인공지능의 발전과정, 머신러닝과 딥러닝의 이해

초기 인공지능의 등장과 한계

1956년 다트머스대학교에서 개최한 학술회의에서 존 매커시가 인공지능이라는 용어를 처음 사용하게 되었으며 인간의 두뇌 속 뉴런 구조를 본떠 만든 인공 신경망이 등장하였다. 처음 도입된 인공 신경망의 모델은 퍼셉트론으로 인간의 두뇌와 같이 서로 연결된 뉴런을 통해 정보를 처리하는 방식과 비슷하게 설계된 인공 신경망이다. 하지만 당시 퍼셉트론의 연산능력의 한계가 심했고 실질적으로 활용할 수가 없어 사람들의 관심도 점점 사라졌다.

 

그 이후의 인공지능에서는 규칙기반 인공지능(rule-based AI)이 대세가 되었다. 규칙 기반 모델은 문제를 해결하기 위한 절차나 방법을 미리 규칙으로 입력하여 결론을 이끌어 내는 인공지능이다. 대표적으로 If-Then 규칙을 사용하는데 ‘만약 ~ 이라면, ~이다’라는 조건문을 미리 입력하는 것이다. 만약 화살표가 왼쪽으로 알려주면 왼쪽으로 이동하고, 오른쪽으로 알려주면 오른쪽으로 이동하도록 컴퓨터가 알 수 있도록 프로그래밍 한다. 하지만 규칙기반 인공지능은 정확하게 작동했지만 컴퓨터가 스스로 규칙을 만들지 못하고 인간이 일일이 규칙을 입력해야하므로 모든 규칙을 다 입력하는 것은 불가능하다는 한계에 부딪혀 사람들은 실망하게 된다.

 

스스로 규칙을 찾아내는 머신러닝 발전

1980년대에 들어 학습기반 인공지능(learning based AI)으로 기계가 스스로 학습하는 방식인 머신러닝이 활용되었다. 머신러닝은 데이터와 정답을 컴퓨터에 입력하면 컴퓨터가 스스로 규칙을 찾는다. 게다가 데이터를 이용해 변칙까지도 찾을 수 있어 사람이 찾을 수 없는 규칙도 찾을 수 있게 되었다. 하지만 머신러닝이 처음 등장했을 때는 충분한 데이터와 시스템을 갖추고 있지 않아 속도가 지금처럼 빠르지 않았다. 2000년대 들어와서 인터넷의 발달과 컴퓨터 시스템의 발전으로 인공지능 연구가 다시 활성화 되었다.

 

현대 인공지능 기술의 핵심인 딥러닝 등장

알고리즘의 발전으로 만들어진 딥러닝은 머신러닝의 기술 종류 중 하나로 머신러닝처럼 데이터와 정답을 입력하여 스스로 규칙을 찾는다. 하지만 딥러닝은 기존 머신러닝보다 인공 신경망 안에 있는 인공 뉴런들이 층층이 쌓고 연결되어 있어 훨씬 더 많은 데이터를 다루고 풍부한 규칙을 만들 수 있게 된다. 딥러닝이 작동하는 원리는 처음에 데이터를 입력하여 결과물을 1차적으로 확인하고 정답에 가깝게 다시 데이터를 수정하여 입력한다. 이 과정을 자동으로 작동시켜 원하는 결과를 얻으면 학습이 끝난다.

 

구글의 딥마인드에서 개발한 머신러닝 기반 바둑 프로그램인 알파고는 한국 최고 바둑기사인 이세돌을 꺾었다. 컴퓨터가 인간보다 바둑을 잘 두는 세상이 왔다. 미래에는 컴퓨터가 인간을 능가하여 자율주행과 같이 인간이 직접 행동하지 않는 세상이 머지않아 곧 올 것이다. 인공지능을 미리 공부하고 앞으로 잘 활용 할 수 있도록 해야 한다.