인공지능과 머신 러닝의 관계, 인공지능과 윤리

인공지능은 지난 포스팅에서 설명한 바와 같이 다양한 정의가 있습니다. 

그 중 하나의 정의는

인공 지능이란 다양한 환경에서 복잡한 문제를 해결하는 능력을 인공적으로 재현한 기술

이라는 것입니다.

인공지능이 가장 넓은 개념이고 인공지능을 구현하는 방법 중 중요한 방법이 바로

기계학습 또는 머신 러닝 입니다.

기계학습(Machine Learning)이란 컴퓨터가 스스로 학습하여 인공지능의 성능을 향상시키는 기술

기계학습은 크게 3가지로 분류할 수 있습니다.

• 지도학습 : 레이블(답) 을 주고 학습

 - 회귀 (예) 수백만장의 강아지 사진을 보여주고 강아지라고 정답을 알려주는 방법

 - 분류 (예) 매번 계산값을 조정하여 정답률을 높이는 방법. 분류와 예측이 필요한 상황에 주로 쓰임 

• 비지도학습 : 레이블(답) 을 주지 않고 학습 

- 군집화 : 대량의 데이터를 통해 패턴을 찾고 이를 통해 정답에 가깝게 계산할 방법을 찾는 방법. 주로 clustering에 사용

• 강화학습 : 보상을 이용한 훈련 방법으로 주로 게임에 활용. 시도를 반복하고 성공하는 과정, 방법을 스스로 학습하는 학습법

기계학습의 모델 중 대표적인 방법으로

인공신경망(artificial neural network, ANN)이 있습니다.

인공 신경망은 인간 뇌의 정보전달방식을 모방하여 마치 우리가 학습하며 뉴런이 강화되듯이 학습과정의 중요성을 부여하자는 아이디어

인데요! 그러나 인공신경망에는 특징설계문제가 있었습니다. 바로 우리가 인간 뇌를 정확히 알지 못하기 대문에 인공지능 학습에도 한계가 있다는 것이지요!

이를 해결한 방법이 바로 심층학습(Deep Learning) 입니다.

딥 러닝은 데이터를 바탕으로 컴퓨터가 스스로 특징을 만드는 것으로 기계학습의 최신기법. 특징 자체를 학습하는 진정한 의미의 학습으로 자율 학습하는 형태로 볼 수 있음

딥 러닝이 제대로 가동되기 위해서는 컴퓨터 속도와 데이터양의 엄청난 증가가 필요하기 때문에 

최근 GPU(그래픽처리장치)와 빅데이터의 등장으로 인공지능을 가속 폐달을 밟았다고 할 수 있겠네요!

이를 요약하자면, 인공지능과 머신러닝의 관계는

인공지능 ⊃ 머신러닝 ⊃ 인공신경망 ⊃ 딥러닝

 

 

다음으로는 인공지능의 편향성 문제에 대해 논해보고자 합니다.

인공지능의 편향성 - 인공지능도 맥락 분석을 통해 상황 맥락을 파악하여 결과를 도출하는데 인간과 같이 편향된 학습을 한다

앞서 현재 인공지능을 학습시키는 것은 다양한 데이터를 입력하고 분류시키는 것이고

이것은 인간이 하는 행동이기 때문에 

인간의 편향된 사고 방식이 개입될 수 밖에 없습니다.

예를 들어 많은 발전을 이루긴 했으나 아직까지도 AI가 하는 번역에는 상당한 오역이 많죠 

향후 AI 로봇이 더욱 발달하고 성장한다고 했을 때 로봇이 한 행동과 언어에 대한 법적 책임은 누가 져야할까?

로봇에게도 "인격"이란 것이 부여되는 것이 맞는 것일까?

인공지능에 대한 철학적 논의가 필요한 부분이라는 생각이 듭니다.