인공지능(AI)의 진화
인공지능(이하 AI)은 지난 수십 년 동안 다양한 단계를 거쳐 발전해 왔다. 로직 기반 시스템을 통해 인간의 추론을 모방하려는 단순한 아이디어에서 오늘날의 정교한 딥러닝 알고리즘으로 발전해왔다. 순수한 논리를 기반으로 한 초기 단계부터 현재의 딥러닝 중심 시스템까지 이 드라마틱한 과정을 이야기 하려한다.
logic 중심 시대: 인공지능(AI)의 여명
상징적 AI(Symbolic AI)는 20세기 중반 AI의 꿈은 규칙이 직접 코딩되는 하향식 접근 방식인 상징적 AI에서 시작되었다. ELIZA 및 SHRDLU와 같은 시스템은 사용자를 자연어 대화에 참여 시켰지만 기본적으론 사전 정의된 logic과 패턴을 기반으로 했다. 이러한 초기 시스템은 어떤 의미에서 기계가 인간의 추론을 "생각"하고 따를 수 있음을 보여주었다.
AI 전문가 시스템은 1970년대 후반과 1980년대에는 전문가 시스템이 등장했다. MYCIN(의료 진단용) 및 DENDRAL(화학 분석용)과 같은 이러한 logic 기반 시스템은 논리적 규칙을 사용하여 결정을 내렸다. 특정 영역에서는 효과적이었지만 일반적으로 취약했고 미리 정의된 logic를 벗어나는 상황을 처리할 수 없었다.
머신러닝의 등장
데이터로부터 학습은 상징적 AI의 근본적인 한계인 현실 세계의 가변성과 경향성에 대한 취약성을 처리할 수 있다는 것으로 패러다임을 수동으로 코딩한 규칙을 통해 데이터에서 직접 패턴을 학습하는 알고리즘으로 전환한 머신러닝(machine learning)을 시작이었다.
의사결정 트리 및 SVM(Simple ML) 같은 간단한 알고리즘은 계층 구조를 기반으로 결정을 내리는 반면, Support Vector Machine은 최적의 해결책을 찾아 데이터를 분류하는 것을 목표로 하는데 이러한 방법은 AI에 더 많은 유연성과 더 넓은 적용성을 가져오기 시작했다.
신경망과 인간 뇌로부터의 영감
인간 두뇌의 구조에서 영감을 받은 신경망 네트워크는 상호 연결된 노드 또는 "뉴런"으로 구성되는데 초기 모델은 계층이 제한되어 있고 훈련에 어려움을 겪었지만 개념은 가능성이 있었다 그러다 1980년대 역전파 알고리즘의 출현은 중요한 이정표였다. 가중치를 효율적으로 조정하여 더 깊은 네트워크를 훈련하고 이후 딥러닝이 될 수 있는 기반을 마련하는 것이 가능해졌다.
딥러닝 르네상스
모바일 및 인터넷 등 디지털 산업과 서비스 폭발적 발전으로 엄청난 양의 데이터가 발생하게 되었고 2010년대 폭발적 컴퓨팅 계산을 병렬처리 할 수 있는 고사양 그래픽처리장치(GPU)의 등장으로 AI 신경망에는 엄청난 데이터를 처리 할 수 있는 수단이 제공되었고 이를 통해 CNN(Convolutional Neural Networks)은 이미지 처리 및 분류에 혁명을 일으켰다. 비전 데이터 처리에 이상적인 아키텍처는 컴퓨터 비전영역에 엄청난 발전을 주도했고 또한 순환 신경망(RNN)은 자연어와 같은 순차 데이터 처리에 가능성을 제시해 이후 GPT 및 BERT 모델을 뒷받침하는 것과 같은 Transformer 아키텍처는 자연어 이해 및 생성을 크게 향상시켜 지금의 OpenAI의 Chatgpt나 구글의 Bard에 탄생을 가능케 하였다
전이학습과 그 이상
최근 AI 연구원들은 학습 데이터 모델을 처음부터 훈련하는 대신 대규모 데이터 세트에 대해 사전 훈련된 모델을 사용하고 특정 작업에 맞게 미세 조정하면 더 나은 결과를 얻을 수 있고 AI에 더 쉽게 접근할 수 있다는 것을 발견했고 이에 현재는 전문적인 교육 없이도 여러 작업을 수행할 수 있는 모델을 만드는 데 맞춰져 있습니다. 예를 들어 OpenAI의 Chatgpt는 에세이를 작성하고, 질문에 답하고, 소프트웨어 코드를 생성할 수도 있으며 midjourney는 가공의 이미지를 만들어 내고 있으며 Musicgen은 음악을 창작할 수 있게 되었다.
기호 논리에서 고급 학습 모델로의 AI의 발전과정은 지능 자체에 대한 인간의 이해를 반영하며 엄격한 logic 기반 관점에서 경험을 통한 학습을 중요시하는 보다 유연하게 적응하는 과정이었다. AI는 계속 진화함에 따라 기계가 달성할 수 있는 범위가 확장되어 무한한 가능성의 미래를 예고하고 있고 활용 범위도 무한대로 늘어나고 있다.