AI란 무엇인가? 인공 지능에 대한 종합 가이드

최근의 모든 과대광고에도 불구하고 인공지능(AI)은 새로운 것이 아닙니다. 실제로 이는 World Wide Web보다 수십 년 앞선 것입니다. 생성적 AI의 갑작스럽고 빠른 출현이 모든 관심을 끌었지만(아마도 이것이 당신이 이 글을 읽고 있는 이유일 것입니다), 당신은 분명히 수년 동안 직간접적으로 AI를 접했을 것입니다.

AI에 대한 이 높은 수준의 개요는 AI가 작동할 수 있는 다양한 방식, 할 수 있는 것과 할 수 없는 것, 비즈니스와 사회의 현재와 미래에 미치는 영향을 설명합니다. 또한 이것이 Grammarly와 어떤 관련이 있는지도 지적할 것입니다. 이는 우리가 10년 넘게 사람들이 글을 쓰는 데 도움을 준 방법의 일부였습니다.

목차

• AI가 설명했다
• AI 작동 방식
• AI의 역사
• AI의 응용
• AI의 이점
• AI의 한계
• 결론

인공지능 설명

인공지능(Artificial Intelligence)은 인간의 마음이 학습하고 작동하는 방식을 시뮬레이션하는 기술입니다.

AI는 알고리즘이나 논리적 추론을 사용해 문제를 해결할 수 있다는 점에서 표준 컴퓨터 프로그램과 다릅니다. 또한 오늘날 대부분의 애플리케이션에서는 사람의 개입 없이 학습하고 적응할 수 있습니다. AI 분야의 주요 측면에는 기계 학습(ML), 자연어 처리(NLP) 및 신경망이 포함됩니다.

인공지능이 작동하는 방식

모델은 AI의 특정 인스턴스입니다. 예를 들어 ChatGPT 3.5와 ChatGPT 4는 두 가지 AI 모델입니다. AI의 주요 구성 요소를 이해하기 위해 모델 생성에 대한 다양한 개념적 접근 방식에 중점을 둘 것입니다.

규칙 기반 AI 또는 전문가 시스템

보다 간단한 프레임워크는 규칙 기반 또는 전문가 시스템이라고 불리는 것입니다. 사람들은 알고리즘이 이해할 수 있는 논리 형식으로 특정 지침을 작성합니다. 일반적인 고객 지원 전화 트리는 다음과 같이 작동합니다. 특정 매개변수와 일치하는 입력에 대해 특정 응답을 제공하라는 지시를 받습니다. Google의 기본 PageRank 알고리즘은 또 다른 예이지만 훨씬 더 정교합니다.

기계 학습

오늘날 대부분의 AI는 머신러닝이라는 접근 방식을 사용합니다. 모델은 하드 코딩된 지침 세트를 제공받는 대신 패턴, 관계 및 기타 역학과 같은 대규모(또는 대규모) 콘텐츠 모음에서 자체적으로 규칙을 학습합니다. 이 프로세스를 종종 모델 학습이라고 합니다. 규칙과 ML을 결합하는 것도 가능하며, 각각의 상대적 이점에 대해서는 나중에 논의하겠습니다.

ML에는 지도 학습, 비지도 학습, 준지도 학습, 자기 지도 학습이라는 네 가지 기본 범주가 있습니다.

1 지도 학습은 주석이 달린 데이터나 구조화된 데이터를 사용하여 기계가 학습해야 할 내용을 알려줍니다. 이 접근 방식은 원하는 출력이 이미 알려진 레이블이 있는 데이터 세트를 사용하므로 모델이 입력과 출력 간의 관계를 학습할 수 있습니다.

2 비지도 학습에는 명시적인 지침이 없으므로 기계는 스스로 보고 있는 내용을 이해한 다음 예측을 하게 됩니다. 이러한 유형의 학습은 입력 데이터에서 숨겨진 패턴이나 고유 구조를 찾는 데 사용됩니다.

3 준지도 학습은 레이블이 지정되지 않은 대량의 데이터로 보완된 소량의 레이블이 지정된 데이터에 대해 모델을 훈련하는 하이브리드 접근 방식입니다. 이 방법은 지도 학습과 비지도 학습의 이점을 모두 활용하여 레이블이 지정된 데이터가 부족한 경우 학습 효율성과 정확성을 향상시킵니다.

4 자기 지도 학습은 모델이 입력 데이터에서 자체 라벨을 생성하는 접근 방식입니다. 레이블이 지정된 데이터가 제한되거나 사용할 수 없는 시나리오에서 특히 유용합니다. 모델은 입력 데이터의 일부를 사용하여 다른 부분을 예측함으로써 자체 지도 신호를 효과적으로 생성합니다.

학습은 초기 훈련으로 멈출 필요가 없습니다. 강화 학습을 통해 모델은 출력 품질에 대한 피드백을 기반으로 지속적으로 개선됩니다. 이 평가는 인간이 수행할 수 있지만 자동화된 강화 학습을 위한 많은 기술과 알고리즘도 있습니다.

모델이 훈련되면 사용할 준비가 된 것입니다. 입력은 모델을 통해 실행되어 질문에 대한 답변, 이미지 분류, 그래픽 그리기 등의 출력을 제공합니다. 일부 AI(특히 규칙 기반 모델)는 결정적입니다. 즉, 주어진 입력이 항상 특정 출력으로 이어진다는 의미입니다. 그러나 대부분의 최신 모델은 어느 정도 무작위성을 도입하는 확률론적입니다. 이는 정확히 동일한 질문을 ChatGPT에 두 번 입력하면 동일한 답변을 얻을 가능성이 거의 없는 이유를 설명합니다.

신경망과 딥러닝

좋습니다. 그런데 AI는 실제로 어떻게작동하나요? 이것은 상황이 매우 기술적으로 매우 빠르게 진행되는 곳입니다. 우리는 오늘날의 화려한 AI 혁신, 즉 신경망의 이면에 있는 접근 방식에 중점을 둘 것입니다.

뇌의 뉴런에 대한 이러한 단순화된 표현은 무작위 추측으로 시작하여 이러한 추측을 정답과 비교하고 계속해서 작은 조정을 통해 정확성을 지속적으로 향상시킵니다.

신경망은 레이어로 구성됩니다. "하단"은 입력이고, 상단은 출력이며, 그 사이에는 소위 숨겨진 레이어가 있습니다. 아래에서 위로 갈수록 기능은 점점 추상화됩니다. 예를 들어, 이미지 인식 시스템에서 하위 레이어는 색상이나 가장자리를 인식하고 상위 레이어는 특정 개체를 인식할 수 있습니다.

신경망에 여러 개의 숨겨진 레이어가 있는 경우 이를 딥러닝이라고 합니다. 오늘날의 심층 신경망에는 일반적으로 많은 레이어가 있으며 특정 기능을 가진 하위 레이어가 있는 경우가 많습니다. 처리 능력의 향상으로 혁신이 폭발적으로 증가했습니다.

자연어 처리

컴퓨터가 인간이 쓰고 말하는 방식을 이해하려고 하는 것이 바로 자연어 처리입니다. 기본 맞춤법 검사는 단순히 사전과 일치하지 않는 단어를 강조하는 반면, Grammarly는 NLP를 사용하여 글을 이해하고 문맥에 맞는 제안을 제공합니다.

지난 10년 정도 동안 NLP는 혁명을 겪었습니다. 기계 번역, 텍스트 생성 및 자동 전사 분야에서 여러분도 확실히 경험해 보셨을 것입니다. 주의력 증가(단순히 단어 단위로 처리하는 것이 아니라 주어진 시간에 모델이 얼마나 "생각"할 수 있는지) 및 사전 훈련된 모델(인간 언어가 어떻게 작동하는지 다시 학습할 필요가 없음)과 같은 기술 스크래치)을 통해 기계는 여러 상황에서 인간처럼 이해하고 소리를 낼 수 있게 되었습니다.

생성 AI

제너레이티브 AI(Generative AI)는 훈련 데이터를 기반으로 텍스트, 이미지, 음악, 코드 등 새로운 콘텐츠를 생성할 수 있는 인공 지능의 하위 집합입니다.

특정 작업이나 데이터 분석에 맞춰진 기존 AI 시스템과 달리 생성 AI 모델은 종종 인간이 만든 작업을 모방하는 원본 출력을 생성할 수 있습니다. 심층 신경망을 기반으로 하는 이러한 모델은 광범위한 데이터 세트의 패턴, 스타일 또는 논리를 직관합니다. 그런 다음 이 지식을 활용하여 이전에는 존재하지 않았던 새롭고 독특한 콘텐츠를 만듭니다.

생성 AI의 활용은 엔터테인먼트, 예술, 문학, 소프트웨어 개발 등 다양한 분야에 걸쳐 있습니다. 이는 AI의 다양성과 그 능력의 성장을 보여줍니다.

검토 방법: AI는 규칙이나 ML을 기반으로 할 수 있습니다. 기계 학습은 감독되거나 감독되지 않을 수 있으며 강화 학습을 통해 시간이 지남에 따라 향상됩니다. 오늘날의 AI 모델 중 다수는 여러 계층을 통해 딥러닝을 사용하는 신경망입니다. 자연어 처리는 심층 신경망의 빛나는 성공 사례이며, 텍스트, 이미지, 코드 등을 생성하는 모델을 생성 AI라고 합니다.

AI의 역사

여기서는 AI의 역사에 대해 간략하게 살펴보겠습니다. 간결함을 유지하고 개발 일정에만 집중하기 위해 이러한 혁신을 주도한 개인에 대해서는 언급하지 않겠습니다.

1950년대~1980년대: GOFAI 봄, 그 후 겨울

인공 지능이라는 용어는 1956년에 만들어졌습니다. 같은 해 최초로 실행되는 AI 소프트웨어 프로그램은 다양한 수학적 정리를 성공적으로 입증했으며, 그 중 하나는 원저자가 제시한 증명보다 "더 우아"했습니다.

최초의 신경망은 1967년에 구축되었지만 이 시기 대부분의 AI 연구는 이성적인 마음을 시뮬레이션하기 위해 상징적 표현과 논리를 사용하여 수행되었습니다. (훌륭한 구식 AI를의미하는 농담으로 GOFAI라는 약어를 접할 수도 있습니다.) 그러나 달성되지 않은 기대와 제한된 계산 능력의 조합으로 인해 소위AI 겨울이발생했습니다. 1970년대 이후.

80년대에는 앞서 배운 규칙 기반 AI 모델인 전문가 시스템이 인기를 얻었고 많은 기업에 실질적인 영향을 미쳤습니다. 동시에 연구자들은 신경망으로 돌아가 스스로 훈련할 수 있는 기술을 개발했습니다.

1990년대~2000년대: 널리 보급되었지만 과소평가되었습니다.

더 많은 처리 능력과 더 큰 데이터 세트로 인해 1990년대에는 기계 학습이 응용 규모에서 실용화되었으며 AI는 많은 이정표를 달성했습니다. 영화 외에 널리 알려진 최초의 인공 지능 성공은 아마도 1997년 Deep Blue가 체스에서 Garry Kasparov를 이겼을 때일 것입니다. 얼마 지나지 않아 최초의 소비자 음성 인식 프로그램인 Dragon이 Windows에서 사용 가능해졌습니다.

이러한 진전에도 불구하고 금세기 첫 10년까지만 해도 많은 연구자와 기업은 AI 제품과 프로젝트가 여전히 과대광고라는 의미를 담고 있기 때문에 다른 용어로 위장하고 있었습니다. 아이러니한 점은 스팸 필터부터 룸바까지 모든 것을 지원하는 바로 이러한 시스템이 실제로 응용 AI의 실질적인 가치를 일상 생활에 가져왔다는 것입니다.

2010년대~오늘: AI가 주류가 되다

2010년대부터 AI는 상승세를 타기 시작했고 이는 오늘날까지 계속되고 있습니다. 하나의 돌파구가 아닌 여러 가지 요소가 수렴되었습니다.

• GPU:그래픽 처리 장치라는 이름에도 불구하고 이 칩은 심층 신경망을 훈련하는 데 매우 효율적인 것으로 나타났습니다. GPU 사용으로의 전환은 새로운 모델을 개발하는 속도와 실제 범위를 모두 가속화했습니다.
• 연구 발전: 신경망의 새로운 형태와 적용으로 텍스트와 이미지를 이해하고 렌더링하는 컴퓨터 능력이 크게 향상되었습니다.
• 빅 데이터: 이 시점까지 인터넷은 수십억 명의 사용자가 모델이 학습할 수 있는 헤아릴 수 없는 양의 콘텐츠를 생성할 수 있을 만큼 오랫동안 존재해 왔습니다.
• 클라우드 컴퓨팅: Amazon, Google, Microsoft 등의 주문형 플랫폼을 사용하면 AI 모델 개발에 필요한 컴퓨팅 성능을 훨씬 더 쉽게 얻을 수 있습니다.

이 기간 동안 새로 탄생했거나 근본적으로 점검된 혁신에는 Google 번역, Siri와 같은 가상 비서, Netflix 및 Spotify와 같은 서비스의 추천 엔진이 포함되며, 의료, 제조, 심지어 국방을 포함한 분야에 중요하지만 가시적이지 않은 많은 영향은 말할 것도 없습니다. .

그렇다면 생성 AI가 등장한 후 AI에 대한 열광이 왜 몇 단계나 높아졌습니까? 가장 큰 차이점은 ChatGPT 및 DALL-E와 같은 모델이 특정 도메인으로 제한되지 않고 거의 모든 입력을 해석하고 응답할 수 있다는 것입니다. 이는 인터넷 연결이 있는 사람이라면 누구나 특별한 교육 없이도 AI 모델과 직접 상호 작용할 수 있으며, 처음부터 새 모델을 구축하는 것보다 AI를 특정 용도에 훨씬 빠르게 적용할 수 있음을 의미합니다.

미래: AGI와 ASI

모든 기능에도 불구하고 오늘날 우리가 보는 것은협소하거나약한 AI로 알려져 있습니다.이는 인간 지능의 전체 범위가 아닌 일부를 포괄하는 기술을 의미합니다. 우리 두뇌의 능력과 동등한 기계를강력한 AI, 즉인공일반지능(AGI)이라고 부릅니다. AI가 인간 지능을 능가하면 이를 인공 초지능(ASI)이라고 합니다.

우리는 AGI에서 얼마나 멀리 떨어져 있나요? 누구나 추측할 수 있습니다. 해당 분야에 깊이 관여한 사람들조차도 혁신의 속도를 계속해서 잘못 평가해 왔습니다.

AI의 응용과 예시

이는 오늘날 AI가 실제 응용 프로그램에 나타나는 다양한 방식 중 일부에 불과합니다.

인간이 더 나은 일을 할 수 있도록 돕습니다.우리는 Grammarly가 훌륭한 예라고 생각합니다. 아이디어, 말하려는 내용에 대한 감각, 청중에 대한 지식이 있습니다. 우리는 메시지를 더 명확하게 만들고 메시지가 잘 받아들여질 가능성을 높이는 방법을 제안합니다. Grammarly가 생성 AI를 사용하여 의사소통을 개선하는 방법에 대해 자세히 알아보세요.

장애가 있는 사람들을 지원합니다.음성을 텍스트로, 텍스트를 음성으로 변환하는 기술은 청각이나 시각과 같은 감각 장애가 있는 사람들을 위한 획기적인 기술입니다. 이전에는 접근할 수 없었던 라이브 및 녹음된 콘텐츠를 받아들일 수 있으므로 누군가의 눈이나 귀 역할에 의존하지 않고도 세상의 풍요로움에 훨씬 더 많이 참여할 수 있습니다.

자율 시스템.AI는 인지와 예측을 결합하여 자율 주행 자동차부터 비가 올 때 작동하지 않는 스프링클러 시스템에 이르기까지 많은 일을 보다 효율적이고 안전하게 수행할 수 있습니다. 구글이 설립한 자율주행차 회사인 웨이모(Waymo)는 인간이 같은 거리를 운전했을 때보다 충돌사고 부상률이 약 85% 적다고 보고했습니다.

권장 사항.AI 모델은 사용자 행동과 인구통계를 분석하여 다음 TV 프로그램이나 시도해 보고 싶은 탄산수의 유형 등에 대해 고도로 지식을 바탕으로 추측합니다.

시청각 처리.예를 들어 가상 비서의 음성 인식, 번호판 사진 처리를 기반으로 한 자동 통행료 징수, 녹음 또는 스트림에서 시각적 및 오디오 소음 필터링 등이 있습니다.

엣지 AI.이는 AI의 힘을 데이터센터가 아닌 실제 세계의 장치에 직접 적용하는 것입니다. 이는 빠르고 저에너지 처리를 위해 특정 작업에 레이저 초점을 맞추는 경향이 있습니다. 예를 들면 iPhone의 Face ID와 스마트 온도 조절기가 있습니다.

AI의 장점과 장점

대규모 처리.실제 사람이 모든 신용 카드 거래의 사기 여부를 평가하거나 IRS에 우편으로 발송된 모든 세금 양식의 모든 숫자를 입력해야 한다고 상상해 보십시오. AI는 사람보다 훨씬 더 빠르고 더 잘 판단하거나 분류할 수 있습니다.

패턴 감지 및 예측.AI는 암을 탐지하는 능력에서 인간을 능가하기 시작했습니다. 어떤 경우에는 전문가를 13% 앞섰습니다. 또한 데이터베이스의 결함 감지와 같이 사물이 인식된 패턴에서 벗어나는 경우를 감지하는 데에도 매우 좋습니다. 이러한 패턴 발견 능력으로 인해 AI는 일기 예보부터 주식 시장 동향까지 예측에 특히 유용합니다.

새로운 통찰력.최초의 모델부터 AI는 인간이 해내지 못한 모든 종류의 문제에 대한 답변과 접근 방식을 제시했습니다. 현대의 사례는 신발 디자인부터 새로운 물리 법칙까지 다양합니다.

가속 의학.코로나19 백신부터 알츠하이머병 탐지에 이르기까지 AI는 연구자들이 진단과 치료법을 더 빠르게 개발하는 데 도움을 주고 있습니다.

각성.AI는 결코 피곤하지 않습니다. 적절하게 설계되고 충분한 전기 및 처리 능력이 제공된다면 대량의 데이터를 지속적으로 모니터링할 수 있습니다. 이는 자율주행차의 충돌률을 낮추는 주요 원인입니다.

AI의 단점과 한계

환각.생성 AI는 물건을 만들 수 있습니다. 이 모델들이 말하는 것 중 상당 부분이 그럴듯하기 때문에 많은 사람들은 그것을 다시 확인하려고 생각하지 않습니다. 이 문제의 최근 사례 중 하나는 전직 변호사인 Michael Cohen이 당시 Bard(현재 Gemini)로 알려진 Google의 생성 AI에 의해 완전히 조작된 법적 사건에 대한 인용문을 자신의 변호사에게 보냈을 때 발생했습니다.

딥페이크.환각은 우연적인 것이지만 딥페이크는 의도적인 것입니다. 악의적인 행위자(또는 더 순진하게 장난꾸러기)는 생성 AI를 사용하여 많은 사람들이 차이를 구분할 수 없을 정도로 현실에 너무 가깝게 나타나는 이미지, 비디오, 오디오 또는 텍스트를 만들 수 있습니다.

인간의 직업과의 경쟁.글쓰기 및 고객 서비스와 같은 역할을 맡은 많은 사람들은 생성 AI를 실제 위협으로 보고 있습니다. 포춘(Fortune)은 AI로 인해 수천 개의 일자리가 사라졌다고 보고했는데, 이는 “확실히 과소계산”이라고 명시적으로 밝혔습니다.

왜 특정한 결론에 이르렀는지 알 수 없습니다.신경망을 사용하면 특정 출력을 제공하는 이유와 방법을 정확히 알 수 없습니다. 예를 들어 훈련 코퍼스의 특정 부분으로 직접 추적할 수 없습니다. 의료, 금융 등 규제가 엄격한 산업에서 일부 AI는 부분적으로 또는 전체적으로 인간이 평가할 수 있는 규칙 기반 알고리즘으로 구축됩니다.

에너지 소비.직접적으로 측정하기는 어렵지만, 한 연구에 따르면 DALL-E를 사용하여 단일 이미지를 생성하는 것은 스마트폰 충전 주기와 거의 동일한 양의 에너지를 사용하므로 시간이 지남에 따라 상당히 증가할 수 있습니다.

결론

AI는 오래됐지만 매우 최근의 것입니다. 이 분야가 거의 70년 동안 존재해 왔지만, 우리 중 많은 사람이 그 힘과 잠재력을 예리하게 인식하게 된 것은 불과 지난 10년, 특히 ​​지난 몇 년 동안입니다. 신경망, 딥 러닝, 자연어 처리, 생성 AI와 같은 혁신 덕분에 얼마 전까지만 해도 공상 과학 소설처럼 들리던 도구가 이제는 쉽게 이용 가능해졌으며 세상에 큰 변화를 가져오고 있습니다. 지금 당장 직접 체험해 보고 싶으신가요? Grammarly에 가입하고 AI가 어떻게 작동하는지 알아보세요.