인공지능의 역사
인공지능이라는 것은 어디서 부터 시작되었을까요?
이를 알기위해 1950년으로 거슬러 올라가야 합니다.
그리고 아래 논문을 자세히 봐주시길 바랍니다.
위 논문을 자세히 보면 첫번째 줄에
'Can Machine Think ? ' 라는 내용이 나와있습니다.
1950년 앨런튜링이라는 영국 수학자가 발행한 논문입니다.
앨런튜링에 대해 간단하게 이야기하자면
2차세계대전 독일의 전쟁 암호를 풀어 독일로부터 영국을 구한 영웅으로 불리우고 있습니다.
그래서 영국의 최고액 화폐에서도 볼 수 있습니다.
이렇게 인공지능의 공식적인 개념은 앨런튜링이라는 수학자의
논문에서 처음 개제되었습니다.
인공지능이라는 것을 설명할 때 '지능' 이라는 것이 무엇인지를 설명하고 정의해야하는데
해당 정의를 앨런튜링은 '튜링 테스트'로 정의하고자 했습니다.
'튜링 테스트'를 위키백과에 검색해보면
인간의 것과 동등하거나 구별할 수 없는 지능적인 행동을 보여주는 기계의 능력에 대한 테스트로
예를 들어보자면
평가자라는 사람을 한명 두고 컴퓨터 채팅으로 대화를 할 때 대화상대가
컴퓨터인지 사람인지 구분할 수 없을 때 튜링 테스트에 합격 했다고 볼 수 있습니다.
위는 가장 기초적인 튜링 테스트라고 할 수 있습니다.
이후 1956년 다트머스 대학 '존 매카시' 라는 교수가 인공지능에 대한 연구를 시작해보자는 의미에서
다른 과학자들에게 제안서를 보내게 되었는데 해당 제안서에서
AI ( Aritical Intelligence ) 즉, 인공지능 이라는 단어가 처음으로 나오게 되었습니다.
아래 사진은 존 매카시가 보낸 제안서와 이를 수락한 과학자들의 사진입니다.
그렇게 인공지능에 대한 연구가 시작되었습니다.
하지만 인공지능에 대한 발전이 쉽게 진행되지는 않았습니다.
아래는 인공지능의 발전 과정에 대한 그림입니다.
출처 : 과학기술정보통신부
위 이미지를 보면 1956년 이후 부터 2010년 이전까지 1차 암흑기, 2차 암흑기가 있었던 것을 확인할 수 있습니다.
암흑기에서는 어떤 문제 때문에 AI가 크게 발전하지 못 했을까요?
( 딥러닝에 관한 사실을 주로 다뤘습니다. )
크게 3가지로 분류할 수 있습니다.
- 하드웨어의 한계
- 알고리즘의 한계
- 데이터 부족
사실 3가지가 모두 맞물려서 발전하지 못했다고 볼 수 있습니다.
인공지능이 동작하기 위해서는
엄청나게 많은 데이터를 빠르게 계산해야 하는데
해당시기의 하드웨어 에서는 빠른 계산과 빅데이터 수집이 불가능 했습니다.
그러다 World Wide Web 이라는 인터넷의 발전
즉, 웹의 발전으로 인해 데이터의 수가 폭발적으로 증가하게 되어 빅데이터 수집이 가능하게 되었고
컴퓨팅 파워가 발전함에 따라 그리고 GPU라는 병렬 연산처리장치가 나오게 되면서 그 발전이 더욱 가속화 되었습니다.
그리고 암흑기의 시기에서는 '모라벡의 역설' 과 '상식의 저주' 라는 난관에 봉착하여 발전이 더뎌졌습니다.
모라벡의 역설이란?
인간은 걷거나 보는 감각적인 일은 잘 해내는 반면, 계산과 같은 추상적인 사고는 힘듭니다.
반면 인공지능 로봇은 인간이 하는 일상적인 행위를 수행하기 매우 어렵지만 수학적 계산, 논리 분석 등은 빠르게 해결할 수 있습니다. 이것이 ‘어려운 일은 쉽고, 쉬운 일은 어렵다.’라는 것이 모라벡의 역설입니다.
상식의 저주란?
사람에게는 2개의 팔과 다리가 있고 집에는 창문과 문이 있다 등의 사람에게는 아주 기본적인 상식이
기계나 로봇에게는 없다는 것 입니다.
이러한 문제는 다양한 상황과 환경의 복잡한 현실 문제를 해결할 수 없고, 인간의 지능을 인공지능 로봇이 그대로 실현하게 하는 것이 엄청나게 어렵다는 것을 드러냈습니다. 이러한 어려움을 느끼며 인공지능 연구의 암흑기가 도래한 것 입니다.
하지만 위 표에서도 알 수 있듯이 암흑기 이후 컴퓨터와 기계에 지식을 넣는 넣으면 괜찮아지지 않을까? 라는
생각을 기반으로 만들어 낸 머신러닝과 딥러닝의 등장으로
인공지능의 엄청난 발전이 이루어졌고 지금도 빠르게 이루어지고 있는 것을 알 수 있습니다.
인공지능의 종류
인공지능의 종류에 대해서 간단하게는 이 전 글에서 알아보았는데
이를 조금 더 자세히 알아보고자 합니다.
인공지능 회사를 조금 분석하다보면 인공지능 AI, 머신러닝, 딥러닝 ... 에대한 설명이 자주 보이는데 위 단어에 대한 정확한 이해가 안되면 투자가 어렵다고 생각했기 때문에 해당 단어들을 정확하게 다시 정리해보았습니다.
인공지능의 큰 분류에는
1. 약한 인공지능
2. 강한 인공지능
위 두가지 종류가 존재합니다.
위 두가지에대한 설명은 아래 블로그에 자세하게 나와있습니다.
https://samstory.coolschool.co.kr/zone/story/modi/streams/75955
[인공지능의 분류] 강한 인공지능과 약한 인공지능
교단일기, 수업자료, SW교육, 학급경영, 교육이슈!보통 선생님들의 특별한 이야기
samstory.coolschool.co.kr
위를 간단하게 요약해보면
약한 인공지능
지금까지 인간이 만들어낸 수준의 인공지능을 이야기 합니다.
유용한 도구로써 설계된 인공지능이라고 할 수 있습니다.
강한 인공지능
인간의 지능과 같은정도의 인공지능이라고 이야기합니다.
한마디로 인간을 완벽하게 모방한 인공지능이라고 할 수 있습니다.
그리고 인공지능을 만드는 방법에 많은 종류가 있는데
그 중 가장 많이 사용되고 있는 방법에는 '머신러닝' 이라는 방법이 가장 대표적이고 포괄적입니다.
그리고 이 '머신러닝' 이라는 방법 속에도 다양한 방법들이 존재합니다.
머신러닝 Data와 Answer을 같이 주게되면 Program이 나오게되는 방식을 의미하는데
이는 인공지능을 만들 때 수많은 데이터를 사용하여 기계가 스스로 학습하는 방법을 통칭합니다.
머신러닝의 종류
1. Supervised Learning ( 지도 학습 )
- 결과 ( 라벨, 클래스 ) 을 갖고 있는 데이터를 컴퓨터에 제공함으로써 학습시키는 것
가중치( Weight ) 를 뽑아내는 것
예를들어 음악 추천 시스템을 들 수 있는데 해당 음악이 어떤 종류의 음악인지를 제공해주고 학습시킴으로써
사용자가 어떤 음악을 좋아하는지에 대한 패턴이 인식되면 해당 음악을 추천해주는 것
2. UnSupervised Learning ( 비지도 학습 )
- 결과 ( 라벨, 클래스 ) 을 갖고 있지 않은 데이터를 컴퓨터에 제공함으로써 결과를 스스로 분류할 수 있도록
학습시키는 것
3. Reinforcement Learning ( 강화 학습 )
- 인공지능이 시행착오를 겪으며 학습하게 되는 것.
목표에 가까운 결과를 도출해내면 보상을 주거나 목표와 거리가 먼 결과를 도출해내면 벌을 주는등의
보상 기반 인공지능 학습 방법.
4. 딥러닝
- 딥러닝은 위 학습 종류에따른 분류는 아니지만 가장 많이 사용되고 있는 방법으로 설명이 필요할 것 같아
아래에 다시 자세하게 설명을 적어놨습니다.
딥러닝은 여러종류의 알고리즘을 포함하고 있습니다.
1) DNN ( 심층 신경망 )
2) CNN ( 합성곱 신경망 )
인간의 시신경 구조를 모방하여 추출과 분류의 기능이 특화되어 있고 문장분류나 얼굴인식 등에 잘 사용되는
알고리즘
3) RNN ( 순환 신경망 )
반복적으로 순차적인 데이터 학습에 특화되어 음성인식이나 번역분야 등에 잘 사용되는 알고리즘
4) RBM ( 제한 볼츠만 머신 )
5) DBN ( 심층 신뢰 신경망 )
6) GAN ( Generative Adversairal Networks )
최근 고안된 가장 관심을 받고 있는 알고리즘으로 자세한 설명은 아래 링크에 나와있습니다.
간단하게 말하면 두개의 딥러닝 모델이 서로 대결하며 학습하는 방법이라고 할 수 있습니다.
https://www.samsungsds.com/kr/insights/generative-adversarial-network-ai-2.html
[외부기고] [새로운 인공지능 기술 GAN] ② GAN의 개념과 이해
비지도학습 GAN(Generative Adversarial Networks)의 개념에 대해 쉽게 설명한 글입니다. 새로운 인공지능(AI) 기술 GAN에 대한 궁금증을 해결해 보세요.
www.samsungsds.com
인공지능 활용 사례
어디에서 주로 활용되고있는지에 대한 분석이 진행되어야
어떤 분야에 투자해야할지에 대한 감이 잡힐 것으로 판단되어
인공지능 활용 사례를 알아보려 합니다.
인공지능의 활용 사례는 아래 유투브를 참고하여 분석하였습니다.
- 교육분야에서의 AI 기술 적용 사례
- 콴다
OCR ( 문자 인식 기술 ) 을 기반으로 하여 수학문제 문자, 수식, 그림등을 파악하고
비정형 데이터나 손글씨도 글자로 인식하여
축척된 데이터를 베이스로 해답을 정확하게 제공하고 있음.
2. 생활분야에서의 AI 기술 적용 사례
- 화웨이
1) AI와 증강현실을 활용해 청각 장애 아동들이 수화로 글을 번역해 읽는 것을 돕거나
2) 트랙아이라는 어플을 활용해 어린이들의 시각 장애를 확인할 수 있는 간편하고 저렴한 장치 개발하여
장애로 인한 실명이 발생하기 전 미리 예측하고 진단하여 예상
3) 페이싱 이모션을 개발하여 감정을 짧고 간단한 소리로 번역시켜 주는데
이로 시각장애인이 대화중인 사람의 감정을 소리로 들을 수 있도록 돕고 있습니다.
- 아마존 고
1) 영상 분석 및 무게 인식등을 총합적으로 분석하고 관리하는 인공지능 활용사례
- OCR을 활용하여 금융, 보험, 법률과 같은 분야처럼 대량의 문서를 취급해야 하는 업종을 포함한
비지니스에서 엄청나게 활용되고 있습니다.
3. 자연어 처리 기술
- 컴퓨터가 사람의 말을 알아들을 수 있도록 하는 기반을 자연어 처리 기술이라고 합니다.
( Natural Language Processing , NLP )
4. 음성 인식 기술
5. 자율 주행 기술 ( 영상 분석 기술 )
6. 스마트팜 ( 환경 분석 ) 기술
7. 의료
8. 영화 / 영상 기술 ( 마케팅 분석 기술 )
- 레전더리 영화사 영화 수요 예측
레전더리 영화사에서는 블랙코드라는 영화를 제작하고 마케팅을 시작하기 전 대중들의 SNS를
텍스트 마이닝 기법으로 분석하였고 크게 실패할 것이라는 분석결과를 얻게 되었습니다.
따라서 영화사에서는 마케팅 비용을 엄청나게 줄이게 되었고 예산을 아끼게 될 수 있었다고 합니다.
이상 위와 같은 활용 사례들을 볼 수 있는데
구글에 인공지능 활용 사례들을 더 검색해보면 엄청나게 다양한 분야에서 인공지능이 활용되고있는 것을 알 수 있었습니다.
따라서 인공지능을 어떠한 분야에서도 적용시킬 수 있을 것으로 보이기 때문에
이런 종류의 활용사례들을 찾아보는 것은 인공지능 기업분석에 큰 의미가 있을 것 같지는 않았다는 생각을
이번 분석때 느낄 수 있었습니다.
그럼 다른 방식으로 분석을 진행해야 할 것으로 생각이 되는데
활용 사례에 따른 인공지능 분석보다는 상장되어있는 인공지능 기업들을 다량으로 얕게 분석하여
어떤 방식으로 인공지능을 활용하고 있는지
또는 인공지능을 어떻게 만들고 있고 어떻게 활용할 것인지에 대한 분석이 먼저일 것으로 보입니다.
'Investment > 투자분석' 카테고리의 다른 글
| 크록스 분석 (1) (0) | 2022.11.22 |
|---|---|
| 빅데이터 산업 분석 (0) | 2022.10.02 |
| 인공지능과 빅데이터 분석 ( 나노디멘션 동향 ) (2) | 2022.09.24 |
| 나노디멘션 실적발표 (0) | 2022.09.04 |
| 나노디멘션과 다른3D프린팅 업체의 차이 분석 (1) | 2022.08.29 |