[ AI 기초 ] 2. AI 의 역사
이전글 : [ AI 기초 ] 1. Introduction for Artificial intelligence
[ AI 기초 ] 1. Introduction for Artificial intelligence
[ AI 기초 ] 1. Introduction for Artificial intelligence 1. Ai, Machine Learning, Deep Learning? 인공지능(Artificial Intelligence)은 인간의 지능을 모방하는 모든 기술을 총 망라합니다. 머신러닝(M..
supermemi.tistory.com
1. 시작 : 튜링 테스트 (1956)
앨런 튜링은 컴퓨터 과학의 선구자 적인 인물입니다.
1956년 앨런 튜링의 튜링 테스트가 인공지능의 시작이라고 볼 수 있습니다.
튜링테스트는 매우 간단합니다.
A는 컴퓨터, B는 사람입니다. 그리고 가림막을 두고 C라는 사람이 있습니다. C는 가림막 뒤에 어떤 컴퓨터 하나와 사람이 있다는 것을 압니다. 그러나 누가 컴퓨터인지 누가 사람인지는 가림막 때문에 알 수 없는 상황입니다.
가림막 뒤에서 C는 A와 B에게 질문을 합니다. 질문에 대한 답을 듣고 C는 가림막 뒤에 누가 컴퓨터인지, 누가 사람인지를 맞추게 됩니다.
보통의 경우 쉽게 구별이 가능합니다. 예를 들어서 가림막 뒤에서 애플의 인공지능비서 '시리'와 사람이 동시에 답변한다면 누가 진짜 사람의 답변인지 비교적 쉽게 알아챌 수 있겠지요. 만약 구분할 수 없을 정도로 유사한 답변을 보인다면 인공지능의 수준이 사람의 지능과 유사하다 라고 볼 수 있습니다. 이것이 튜링 테스트 입니다.
이렇게 앨런튜링은 그 먼 옛날 윈도우도 없던 시절에 이러한 아이디어를 소개했습니다. 참 대단한 것 같습니다...
2. 퍼셉트론의 등장 (1957) & 다중퍼셉트론의 등장 (1969)
튜링 테스트가 발표되고 얼마 지나지 않아 코넬 항공 연구소의 프랑크 로젠블라트가 고안한 초기 인공신경망 퍼셉트론이 등장하게 됩니다.
이는 매우 단순한 형태의 피드포워드(feedforward) 네트워크로, 선형 분류기라고도 볼 수 있습니다.
퍼셉트론(Perceptron)에 대해서는 제가 따로 정리해 둔 글을 참고해주시길 바랍니다!
Chapter 1 - 1 퍼셉트론(Perceptron), single layer
아주 기본적인 머신러닝 조차 잘 모른다면 아래의 글을 읽어보길 바란다. 2020/03/21 - [AI/ML & DL] - 머신 러닝(Machine learning)이란 무엇인가? (supervised? or unsupervised?) 머신 러닝(Machine learning)..
supermemi.tistory.com
이런 single layer 퍼셉트론은 인지가 가능하다는 관점에서 상당한 관심을 모았으나 AND나 OR 같이 선형으로만 분리 가능한 문제에 대해서 사용가능했습니다. 예를들어 단순한 XOR 문제는 하나의 직선으로 분리할 수 없기 때문에 퍼셉트론의 한계를 보여줍니다.
Perceptrons (1969)
민스키(Minsky)와 페퍼트(Papert)는 두개의 퍼셉트론을 사용하여 이러한 문제를 해결하려고 시도했습니다.
그러나 이것을 학습시킬만한 이론적, 물리적 컴퓨터 능력이 뒷받침 되지 않아 첫번째 AI winter, 즉 인공지능의 암흑기로 빠져들게 됩니다.
3. 첫번째 인공신경망의 겨울 (1974 ~ 1980년대 초) -> 전문가 시스템의 부흥
인공지능 신경망에 대한 실망과 더불어 대규모 투자들이 철회되면서 첫번째 AI winter에 빠지게 됩니다.
이후에 Logic 에 기반한 전문가 시스템(expert system)이 활발하게 개발되기 시작합니다.
사람전문가가 일일이 규칙을 만들고, 그것에 기반해 추론을 하는 전문가 시스템(Rule based)이 활발하게 연구되었습니다.
이러한 흐름속에 MYCIN(1970년대)과 XCON(1980년대)같은 프로그램이 개발되어 성공을 거두기도 했습니다.
하지만 전문가가 세상의 모든 규칙을 일일이 다 고려할 수는 없었습니다. 서서히 전문가 시스템은 쇠락의 길로 들어섭니다.
4. 인공신경망의 부활 (1980년대 초 ~ 1980년대 말)과 두번째 겨울
제프리 힌튼(Geoffrey E. Hinton)은 지속적으로 연구를 해왔으며, 그 결과로 Multi-Layer Perceptrons(MLP)와 Backpropagation Algorithm(역전파 기법)을 제안했습니다.
2020.03.08 - [AI/ML & DL] - Chapter 1 - 2 다층 신경망 (MLP; Multi-Layer Perceptrons)
Chapter 1 - 2 다층 신경망, Multi layer
1 - 2 신경망의 기본구조 앞의 글에서는 신경망의 기본구조 중 퍼셉트론(perceptron)과 단층 신경망 (single layer neural network)에 대해서 다뤘다. 퍼셉트론(perceptron)은 입력층(input layer) 하나와 출력..
supermemi.tistory.com
이는 그야말로 죽어가던 인공신경망 기술에 새로운 생명을 부여하는 결과를 낳게 됩니다.
역전파 기법을 통해 깊게 레이어를 쌓고 다양한 비선형 분류기를 만들 수 있게 됨으로써 인공신경망은 엄청난 발전을 거두게 됩니다.
또한 얀 르쿤(Yann LeCun)이 1989년에 Conlutional Neural Network 기반의 LeNet을 통해 우편번호 손글씨 인식에 성공하면서 큰 주목을 끌게 됩니다.
그러나 인공 신경망은 다시한번 현실 세계의 한계에 부딪히게 됩니다.
복잡한 모델을 학습시키기 위한 컴퓨팅 능력은 처참한 수준이었고, 데이터의 수도 부족하여 제대로 된 연구가 진행되지 않아 두번째 침체기에 빠지게 됩니다.
5. 인공 신경망의 부활과 딥러닝의 발전
그러나 두번째 침체기는 컴퓨팅 파워의 발전과 데이터 셋의 증가로 금새 극복해 냈습니다.
또 고전적인 방식을 뛰어넘어서, 깊은 네트워크를 쌓는 딥러닝이 제안되면서 부터 실제 문제를 해결가능한 수준으로 성능이 급격하게 상승하기 시작합니다.
그이후로 매우 다양한 분야에 다양한 문제들을 인공신경망 기술을 기반으로 해결할 수 있게 되었습니다.
현재는 기초적인 연구뿐만아니라, 기초 연구를 발전시켜 상업적으로도 많은 상품개발이 진행되는 단계입니다.
혹자들은 곧 인공지능의 겨울이 다시한번 찾아올 것이라고 합니다.
그러나 인공지능을 공부하는 학생의 입장에서 봤을때, 그것은 '기우'라고 생각됩니다.
매우 다양한 분야에서 빠른 속도로 성능향상이 급격히 이뤄지고 있습니다.
또한 하드웨어적인 성능향상 역시 엔비디아 GPU의 발전으로 매우 향상되고 있구요.
그리고 이미 많은 세부분야에서 알게모르게 인공지능 기술들이 사용되고 있습니다.
물론 현재 인공지능의 수준은 강인공지능이 아닌 분야별 전문가 수준에 불과합니다. 그러나 Multi-Modal 연구들이 진행되고 있고, 다양한 분야에서 동시에 진척되는 기술들이 언젠가 한점으로 모여 일반 인공지능을 달성할 수 있다고 생각됩니다.
앞으로의 발전이 기대됩니다!
다음글 : [ AI 기초 ] 3. Linear Model (classifier)
[ AI 기초 ] 3. Linear Model (classifier)
[ AI 기초 ] 3. Linear Model (classifier) 이전글 : [AI/Series] - [ AI 기초 ] 2. AI 의 역사 [ AI 기초 ] 2. AI 의 역사 [ AI 기초 ] 2. AI 의 역사 이전글 : [ AI 기초 ] 1. Introduction for Ar..
supermemi.tistory.com
'Artificial Intelligence > Basic' 카테고리의 다른 글
| [ AI 기초 ] 4. Logistic Regression (0) | 2022.04.21 |
|---|---|
| [ AI 기초 ] 3. Linear Model (classifier) (0) | 2022.04.21 |
| [ AI 기초 ] 1. Introduction for Artificial intelligence (0) | 2022.04.20 |
| Human Pose Estimation 이란? (2022) (0) | 2022.04.04 |
| A Beginner's Guide to Variational Methods: Mean-Field Approximation (0) | 2022.02.13 |
