2025년에 오신 것을 환영합니다!
수잔을 만나보세요. 당신의 친구, 비서, 매니저 그리고 당신의 일상에 필요한 모든 것. 그녀는 귀하의 이메일을 정리하고 회의 일정을 잡습니다. 집에 필요한 기본 사항을 확인하고 식료품이 끝날 때마다 식료품 재고를 보충합니다. 그녀는 당신이 낮을 때 당신의 가장 친한 친구가 될 수 있습니다. 긴장을 풀기 위해 약간의 예술과 문학이 필요할 때 그녀는 그림을 그리고 시를 씁니다.
HER에서 Scarlett Johansson이 연기한 Samantha와 매우 흡사합니다. . 그 아름다운 영화를 놓칠 수 없었을 것입니다. 글쎄요, 적어도 들어보셨을 겁니다.
Susan 또는 Samantha는 간단히 말해서 Siri의 더 세련되고 기술적인 버전인 Cortana입니다. Google 어시스턴트 또는 Google DeepMind.
크고 작은 기술 회사들은 AI를 일상 생활의 일부로 만들기 위해 경쟁하고 있습니다. 디지털 세계는 인공 지능, 기계 학습, 데이터 크런칭, 딥 러닝, 강화 학습과 같이 릴에서만 실제처럼 보였던 전문 용어로 가득 차 있습니다. 실제 단어에는 거의 또는 전혀 의미가 없는 거창한 단어입니다. 얼마 전까지만 해도 말이죠.
요즘 가장 많이 듣는 세 가지 용어인 "인공 지능", "머신 러닝" 및 "딥 러닝"을 이해해 봅시다.
차이점은 무엇인가요?
이러한 용어에 대한 표준 정의가 없기 때문에 상호 교환 가능한 용어로 느슨하게 사용되는 경우가 많습니다. 따라서 그것들을 구별하는 것이 더욱 어려워집니다. 또한 이러한 용어의 일반적으로 이해되는 의미는 시간이 지남에 따라 발전했습니다. 1960년에 AI의 의미는 오늘날의 의미와 매우 다릅니다.
관계를 생각하는 가장 쉬운 방법은 동심원으로 시각화하는 것입니다.
- AI — 가장 먼저 나온 아이디어
- 기계 학습 — 나중에 중간 원으로 꽃을 피움
- 마지막으로 가장 작고 가장 안쪽에 있는 원으로 오늘날 AI 폭발을 주도하고 있는 딥 러닝입니다.
Spark에서 Lightening으로
AI는 1956년 Dartmouth Conferences에서 이 용어를 만든 직후 연구소를 위한 길을 열었습니다. 기술이 우리의 상상력을 따라잡기까지는 수십 년이 걸렸지만, 우리는 더 많은 벤처 자본 투자, 더 많은 거대 기술 회사가 R&D에 참여하고 우리 삶에서 더 많은 일상적인 AI 사용으로 마침내 AI 혁명의 정점에 도달했습니다.
AI Spark가 어떻게 AI Lightening으로 바뀌었는지 살펴보겠습니다.
인공 지능:인간 지능이 내장된 기계
인공 지능은 인간처럼 작동하고 반응하는 지능형 기계의 생성을 강조하는 컴퓨터 과학 분야입니다. 지능적인 행동을 할 수 있는 컴퓨터를 만드는 방법을 찾는 연구 분야입니다. 일반적으로 인간 지능과 관련된 일을 할 수 있는 기계는 '지능형'으로 간주됩니다.
우리는 영화에서 이 기계를 좋은 사람(스타워즈 시리즈의 C-3PO) 또는 나쁜 사람(터미네이터의 사이보그 암살자)으로 보았습니다.
인공지능 자격을 얻으려면 기계가 다음과 같은 몇 가지 기본적인 작업을 수행할 수 있어야 합니다.
- 자연어 처리(즉, 주어진 언어로 문제 없이 의사소통)
- 자동 추론(저장된 정보를 사용하여 질문에 답하고 새로운 결론 도출)
- 머신 러닝(새로운 환경에 적응하고 패턴을 감지하는 능력).
인간 지능의 일부 측면이 AI에 의해 나타날 수 있다는 것은 상식입니다. 이제 문제는 그 지능이 어디에서 오는가입니다. 머신 러닝의 출발점입니다.
머신 러닝:인간의 두뇌로 머신을 달성하기 위한 접근법
머신 러닝은 인간 지식의 기술 개발을 목표로 하는 인공 지능 분야입니다. 주어진 데이터에서 학습하는 알고리즘의 개발을 탐구합니다. 알고리즘은 작업을 수행하기 위한 일련의 단계입니다. 기계 학습은 초기 AI 군중의 마음에서 직접 나왔고 알고리즘 접근 방식에는 결정 트리 학습, 클러스터링, 강화 학습, 연관 규칙 학습 등이 포함되었습니다.
이러한 알고리즘은 과거 경험(즉, 주어진 데이터)에서 학습하고 새로운 환경에 적응하고 특정 작업을 수행하도록 스스로 학습할 수 있습니다. 기계 학습을 통해 컴퓨터는 분석, 자가 훈련, 관찰 및 경험을 통해 새로운 상황을 처리할 수 있습니다.
머신 러닝은 새로운 시나리오에 대한 노출, 테스트 및 적응을 통해 컴퓨팅의 지속적인 발전을 촉진하는 동시에 후속(동일하지는 않지만) 상황에서 개선된 의사 결정을 위해 패턴 및 추세 감지를 사용합니다.
많은 알고리즘이 있었지만 AI의 궁극적인 목표를 달성한 것은 없었습니다. 컴퓨터 비전과 이미지 감지가 아주 최근까지 인간과 경쟁하지 못한 이유가 있습니다. 이전에는 너무 부서지기 쉽고 오류가 발생하기 쉬웠습니다.
시간과 올바른 학습 알고리즘이 모든 차이를 만들었습니다.
딥 러닝:기계의 두뇌 훈련 기술
초기 기계 학습 군중의 또 다른 알고리즘 접근 방식입니다. 딥 러닝은 인공 신경망이라고 하는 뇌의 구조와 기능에서 영감을 받은 알고리즘과 관련된 기계 학습의 하위 분야입니다. 여기에는 다층 구조에서 특정 유형의 단순 블록 구성으로 생각할 수 있는 특정 종류의 수학적 모델이 포함되며 이러한 블록 중 일부는 최종 결과를 더 잘 예측하기 위해 조정될 수 있습니다.
"깊은"이라는 단어는 컴포지션에 이러한 블록이 많이 쌓여 있음을 의미하며 까다로운 부분은 블록에서 멀리 떨어진 블록을 조정하는 방법입니다. 작은 변화가 출력에 매우 간접적인 영향을 미칠 수 있기 때문입니다.
딥 러닝은 인간 두뇌의 내부 계층 기능을 에뮬레이션하려고 시도하며 이미지 인식, 언어 번역 또는 이메일 보안에서 성공적인 응용 프로그램을 찾을 수 있습니다. 딥 러닝은 여러 계층의 정보 처리에서 지식을 생성합니다. 딥 러닝 기술은 인간의 뇌를 본떠서 만들어졌으며, 새로운 데이터가 쏟아질 때마다 그 능력이 향상됩니다.
딥 러닝이 AI를 어떻게 향상시켰습니까?
딥 러닝은 기계 학습의 많은 실용적인 응용 프로그램을 가능하게 했으며 확장하여 전체 AI 분야를 가능하게 했습니다. 무인 자동차, 예방 의료, 더 나은 영화 추천이 모두 현재 또는 곧 출시될 예정입니다.
딥 러닝은 더 똑똑하고 인간과 같은 AI를 만드는 핵심 퍼즐 조각이 될 수 있습니다. 딥 러닝은 자연어 처리에서 머신 비전에 이르기까지 AI의 모든 측면을 개선할 수 있습니다. 컴퓨터가 학습하는 방법을 개선할 더 나은 두뇌라고 생각하십시오. 익숙하지 않은 요청을 처리하기 위해 Siri 또는 Google Now와 같은 가상 도우미를 향상시킬 수 있습니다. 동영상을 처리하고 콘텐츠를 요약하는 짧은 클립을 생성할 수 있습니다.
언젠가는 누구나 자신만의 사만다 버전을 갖게 될 날이 올지 누가 알겠습니까!