바로 **텐서플로(TensorFlow)**예요. 구글 인공지능 팀에서 머신러닝과 딥러닝을 위해 개발해서 2015년에 공개한 오픈소스 라이브러리랍니다.

누구나 무료로 다운받아 사용할 수 있고, 데이터플로 그래프를 사용해서 딥러닝 모델을 쉽게 만들 수 있도록 다양한 기능을 제공해요. 입력층, 여러 은닉층, 출력층을 가진 딥러닝 구현에 아주 유용하죠.  

 

또 하나 인기 있는 소프트웨어는 **파이토치(PyTorch)**예요. 페이스북의 인공지능 팀이 개발한 Python 기반의 오픈소스 머신러닝 라이브러리로, 2016년에 처음 나왔고 2019년에 안정화되었어요. 자연어 처리 분야 등에서 많이 활용되며 최근 사용자가 점점 늘고 있답니다.