인공지능, 머신러닝, 딥러닝 무엇이 다른가?

인공지능

인공지능 (Artificial Intelligence)는 인간의 학습능력, 추론능력, 지각능력을 인공적으로 구현하려는
컴퓨터과학의 세부분야 중 하나이다. 정보공학 분야에 있어 하나의 인프라 기술이기도 하다.
즉, 지능을 갖고 있는 기능을 갖춘 컴퓨터 시스템이며,
인간의 지능을 기계 등에 인공적으로 구현한 것을 말한다.
- 위키백과의 '인공지능' 정의 내용 중에서 -

인공지능은 다음의 3가지로 분류할 수 있다.

- Artificial Narrow Intelligence

: 우리에게 가장 인상적으로 인공지능을 경험하게 해 준 이세돌 vs 구글 AI 의 대결과 같이 바둑과 같은 특정 분야에 특화된 AI를 말한다.

현재 우리가 자주 사용하는 Siri, Nugu 등의 음성인식 기술도 이에 해당한다.

 

- Artificial General Intelligence

인간이 할 수 있는 어떠한 지적 업무도 성공적으로 해낼 수 있는 수준의 인공지능을 말한다.

사실상 인공지능 연구의 주요 목표이고, SF 영화의 등장하는 AI의 대부분이 AGI 수준의 인공지능을 소재로 삼고 있다.

이 개념에 대해 딥마인드의 스타크래프트 2 프로젝트의 총책임자인 Oriol Vinyals가 다음과 같이 언급하며, 프로게이머의 능력을 커버할 수 있는 인공지능으로서 AGI 개념을 사용하기도 했다.

저희는 DeepMind를 'AGI', 즉 인공 일반 지능이라고 부르는 인공 지능으로 만들고 있어요.
특정한 하나의 게임 에이전트만이 아니라 학습 패러다임을 이해함으로써
사전 지식 없이 어떤 게임이든 플레이할 수 있는 에이전트를 만드는 중이죠.

 

- Artificial Super Intelligence

인간의 지능과 행동 능력을 능가할 만큼의 충분한 자의식을 가진 매우 강력한 AI를 말한다.

디스토피아 공상과학 소설 또는 영화에서 등장하는 인류를 압도하고 노예화하는 로봇이 대표적인 ASI라고 할 수 있다. 인간의 지능과 행동에 대한 복제 외에도 감정과 경험을 이해하고 해석할 수 있는 능력을 가진다.

이것은 의사결정 및 문제 해결 능력이 인간에 비해 훨씬 우수하고 정확하다고 확신할 수 있지만, SF 영화의 무서운 AI 로봇과 같이 향후 인간의 존재에 어떤 영향을 미칠지는 예상할 수 없다.

AI가 인간의 위협에 영향을 미치는 강력한 위험은 "목표를 달성히기 위해서 필요한 것은 무엇인든..."이라는 사실에 있다. 이 때문에 많은 인공지능 연구자들은 주어진 목표를 달성하는데 있어 일정 수준의 통제를 유지하며, 최대한의 효율성을 제공하기 위한 방법에 대해 고민하고 있다.

 

 

머신러닝 vs 딥러닝

머신러닝과 딥러닝은 모두 인공지능의 한 분야로 Input 값에 대한 Output 을 도출할 수 있도록 컴퓨터가 학습할 수 있는 알고리즘과 기술을 개발하는 분야이다.

 

머신러닝

상기 그림과 같이 머신러닝은 기계가 학습함에 있어 인간이 특징추출에 대한 학습에 개입한다.

예를 들어, 자동차 사진을 입력하여 이것이 자동차인지 아닌지 구별하는 학습을 진행한다고 해보자.

머신러닝의 경우, 대량의 자동차 사진을 컴퓨터에 입력하여, "이것이 자동차이다"라고 정보를 알려주는 작업을 인간이 개입해야 한다.

그럼, 기존 자동차 데이터에 대한 패턴을 비교하여, 완전히 새로운 이미지를 입력했을 때 자동차인지 아닌지를 판별할 수 있게 된다.

 

 

딥러닝

 반면 딥러닝은 상기 그림과 같이 인간이 개입하는 특징 추출도 기계가 알아서 한다는 특징을 가지고 있다.

머신러닝이 대량의 자동차 사진을 기계에게 학습시키는 과정이 있었다면, 딥러닝은 이러한 학습 자체도 기계 스스로 하는 것이다. 예를 들면, 기계가 인터넷에서 고양이 이미지를 검색해서 수집한 자료를 바탕으로 고양이에 대한 특징을 추출하는 작업을 스스로 진행한다.

 

 

 

결과적으로 인공지능, 머신러닝, 딥러닝은 비교의 대상이 아닌 포함의 관계이다.

인공지능 내에 머신러닝 분야가 있고, 머신러닝 내에 딥러닝 분야가 있는 것이다.

 

 

인공지능의 활용과 연구과제

인공지능은 다양한 분야에 활용하고 있다. (AI를 활용한 10가지 좋은 예)

Image Segmentation: 이미지 내에서 사람 또는 물건의 형태를 획득하는 기술

Image Segmentation

Object Detection: 형태가 아닌 물체가 있는 영역을 탐지하는 기술 

Visual Question Answer: 이미지를 가지고 질문을 했을 때 (예를 들어 “누가 안경을 쓰고 있는가?”), 적절한 대답을 할 수 있는 기술

 

Few Short Learning: 일반적으로 자동차 등의 물체를 판별하기 위해서는 많은 양의 사전 데이타가 있어야 하지만, 초기 데이타가 매우 적더라도 정확한 학습을 할 수 있는 기술에 대해서도 연구하고 있다.

Style Transfer: A이미지를 B 이미지 스타일로 변형하는 기술 

Style Transfer

Neural Talking Head: 최근 유명인의 이미지를 이용하여 가짜 영상을 만드는 딥페이크 기술이 유행한 것과 같이 본인이 찍은 영상에서 본인의 얼굴을 유명인으로 교체하는 기술을 말한다. 

Colorization: 특정 물체에 색깔을 입히는 기술로 과거 흑백사진을 컬러사진으로 변화할 수 있는 기술이다.

Speech Recognition: 시리, 인공지능 스피커 등 음성 인식 기술