컴퓨터가 의사결정을 잘한다는 의미는 ?

인간은 선택장애가 있는 반면 컴퓨터가 잘하는 것 중에 결정하고 선택하는 것이다. if조건문으로 조건에 따라 무조건 선택,결정하는것이므로 잘하는 것처럼 보이는 것이다. 하지만, 이것은 인간이 미리 만든 알고리즘 시나리오 명령대로 컴퓨터가 인간이 만든 규칙을 따라 작동 결정하는 것이라 진정으로 컴퓨터가 스스로 의사결정하는 것은 아니다. 그러나, 인공지능 딥러닝은 인간이 짠 규칙에 따른 결정이 아니라 수많은 데이터에서 패턴을 분석하고, 회귀분석과 분류 등 규칙을 찾아내어 스스로 학습하고 그 규칙에 따라 의사결정하는 수준까지 발전하였다.

인공지능이 인간의 시각능력처럼 '볼' 수 있다는 의미는 무엇인가 ?

알파고 같은 인공지능은 마치 사람의 감각을 모방하듯이 사람처럼 바닥판과 바둑알의 모양과 위치를 보고 이미지의 패턴을 인식하고 바둑대국상황을 보고 판단하는 능력과 어디에 두면 좋은지에 대한 감각, 전문가의 감각으로 미지의 바둑문제를 해결하는 선택을 잘 하는 것이다. 특히, 알파고 딥러닝 모델은 16만 개의 바둑 기보를 이미지로 그대로 입력받아 학습한 것으로, 수많은 바둑 기보 데이터는 바둑의 대국 수순을 기록한 것인데, 바둑 기보를 이미지로 입력받거나 대국할 때에 바둑돌의 위치와 순서를 제대로 인식하려면 인간의 시각능력 뿐만아니라 전문가적 감각까지 필요하다. 알파고는 바둑기보를 인식하는 등 인간의 시각기능과 같은 구조와 같은 작동방식을 모방하는 알고리즘으로 심층학습(Deep Learning)인 합성곱 신경망(CNN, Convolutional Neural Networks) 모델을 활용한다. CNN 모델 구조는 바둑판의 바둑돌이나 꽃과 같은 이미지를 인식하는 우리 눈속 망막 그리고 시상을 거쳐 뇌의 시각피질 까지의 경로를 모방하여 신경망에서 일어나는 시각처리 신경경로를 구조화한 것이다. CNN 모델의 작동방식은 인간의 눈으로부터 꽃이라는 이미지의 시각정보를 얻고 망막의 시신경부터 시각 피질내 신경세포까지 뉴런이 가진 이미지 인식능력과 같은 방식으로 시각정보를 양방향,동시성, 병행처리하는 방식으로 작동한다. 옆 그림은 눈속 망막에 분포되어 있는 시신경의 수백만개의 광수용체들을 표현한 것인데, 망막의 시신경 뉴런들이 시각정보를 획득하는 것은 빛에 감광 능력을 지닌 광수용체(photoreceptors)가 빛의 양과 빛의 밝기의 정보를 획득하여 픽셀같은 정보로 표현하기 때문이다. 마치 픽셀을 이용하여 이미지의 질감까지 표현하는 픽셀패턴처럼 픽셀이미지에서 패턴의 정보를 획득하는 것과 같다. 이를 모방하여 시각적 이미지 인식 모델인 CNN은 꽃 이미지를 바둑판 모양의 픽셀패턴 사각형 행렬로 분해하여 사각형 픽셀 이미지에서 직접 시각적 패턴을 필터링하여 그리드 토폴로지(grid topology, 격자 + 망구성방식) 특징을 추출하는 방식으로 디지털화 작업을 수행하는 것이다.

알파고는 전문가의 감각으로 의사결정 알고리즘을 가졌다 ?

알파고 설계방식은 "plays just like a human"으로 마치 사람의 감각을 모방하듯이 사람처럼 바닥판의 모양을 보고 패턴을 인식하고 판단하는 능력과 어디에 두면 좋은지에 대한 감각, 전문가의 감각으로 미지의 바둑문제를 해결하는 선택을 잘 하는 것이다. 바둑의 문제를 푸는 선택으로는 첫째는 How AlphaGo chooses its next move 와 둘째는 How AlphaGo assesses new positions 이라는 두가지의 중요한 선택을 하게 된다. 첫번째는 몬테카를로 트리탐색(tree search) 방식이고 둘째는 딥러닝(deep neural networks) 과 강화학습 모델이다.

기계가 스스로 학습한다는 의미는 무엇일까?

Neuron을 훈련 학습시킨다(training한다)는 것은 인간의 뇌와 같은 정보 처리 및 시냅스 학습행동을 모방하여 인공신경망에서 사용되는 가중치를 수정하고 기억하는 방식을 말한다. 주어진 training dataset에 의도된 대로 neuron이 동작하도록 θ={w,b}를 결정하는 것이다. 비유해서 설명하면, 앞장의 뇌 뉴런피질 그림처럼 생긴 것이 고속도로 톨게이트를 포함한 전국 도로망과 비슷하다. 전국 도로망 같은 텐서 네트워크 속에서 설명절에 귀향하는 노선을 반복된 행동으로 인간의 뇌는 학습의 결과로 각 노선과 노드의 수많은 경로에서 최단시간 노선을 기억한다. 인간의 학습도 신경망 속의 뇌세포의 연결강도를 의미하는 것이다. 학습된 것을 기억하고 있는 상태에서 비슷한 경우에 처해지면 연결강도가 강한 노선따라 즉 학습된 경로따라 고속도로를 노선을 선택하는 것이다.

인공지능은 인간 뇌의 생물학적 신경망 구조에 착안하여 인공 신경망을 기계적으로 구현한 것이다.

인간 뇌의 구조를 연구하여 뇌의 생물학적 신경망의 작동원리와 구조를 대강은 알게되었다. 뉴런의 동작은 놀랄만큼 단순해서 모방하기 쉽다. 인간 뇌의 신경망 구조에 착안하여 인공 신경망 ANN(Artifical Neural Network)을 구현한 것이다. 이처럼 여러개의 층으로 구성되어 있다고 해서 딥러닝(Deep Learning)이라고도 한다. 딥러닝(Deep learning)의 기본 요소인 인공신경망은 인간의 뇌의 뉴런과 시냅스의 작동원리의 일부 원리를 수학적으로 모델링하여 기계로 학습하는 알고리즘이다. 인공신경망을 여러개의 층으로 중첩한 모델인 딥러닝은 인공신경망의 각 층마다 가중치가 조금씩 올바른 방향으로 조정되고 손실 점수가 감소하도록 충분한 횟수만큼 훈련 반복training loop하면 손실 함수를 최소화하는 가중치 값을 산출한다. 학습은 주어진 입력을 정확한 타깃에 매핑하기 위해 신경망의 모든 층에 있는 가중치 값을 찾는 것을 의미한다. 이같은 네트워크형태의 신경망모델이 수학적 모델링과 구조화된 패턴에 기반하여 학습하는 과정을 반복해 정답과 규칙을 도출하는 것이다.

인공적인 지능은 창조성까지 가질수 있을까 ?

창조적으로 글을 쓰는 딥러닝 알고리즘 GPT-3 출현 이후 인공지능이 연산,기억,의사결정 등의 인간의 기초적인 지적능력 수준을 넘어서 창의적으로 글쓰기, 그림그리기 등 인간이 가진 창의성을 넘보는 수준이 되었다고 인정하게 되었다. 가까운 미래에 어쩌면 자유의지 즉 주체적으로 '나' 라는 존재에 대한 고민을 하는 철학적인 인공지능까지 만날수도 있을지도 모르겠다 ? 그러나 아직 인간의 뇌 작은조각 조차 작동원리와 숨은 미스테리를 풀지못하고 있는데, 인간 보다 뛰어난 문학적인 수준까지 도달하기는 어렵다고 본다. 더구나 점점더 진화하는 인간의 지성과 자유의지로 충만한 현대 인류의 문명을 보면, '토끼와 거북이의 경주'처럼 인공지능 발전속도 보다 인간의 뇌 활용속도가 항상 앞서 있으므로 경주 도중에 낮잠만 자지 않는다면 인공지능이 인간을 앞서기는 어려울 것이다. 인간이 가진 창조성 human creativity이란 새롭거나 독특한 생각이나 개념을 찾아내거나 기존에 있던 생각이나 개념들을 새로운 관점에서 바라보는 인간의 능력이다. 창조성을 규정하는 영어 단어 creativity는 20세기에 와서야 만들어진 개념이다. 동양에서 한자어 창의(創意)가 고대부터 있었던것을 생각한다면, 인류의 물질적인 성취와 인간의 사상과 철학적 발전이 항상 함께하는 것은 아니다. 하여튼, 서양에서는 창조create 는 신만이 가능한 행위로서, 인간이 창조한 것은 모두 신의 것을 흉내낸 것이라고 보아서, 인간이 창조했다고 하면 신성모독으로 처벌받았기 때문에 19세기까지는 창조성은 신의 영역이었기에 인간의 창조성이라는 개념이 없었다. 현재는 뇌 학습기전의 일부분을 수학적으로 모델링한 기계학습 기반 인공신경망이 인간의 지능과 창조성을 흉내 내려고 하는 시대가 되었고, 이를 기계가 인간의 고유영역인 창조성에 도전하고 있다고 여길수도 있다. 딥러닝이라는 인간의 뇌 신경망의 일부인 뉴런과 시냅스의 작동원리를 수학적으로 모델링하고 기계적으로 만든 인공신경망은 스스로 일정수준의 창조성을 구현하고 있다.

기계컴퓨터가 잘하는 능력은 예측하기, 기계가 스스로 학습해 만드는 예측모델은 정확할까 ?

인공지능이라고 해도 실제로는 미래의 주가 등 미래에 일어날 사건을 예측하는 것은 거의 어렵다. 점쟁이도 어려운 일이다. 다만, 데이터들의 관계로 부터 추정된 평균적인 예측, 즉 비가 올지 안올지 예측분류하거나, 특정한 시점의 데이터의 평균치를 예측하거나 미래의 추세를 판단하는 것은 가능하다. 왜냐하면 통계적으로 데이터들은 평균을 향하여 움직이거나 회귀(regression)하는 경향이 있기 때문에 평균적인 값으로 예측하는 것은 확률적으로 발생할 가능성이 높기 때문이다. 예측 한다는 의미는 무엇일까? 예측의 개념을 크게 두가지로 분류해보면 prediction과 forecasting으로 나눌수 있다. 예측 forecasting은 시계열에서(in time series)의 예측으로 날씨 ,지진 예측 등 시계열의 과거자료를 바탕으로 미래 값을 추정하는 것이며, 예측 prediction은 회귀에서(in regression)의 예측으로 비즈니스, 경제예측 등 판단 적이며 미래에 발생하는 변화를 고려하여, 주어진 데이터에 대해 미래, 현재 또는 과거에 빈곳의 값을 추정하는 것을 의미한다. 즉, "예측forecast"은 시계열과 미래를 의미하지만 "예측prediction"은 회귀를 사용하여 두 변수 간의 관계를 설명하는 것이다. 앞에서 시계열로 예측을 한다(making a forecast)는 방법을 학습하고, 이번장에서는 회귀모델로 예측을한다(making a forecast)는 방법을 학습한다. 회귀분석모델의 유형분류는 우선 선형관계분석이냐 비선형관계분석이냐 여부에 따라 전통적인 방식과 최근 딥러닝방식으로 구분된다. 회귀모델의 선형관계와 비선형관계를 구분할때 선형이냐 비선형이냐를 결정하는 대상은 ‘변수’인 독립변수나 종속변수의 관계가 아니라 ‘회귀 계수’간의 선형결합여부 등 관계로부터 선형성을 판단한다. 다음으로 분류기준은 종속변수의 변수 숫자와 독립변수의 숫자에 따라 구분한다.

컴퓨터가 생각한다는 의미는 무엇일까? 생각은 벡터다. 사람의 말과 글은 숫자로 변환되어 머리속 벡터공간에 배치할 수 있다.

인공지능 ‘4대 구루’인 제프리 힌튼은 "생각은 뉴런의 활동이며, 따라서 벡터로 표현이 가능하다"고 주장한다. 인간의 언어 텍스트를 계산이 가능한 숫자인 벡터로 변환할수있다면 기계인 컴퓨터도 벡터연산을 함으로써 인간의 언어를 이해하고 인식하고 스스로의 힘으로 결론을 얻는 지능적으로 작동할수 있다는 것이다. 기계인 컴퓨터가 ‘생각한다는 의미는 무엇일까?’ 기계가 인간의 말과 글을 알아듣고 인간처럼 언어를 매개로 생각하는 방법을 익힌다면 인간의 자연스런 언어인 자연어 (Natural Language)를 분석하고 벡터로 표현하고 언어벡터공간에서(wordvector space) 벡터연산으로 텍스트를 분류하고 문장간 유사성(관계)를 파악하여 인간처럼 문맥을 통해서 자연스럽게 의미를 파악할 수있다는 것이다. 물론 기계가 인간처럼 인간의 언어로 생각하는 것은 아니다. 디지털코드인 숫자 0,1만 이해하는 기계이므로 인간의 자연어를 디지털숫자로 코드변환하고 벡터로 만들어서 처리하는 방식이며 이런 과정이 마치 생각하는 모습과 같다는 것이다.

컴퓨터가 기억한다는 의미는 뭘까? 전기는 사라지는데 어떻게 0,1 전기 신호로 된 디지털 데이터를 저장할까 ?

'에드박'(EDVAC)은 계산기에 기억장치(記憶, memory)를 붙여서 계산결과가 사라지지않고 저장된다. '에드박'은 기억장치를 가진 것이고, 드디어 컴퓨터가 기억능력도 있는 뇌를 가지게 된것이다. 컴퓨터의 기억장치로 많이 사용하는 것은 과거에는 종이부터 자기테이프, CD,자기장 하드디스크등이 있었고, 요즘은 플래시메모리 반도체 를 많이 사용한다. 비휘발성 플래시메모리반도체가 0,1 이진 디지털코드를 전기적으로 저장하는 원리는 전기의 구성요소인 전자를 머금을수 있는 반도체 특성을 활용해서 반도체내부에 전하 또는 이온으로 0,1상태로 데이터 저장하다가, 다시 전기를 통하면 0과 전하가 있는 1이라는 상태 그대로 디지털 데이터가 활성화되는 것이다. 컴퓨터가 데이터를 ‘기억’한다는 것은 컴퓨터의 ‘메모리 ’에 전기ㆍ자기적인 특성을 이용해서 0과 1인 디지털값으로 ‘표현해서 저장’하는것이다. 이를 ‘컴퓨터가 기억’한다고 하는 것이다. 플래시 메모리(flash memory) 반도체는 전원이 끊겨도 데이터를 보존한다. 전기적으로 데이터를 지우고 다시 기록할 수 있는(electrically erased and reprogrammed) 기능을 활용해 오랜동안 데이터를 저장하는 비휘발성 컴퓨터 기억 장치를 말한다. 휴대전화, USB 드라이브 등 휴대형 기기에서 요즘은 컴퓨터 하드디스크를 대체하는 대용량 정보 저장 용도로 사용된다.

인공지능(AI)과 일자리 경쟁을 벌여야 하는 시대, 디지털 언어능력 ‘코딩’ 스킬이 필요하다

인공지능 ! 인간의 신경망을 모방해 인공적으로 만든 알고리즘으로 구성된 디지털 기계의 뇌 ! 이런 게 실제로 세상에 존재한다고 누가 상상이나 했을까 ? 세상은 지금도 빈곤한 사람들이 살아내기 힘든데 인공지능이 등장한 앞으로는 인공지능과 일자리를 경쟁해야하는 사람들은 더욱 지독한 세상일 것이다. 인공지능(AI)과 일자리 경쟁을 벌여야 하는 시대에 인공지능이 무엇인지를 이해하는 것은 인공지능으로부터 일자리를 쟁취하기 위해, 나아가 인공지능을 도구로 활용해 보다 효율적인 성과를 얻기 위해, 그리고 인공지능 시대인들과 원활한 소통을 위해 반드시 필요하다. 그래서 인공지능을 구성하는 코딩(Coding)의 기초를 습득하는 것은 이 시대의 필수 불가결한 지식 영역이 되었다. 바둑천재 이세돌을 이긴 인공지능 알파고는 컴퓨터 프로그램이다. 알파고 같은 인공지능 프로그램을 개발하는 과정을 ‘프로그래밍’이라하고 프로그램을 구현하는데 사용되는 컴퓨터 언어 스킬을 '코딩'이라고 한다. 우리가 외국인과 소통하기 위해 영어 회화능력이 필요하듯이 디지털 기계와 소통하며 일을 시키려면 디지털 언어능력 ‘코딩’ 스킬이 필요한 것이다.