1.4 인공지능

머신러닝과 인공지능은 따로 구분해서 생각할 수 없기 때문에 인공지능에 대해서도 가볍게 살펴보겠습니다.

 

사람들이 인공지능 개념을 처음 생각했을 때는 데이터의 중요성을 인식하지 못했습니다. 인공지능 개념 자체는 1950년대부터 시작되었지만 오랫동안 기술적인 장벽에 부딪혀 고전하다가 머신러닝 기술이 비약적으로 발전하면서 새로운 활로가 생겼습니다. 즉 데이터를 활용해 인공지능을 구현할 수 있다는 전망이 보이기 시작한 것이죠.

 

머신러닝을 말 그대로 풀이하면 기계가 학습한다는 의미입니다. 여기서 기계는 소프트웨어, 또는 소프트웨어가 내장된 하드웨어를 의미합니다. 보통 프로그래밍된 소프트웨어가 학습한다고 표현하지는 않습니다. 소프트웨어는 개발자가 미리 지시해 둔 명령을 눈 깜짝할 사이에 수행(계산)할 뿐입니다.

 

학습한다는 표현을 쓸 수 있으려면 학습한 내용을 응용할 수 있어야 합니다. 응용한다는 말은 다양하게 해석할 수 있지만 좁은 의미로 한정하면 예측한다는 의미입니다. 즉 x를 통해 y를 예측할 수 있어야 합니다.

 

기술적인 관점에서만 보자면 인공지능은 머신러닝이 더 고도화된 능력을 갖춘 상태를 의미하기 때문에 둘 간의 경계는 사실상 모호합니다. 현시점에서 딥러닝 관련 기술이 기술적으로 가장 앞서 있기 때문에 내용적으로는 인공지능과 딥러닝을 동일하게 인식해도 무방합니다.

 

물론 엄밀한 의미에서 딥러닝과 머신러닝은 인공지능을 구현하는 하나의 방법일 뿐이지만 아직은 머신러닝과 딥러닝 이외에 다른 방법으로 더 뛰어난 인공지능이 구현되지 못했기 때문에 현재로서는 그렇게 이해해도 큰 무리가 없습니다.

 

딥러닝을 포함한 머신러닝은 데이터를 이용해 내부 작동 방식이 복잡한 모델을 만들어 겉으로 보기에 매우 신기한 능력을 갖춘 것처럼 보입니다. 예를 들어 엑셀로 숫자 만개의 평균을 순식간에 계산한다고 해서 아무도 놀라지 않지만 갤럭시의 빅스비나, 애플의 시리, 인공지능 스피커가 사람들의 다양한 질문에 대답하는 것을 보면 매우 신기합니다.

 

그러나 내부를 살펴보면 인공지능 기술이 더 많은 데이터를 더 복잡한 알고리즘으로 계산한다는 차이가 있을 뿐 데이터를 활용한다는 면에서 본질적으로는 동일합니다.