AI 넌 누구냐?

@ME

뭐! 다 설명하면 느므느므 길고 나도 이해못하는 부분이 많겠다. 간략하게 이정도만 이해하고 있어도 좋을듯해서 정리해본다.

 

인공지능(AI, Artificial Intelligence)

인간의 학습, 추론, 지각, 판단, 언어 이해 등 지적 능력을 컴퓨터 프로그램과 전자적 방법으로 구현한 기술입니다. 정해진 규칙대로만 작동하는 일반 컴퓨터와 달리, AI는 방대한 데이터를 바탕으로 스스로 학습하고 새로운 상황을 판단할 수 있습니다

 

💡 핵심 구현 기능

• 학습(Learning): 대량의 데이터에서 패턴을 발견하고 스스로 지식을 습득함.
• 추론(Reasoning): 알고 있는 정보를 바탕으로 논리적인 결론을 도출함.
• 지각(Perception): 이미지, 음성, 텍스트 등을 분석하여 주변 환경을 인식함.

AI의 핵심 작동 원리인

머신러닝(기계학습)과 딥러닝(심층학습)의 개념을 알기 쉽게 정리해 드립니다.

쉽게 비유하자면 AI라는 큰 틀 안에 머신러닝이 포함되어 있고,

머신러닝의 방법 중 하나가 바로 딥러닝입니다.

 

머신러닝 (Machine Learning)

• 정의: 인간이 규칙을 직접 코딩하지 않고, 컴퓨터가 데이터를 기반으로 학습해 스스로 규칙을 찾아내도록 하는 기술입니다.
• 특징: 데이터에서 어떤 특징(Feature)을 분석해야 하는지 인간이 직접 가이드라인을 제공해야 합니다.
• 예시: 메일의 단어들을 분석해 스팸 메일을 분류할 때, '광고', '대출' 등의 키워드를 인간이 기준 정보로 지정해 줍니다.

 

딥러닝 (Deep Learning)

• 정의: 머신러닝의 한 종류로, 인간의 뇌 신경망을 모방한 인공신경망(Artificial Neural Network)을 사용하여 컴퓨터가 스스로 학습하는 기술입니다.
• 특징: 인간의 개입 없이, 컴퓨터가 데이터에서 스스로 특징을 찾아내고 학습합니다. 영상 인식, 음성 인식, 자연어 처리에 매우 탁월합니다.
• 예시: 고양이 사진을 보여주면 인간이 '귀 모양', '수염'을 가르쳐주지 않아도 AI가 수만 장의 고양이 사진을 보며 스스로 '고양이의 특징'을 정의하고 찾아냅니다.

 

🛠️ 3대 학습 방식 (데이터를 배우는 방법)

AI가 데이터를 공부하는 방법은 목적에 따라 크게 세 가지로 나뉩니다.

• 지도 학습 (Supervised Learning): 문제(데이터)와 정답(라벨)을 함께 주고 학습시키는 방법입니다. (예: 사진과 함께 '이것은 고양이'라고 알려주어 분류 모델 만들기)
• 비지도 학습 (Unsupervised Learning): 정답 없이 문제만 주고 학습시키는 방법입니다. AI 스스로 데이터의 유사성과 패턴을 찾아 그룹을 묶습니다. (예: 고객 소비 패턴별 데이터 군집화)
• 강화 학습 (Reinforcement Learning): 정답 대신 행동에 따른 보상(Reward)과 벌칙을 주며 최적의 행동 양식을 학습시키는 방법입니다. (예: 알파고의 바둑 학습, 자율주행차의 주행 경로 탐색)

머신러닝과 딥러닝 기술이 적용된 자율주행, 챗GPT, 의료 진단의 구체적인 일상 속 활용 사례입니다.

 

🚗 1. 자율주행 (강화학습 및 딥러닝)

자율주행차는 도로 위를 달리는 인공지능 로봇과 같습니다. 인간의 눈과 뇌의 역할을 AI 기술이 대신합니다.

• 사물 인식 (컴퓨터 비전): 자동차에 장착된 카메라와 라이다(LiDAR) 센서가 보행자, 신호등, 주변 차량을 실시간으로 감지합니다. 딥러닝을 통해 수백만 장의 도로 사진을 학습했기 때문에 밤이나 비 오는 날에도 사물을 정확히 구별합니다.
• 경로 예측 및 판단: 주변 차량의 움직임을 바탕으로 "저 차가 곧 차선을 변경하겠구나"라는 예측을 머신러닝 모델이 계산합니다
• 최적의 운전 학습 (강화학습): 사고를 내지 않고 목적지까지 안전하게 도착할 때마다 AI 시스템에 '보상'을 주는 방식으로 주행 능력을 진화시킵니다.

💬 2. 챗GPT (대규모 언어 모델 - LLM)
챗GPT는 전 세계 웹에 있는 수조 개의 문장 데이터를 딥러닝(트랜스포머 아키텍처)으로 학습한 인공지능입니다.

• 인간 언어의 맥락 이해: 단어와 단어 사이의 관계를 확률적으로 계산하여 다음 문장에 올 가장 자연스러운 단어를 찾아냅니다. 단순히 기계적인 답변이 아니라 앞서 나눈 대화의 맥락을 기억하고 답변합니다.
• 일상 속 활용: 이메일 초안 작성, 프로그래밍 코드 오류 수정, 외국어 회화 연습, 방대한 논문 요약 등 인간의 비서 역할을 수행합니다.
• 인간 피드백 기반 학습 (RLHF): 인간 검수자들이 "이 답변이 더 자연스럽고 유익해"라고 평가한 데이터를 추가로 학습하여(강화학습), 더 윤리적이고 인간다운 답변을 하도록 보완되었습니다.

🩺 3. 의료 진단 (이미지 인식 딥러닝)
의료 분야에서 AI는 의사의 판단을 돕는 최고의 조력자(AI Assistant)로 활약하고 있습니다. 

• 영상 의학 판독: 엑스레이(X-ray), CT, MRI 사진을 AI가 몇 초 만에 분석합니다. 의사가 놓칠 수 있는 미세한 크기의 암세포나 초기 폐렴 병변을 95% 이상의 높은 정확도로 찾아냅니다.
• 안과 질환 선별: 실명을 유발할 수 있는 당뇨망막병증 같은 질환을 환자의 안구 사진만으로 조기에 진단합니다.
• 신약 개발 기간 단축: 수억 개의 화학 물질 조합 중 질병 치료에 효과가 있을 만한 후보 물질을 딥러닝 시뮬레이션으로 미리 예측하여, 보통 10년 이상 걸리는 신약 개발 기간을 수개월로 단축시키고 있습니다.