인공 지능(AI)은 인간 지능을 시뮬레이션하는 시스템 또는 기계를 말합니다. 이를 통해 이러한 기계는 스스로 학습하고 생각할 수 있으며 인간의 도움 없이도 결정을 내릴 수 있습니다.
AI가 무엇을 하려는지 이해하려면 궁극적인 목표를 살펴보는 것이 중요합니다. 이 목표는 완전히 독립적인 방식으로 데이터를 처리하고 동화할 수 있는 기계를 만드는 동시에 자신의 존재를 자각할 수 있는 능력을 소유하는 것입니다.
현재 AI는 자기 인식하는 기계를 대량 생산하는 것과는 거리가 멀다. 그러나 일반 시스템과 기계가 도움 없이 작동하고, 스스로 데이터를 평가하고, 스스로 결정을 내릴 수 있을 만큼 충분히 발전했습니다.
다양한 유형의 AI가 있으며 그 중 일부는 많은 시스템과 기계에서 찾을 수 있습니다. 이러한 AI 하위 집합에 대해 배우면 AI와 작동 방식에 대해 더 많이 알 수 있습니다.
키 포인트
- AI는 시스템과 기계가 스스로 학습하고 생각하고 결정을 내릴 수 있는 능력을 제공합니다.
- 독립적으로 작동하는 능력에 따라 각각 분류되는 다양한 유형의 AI가 있습니다.
- AI는 인간과 같은 자기 인식을 가지면서 완전히 스스로 작동할 수 있는 시스템을 진화시키는 것을 목표로 합니다.
- 가장 단순한 형태의 AI는 프로그래밍된 작업만 수행할 수 있습니다. 고급 형태의 AI는 독립적인 사상가이자 의사 결정자가 될 수 있습니다.
AI란 무엇인가: 어떻게 작동하며 무엇을 달성하기 위해 설정되어 있습니까?
AI는 인간의 지능을 모방하도록 설계된 시스템과 기계를 통해 작동합니다. 여기에는 정보를 인식하고, 데이터를 분석하고, 평가에 따라 결정을 내리는 인간의 능력이 포함됩니다. AI 시스템은 프로그래머가 제공하는 일련의 사전 정의된 작업과 고급 알고리즘을 통해 이러한 지능형 프로세스를 에뮬레이트합니다.
AI를 통해 인간은 이용 가능한 정보를 사용하여 스스로 생각하고 행동할 수 있는 로봇과 같은 시스템과 기계를 만드는 것을 목표로 합니다. 이 탐구의 궁극적인 목표는 자기 인식, 자기 진화, 자기 의존적인 AI 시스템을 개발하는 것입니다.
AI에는 이 메커니즘을 통해 작동하는 시스템 및 기계의 기능을 정의하는 다양한 범주가 있습니다. 이러한 범주를 통해 데이터 과학자, AI 프로그래머 및 기타 사용자는 애플리케이션에 어떤 유형의 인공 지능 접근 방식을 사용해야 하는지 쉽게 결정할 수 있습니다.
AI는 일반적으로 다음 네 가지 그룹으로 분류됩니다.
1. 반응성
반응형 인공지능은 가장 오래된 형태의 AI로 간주됩니다. 이 범주는 일련의 데이터와 동작에 대한 사전 정의된 반응을 가지고 있기 때문에 이름을 얻었습니다. 따라서 이러한 유형의 AI 시스템은 정보를 처리하는 경험에서 학습하지 않습니다. 대신 사전 설정된 프로그래밍에 따라 데이터를 처리하고 분석하고 이에 반응할 수만 있습니다.
이는 이러한 AI 시스템이 갖추고 있는 매개변수 외부에서 자신의 의견을 형성하는 능력을 제한합니다. 그러나 데이터에 대한 다양한 해석을 염두에 두고 교육을 받으면 반응형 AI 시스템과 기계는 여전히 놀랍고 종종 중복되는 작업을 자체적으로 수행하여 인간의 삶을 더 쉽게 만들 수 있습니다.
AI가 무엇인지 배우면서 반응형 AI의 전설적인 형태의 예를 찾을 수 있습니다. 딥블루 슈퍼컴퓨터 IBM이 체스를 두도록 프로그래밍한 것으로 1996-1997년에 세계 챔피언을 상대로 경기에서 이겼습니다. 반면, 반응형 AI의 흔히 볼 수 있는 예는 다양한 스트리밍 서비스의 콘텐츠 제안 시스템으로, 사용자가 소비하는 콘텐츠 유형을 분석하고 태그 및 기타 식별 가능한 정보에 따라 유사한 제안을 제공합니다.
2. 제한된 메모리
제한된 메모리 AI는 현재 결정을 내리기 위해 이전 경험에서 끌어낼 수 있는 능력이 있는 시스템과 기계를 말합니다. 이로 인해 반응형 AI가 혼합되어 있지만 ML 기능이 내장되어 있습니다. 이것은 또한 최신 AI가 복잡한 데이터 세트를 처리하는 동시에 고급 접근 방식으로 달성할 수 있는 목표를 강조합니다.
새로운 작업을 수행하기 위해 이전 데이터 처리 경험을 사용하는 범주화로 인해 모든 최신 AI 시스템과 기계는 제한된 메모리 모델 사용. 이것은 제한된 메모리를 데이터 과학자와 프로그래머 모두가 찾는 것으로 간주되는 AI 유형의 가장 유비쿼터스 형태 중 하나로 만듭니다.
제한된 메모리 AI가 다양한 최신 시스템의 기반 역할을 한다는 점을 감안할 때 여러 애플리케이션에서 찾을 수 있습니다. 이러한 접근 방식 중에서 자율 주행 차량은 가장 인기 있는 시연 중 하나로 눈에 띕니다. 이것은 또한 제한된 메모리를 가까운 장래에 새로운 인기를 얻을 AI 유형 중 하나로 만듭니다.
3. 마음의 이론
AI가 무엇인지 배우면서 마인드 시스템 이론에도 주의를 기울일 필요가 있습니다. 이러한 AI 시스템과 기계는 아직 완전한 형태가 아니거나 유형의 소비자 애플리케이션에서 사용할 수 없습니다. 그러나 그들의 개념은 잘 정의되어 있으며 AI가 미래의 인류뿐만 아니라 기계를 위해 달성할 수 있는 놀라운 유형에 대한 새로운 문을 열어줍니다.
간단히 말해서 마음 이론 AI는 인간 지능을 모방하는 것 이상을 목표로 하고 다른 사람의 생각, 필요 및 감정을 이해하기를 열망합니다. 차례로, 이 AI 진화는 시스템과 기계가 인간의 감정을 복제할 수 있을 뿐만 아니라 이해하는 방식으로 합성 감성 지능을 향상시키려는 열망을 가지고 있습니다.
즉, 마음 이론 AI는 체스 판에서 불가피한 회전을 예측하는 것만큼 복제하기 쉽지 않습니다. 대신, 상호 작용하는 사람을 진정으로 분석하고 평가하기 위해 이 접근 방식에서 훈련되는 AI 시스템과 기계를 요구합니다. 이를 위해서는 현재 AI 공간에서 상당한 진전이 필요하지만 AI의 흥미로운 미래도 약속합니다.
4. 자기 인식
스릴 넘치는 네 가지 유형의 AI 중에서 자기 인식 AI는 아마도 가장 혁신적이면서도 논쟁의 여지가 있는 주제일 것입니다. 마음 이론 AI와 유사하게 자기 인식 AI는 응용 프로그램이 원활하고 더 큰 상업적 및 공공 용도로 사용할 수 있는 수준에 도달하기 전에 개발 중입니다. 그러나 이름에서 알 수 있듯이 자기 인식 AI 시스템과 로봇과 같은 기계는 지각력을 갖게 될 것입니다.
자기 인식에 대한 이러한 인식은 반응형 및 제한된 메모리 AI를 포함하여 현재 사용되는 AI 시스템을 더욱 발전시키는 데서 비롯될 것입니다. AI는 새로운 시스템을 지속적으로 도입하는 빠르게 진화하는 공간이기 때문에 시간이 걸리더라도 이러한 진화가 불가능한 것은 아닙니다.
인공지능이 인공지능으로 무엇을 할 수 있는지 과학자와 전문가들이 이해하는 데는 시간이 걸리겠지만, 인간처럼 생각하고 느끼고 행동하는 인공지능을 가질 수 있는 가능성은 인공지능 기술의 정점이 될 것이라는 의미다. 그런 다음 이러한 발전은 인간과 동일한 감정 수준에서 인간과 상호 작용할 수 있는 로봇 및 앱의 형태로 선보일 수 있습니다.
다양한 유형의 AI 애플리케이션
위에서 언급한 네 가지 유형의 AI 외에도 인공 지능 공간에는 이름 아래에 다른 하위 집합이 있습니다. 여기에는 다음 접근 방식이 포함됩니다.
기계 학습
종종 인공 지능과 같은 의미로 사용되는 머신 러닝(ML)은 AI의 하위 범주입니다. ML을 사용하는 AI 머신은 처리하는 데이터에서 능동적으로 학습하고 이전에 학습한 통찰력과 패턴을 적용하여 새로운 정보 집합을 처리합니다. 미래에. 이러한 AI 시스템은 미리 설정된 지침을 따르지 않고도 새로운 프로세스에 적응할 수 있습니다. 이것은 제한된 메모리 AI를 ML의 일부로 만듭니다.
깊은 학습
딥 러닝은 ML의 일부이며 ML 자체의 고급 버전 역할을 합니다. ML과 비교할 때 딥 러닝은 이미지, 음성 및 비디오와 같이 분류되지 않은 다양한 미디어를 구성할 수 있는 더 복잡하고 더 큰 데이터 세트를 처리합니다. 이것은 또한 인간이 원래 상태로 처리하기에는 압도적인 많은 양 또는 데이터 계층에 적용됩니다. 이로 인해 딥 러닝은 고급 요구 사항이 있는 제한된 메모리 AI에 대한 인기 있는 접근 방식입니다.
자연 언어 처리 (NLP)
자연어 처리는 이제 AI, 특히 기계 학습을 사용하는 데 일반적으로 사용 가능한 접근 방식입니다. 인간의 말을 식별, 이해 및 처리하는 시스템 또는 기계의 능력을 말합니다. 이 접근 방식의 목표는 AI 기계가 인간의 도움 없이 인간의 말을 에뮬레이션하는 것입니다.
AI가 무엇인지 알아보기 위해 조사하는 동안 다음 용어를 우연히 발견할 수도 있습니다.
신경망
라고도 인공 신경망(ANN) 또는 시뮬레이션된 신경망(SNN)에서 신경망은 인간의 두뇌를 모델로 사용하여 계층을 통해 복잡한 데이터의 서로 다른 분기를 연결합니다. 신경망은 기계 학습의 하위 범주로 간주되며 딥 러닝 접근 방식과 함께 작동하는 AI를 강화하는 데 중요한 역할을 합니다.
로보틱스
아마도 가장 인기 있는 AI 반복은 로봇 공학에서의 표현일 것입니다. 이러한 기계는 물리적 프로세스의 처리 및 관리에 중점을 둡니다. 이로 인해 제조 공장 및 군사 작전과 같은 다양한 환경에서 인기가 있습니다. 이러한 AI 시스템은 대부분 미리 설정된 데이터에서 작동하지만 다른 AI 하위 집합을 사용하여 더 발전할 수 있습니다.
인공 지능
AGI(Artificial General Intelligence)는 마음 이론과 자기 인식 AI 모델을 해석한 것입니다. 이러한 AGI 시스템과 기계는 완벽하게 구축되지 않았으며 현재 개발 프로세스에 많이 남아 있습니다. 그러나 일단 개발되면 현재 유형의 AI가 스스로 수행할 수 있는 작업을 재정의할 것입니다.
아직 도달하지 못한 진정한 잠재력을 지닌 AI가 여기 있습니다.
음성 비서, 자율주행차, 다양한 관리 도구를 통해 AI는 이미 우리 삶의 일부가 되었습니다. 그러나 마음 이론과 자기 인식 측면에서 그 진정한 경이로움은 아직 도달하지 못했습니다. AI가 더욱 발전함에 따라 이러한 발전은 미래에 잠금 해제되어 다양한 시스템과 기계에서 인간과 같은 지능의 진정한 힘을 드러낼 수 있습니다.
