AI (인공지능, Artificial Intelligence)

AI (인공지능, Artificial Intelligence)
: 인간의 지적능력을 전자적 방법으로 구현하는 과학 기술

General AI VS Narrow AI

General AI(Strong AI)

: 인간의 행동을 완벽하게 모방한 인공지능으로, 인간이 하는 행동을 할 수 있고 더 뛰어난 능력을 갖고 있는 AI

  (흔히 마블시리즈에 나오는 자비스 같은 인공지능을 떠올리면 된다.)

Narrow AI(Weak AI)

: 유용한 도구로써 만들어진 인공지능으로, 현재 대부분의 인공지능 산업은 Narrow AI
- 기존에 인간은 쉽게 해결할 수 있으나, 컴퓨터로 처리하기에는 어려웠던 각종 문제를 컴퓨터로 수행하게 만드는 데 중점

- 막연한 인간 지능을 목표로 하기 보다는 현실적이고 실용적인 목표를 갖고 개발되는 인공지능

  (얼굴인식, 음성인식, 자율주행, 챗봇 등은 모두 특정 task를 잘 수행하기 위한 도구로써 존재함)

AI를 어떻게 가르칠 것인가?
: Machine Learning의 등장

Machine Learning (기계학습)이란?

"A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E" - Tom M. Mitchell

: 어떠한 작업 T에 대해 꾸준한 경험 E를 통하여 그 T에 대한 성능 P를 높이는 것,
즉수많은 데이터를 분석하고 학습한 후 해당 정보를 바탕으로 특정 작업을 수행하도록 하는 알고리즘

학습의 종류

1) Supervised Learning(지도 학습)

: 각각의 입력 값에 레이블을 달아 놓은 데이터를 컴퓨터가 학습하는 것
ex. 음악 추천 AI: 유저가 좋아하는 음악을 미리 레이블 해놓으면, 레이블을 토대로 유저의 취향을 학습하고 통해 추천

- 이 경우, 인간이 데이터를 일일이 레이블해놓아야 하기 때문에 데이터가 많아질수록 비효율적

 

2) Unsupervised Learning(비지도 학습)

: 레이블 되어 있지 않은 데이터에 대해 컴퓨터가 스스로 학습하는 것

Machine Learning을 어떻게 시킬 것인가?
: Deep Learning의 등장

Deep Learning (심층학습)이란?

: 기계학습의 기술 종류 중 하나인 인공신경망을 수많은 계층 형태로 연결한 기법
-인간 뉴런의 시냅스처럼, 인공 뉴런이 학습을 통해 시냅스 결합 세기를 변화 시켜 문제 해결 능력을 키우는 것

- 컴퓨터가 패턴을 찾아 스스로 학습하는 것으로, 현재 가장 많은 기업에서 사용하고 있는 기술

GAN (Generative Adversarial Networks)

: Generator(생성자)와 Discriminator(판별자) 두 개의 인공 지능 모델이 동시에 적대적인 과정으로 학습하는 것

- 생성자가 계속해서 그럴듯한 가짜 데이터를 만들어내고, 판별자는 계속해서 데이터의 진위 여부를 판별해내면서 서로 반복 학습

예시1 - 구글 딥마인드 Nowcasting
- 오늘날 날씨 예측은 Numeric Weather Prediction(NWP) 수치예보방식을 통해 이루어짐
- 이 방식은 날씨에 영향을 미치는 여러 요소들을 수학적 통계 방식에 따라 확률 적으로 예측하는 것
- 이 경우, 2시간 이내의 강수량에 대한 예측을 하는데 어려움이 있음
- Nowcasting은 생성자가 과거 레이더 기반으로 그럴싸한 미래 레이더 영상을 만들어내
   판별자가 강수량을 예측하고 이를 반복하는 형태로 학습이 일어남
- 이를 통해 Nowcasting의 생성자는 현재 데이터를 기반으로 가장 그럴듯한 기상레이더 영상을 만들어내
   2시간 내의 강수량을 예측하는데 정확성을 높일 수 있었음

예시2- 워싱턴 대학교 딥페이크로 만든 오바마 영상
- 오바마의 연설 영상들로부터 음성을 따고, 이 음성에 맞는 입 모양을 만드는 학습을 통해 가짜 영상을 만들어냄
- 기본적으로 이런 가짜이미지, 가짜영상들은 이미지를 만들어내는 생성자와 이의 진위여부를 판별하는 판별자에 의해
  더욱 더 진짜 같은 이미지를 만듦

인공지능은 미래를 어떻게 바꾸고 있나?

- 페이스북의 얼굴인식, 시리 등과 같은 음성인식을 통한 AI 비서, 유튜브의 영상 추천 기능 등
  이미 생활 곳곳에 다양한 AI 기술들이 인간의 삶을 더 나은 방향으로 바꿔주고 있다.

예시1 - Github Copilot
- 인터넷에 공개되어 있는 모든 Public code를 서버에 저장하고, 이 데이터를 토대로 AI 훈련을 시켜
   사용자가 원하는 아웃풋을 입력하면, 자동으로 AI가 코드를 작성해 줌

예시2 - Seaso
- 하드웨어 없이 사용자의 시선을 추적하고 이를 좌표 값으로 계산해 제공하는 AI 기반 시선 추적 소프트웨어
- 대표적으로 교육분야에서 수강생의 집중도 및 학습 패턴을 파악하여 학습 상태 개선을 위한 서비스를 제공하는 등에 활용

인공지능이 풀어야 할 숙제는?

1. 개인의 자유와 사생활 권리 침해

- 중국 정부는 사회신용시스템이라 불리는 체계 내에서 안면인식 기술을 활용 개인의 위치와 상태를 실시간 감시하고 있음

- 온라인에서는 딥페이크 기술을 활용하여, 포르노에 연예인이나 지인 얼굴을 합성하여 불법으로 유포하기도 함

2. 지적 재산권 문제

- Github Copilot은 개인/기업에서 공개한 무료 코드를 통해 학습하였으나, 서비스 제공은 유료로 진행함
   특히 GPL 라이센스가 있는 코드들도 무작위로 사용하여 재산권 침해 논란이 있음

- 인공지능으로 만든 이미지 등에 대한 저작권이 누구에게 있는지도 논란
   ex. 인공지능 프로그램을 구동한 사람의 권리? 인공지능을 제작한 사람의 권리? 인공지능 자체의 권리?

3. 인공지능으로 인한 법적 이슈 발생시 책임소재 불분명

- 2021년 발생한 <이루다> 사건처럼, 인공지능이 성희롱적인 발언을 하거나 인공지능을 향해 성희롱적 발언을 할 경우
  챗봇인 <이루다>를 처벌하거나 <이루다>를 향해 성희롱적 발언을 한 유저를 처벌할 수 있는 법적 근거가 없음

- 자율주행 자동차가 운행 중 장애물을 발견해 인도를 덮쳐 인명피해가 난다면 누구에게 보상을 청구해야 하는지 불분명

인공지능이 나아가야 할 방향

https://www.bokjitimes.com/news/articleView.html?idxno=31179