[코싸인의 인지과학 이야기] 인공지능 (1)

인공지능은 인간이 가진 학습, 추론, 패턴 인식, 지각 능력 등을 인공적으로 구현하려는 컴퓨터 공학의 한 분야입니다. 인공지능은 공상 과학 영화에 등장하는 로봇 수준을 넘어 컴퓨터 공학의 현실이 되고 있습니다. 

인공지능 관련 공상과학 영화

1980년 존 설 교수가 인공지능을 설명하면서 강 인공지능(Strong AI)와 약 인공지능(Weak AI)라는 용어를 제안합니다.

강인공지능

강인공지능은 인간의 지적 능력을 컴퓨터의 정보 처리시스템으로 구현한 것을 의미합니다. 

어떤 문제 상황에 대해 실제로 인간이 사고하는 것과 같은 지적 능력을 갖춘 인공지능을 뜻합니다.

약인공지능

약인공지능은 사물에서 물체를 찾는다거나, 소리를 듣고 상황을 파악하는 것과 같이 기존에 인간은 쉽게 처리할 수 있으나 컴퓨터로 해결하기 어려웠던 문제를 수행하는 인공지능 기술을 의미합니다.

강인공지능은 사람을 모방한 인공지능, 약인공지능은 유용한 도구로서의 컴퓨팅 능력을 갖춘 인공지능이라고 볼 수 있겠는데요, 현재 인공지능의 수준은 약인공지능에 머무르고 있습니다.

그 예시로, ALFRED (Action Learning From Realistic Environments and Directives)라고 실생활에 쓰이는 지시 - 예를 들어서 데운 토마토를 냉장고에 넣어라 와 같이 명령을 수행하는 태스크가 있는데요,

LAFRED (Action Learning From Realistic Environments and Directives)

그 명령을 수행하기 위해서

<왼쪽으로 돌아서 쓰레기통까지 걸어가, 쓰레기통에서 토마토를 꺼내세요.>

<돌아서서 싱크대로 우회전한 다음에 싱크대 위에 있는 전자레인지에 토마토를 데우세요.>

<돌아서 냉장고까지 걸어가세요, 토마토를 냉장고의 세번째 선반 아래에 놓으세요.>

와 같이 단순해보이지만 연속적인 지시를 수행하는데 2022년 11월 기준 성공률이 40-50% 밖에 되지 않는다고 합니다. 현재의 인공지능은 대규모의 데이터를 토대로 학습하여 지능적으로 ‘보이는’ 결정을 구현한 수준에 불과합니다. 

그렇다면 이러한 인공지능은 어떠한 원리로 동작하게 되는 것일까요? 이에 대해 저는 크게 판별 모델(Discriminative Model), 생성 모델(Generative Model), 강화학습 모델(Reinforcement Learning Model)로 분류하려고 합니다.

판별 모델은 데이터와 정답이 같이 주어질 때 서로 다른 종류의 데이터를 구별하는 모델을 의미합니다. 예를 들어서 개와 고양이를 분류하는 것이 있겠네요.

판별 모델(Discriminative Model)

생성 모델은 새로운 데이터를 생성해내는 모델을 의미합니다. 최근에 구글에서 만든 모델인 DALL·E 2라고 설명으로부터 사실적, 혹은 예술적인 이미지를 창조하는 인공지능 시스템이 그 예시가 될 수 있겠네요.

생성 모델(Generative Model)

강화학습 모델은 주어진 환경에서 Agent가 더 높은 보상을 얻기 위한 최적의 액션을 취하도록 학습하는 모델을 의미합니다. 알파고가 그 예시인데요, 더 높은 점수를 얻기 위해 바둑 수를 두는 걸 생각할 수 있죠.

강화학습 모델(Reinforcement Learning Model)

그렇다면 판별 모델, 생성 모델, 강화학습 모델은 어떤 식으로 동작하는 걸까요?

구체적인 원리에 대해서는 다음 포스팅부터 차근차근 연재해보려고 합니다.