2016.03.07

“인지, 신경, 딥?!” AI 유행어에 대해 알아야 할 5가지 개념

Katherine Noyes | InfoWorld
IT는 원래 온갖 유행어가 넘쳐나는 분야이지만 AI의 경우 특히 여러 가지 용어를 구분하기가 어렵다. 인공 지능이라는 말도 있고 기계 지능이라는 말도 있다. 머신 러닝과 딥 러닝도 있다. 도대체 차이점이 무엇일까? 그 차이를 이해하기 위해 알아야 할 5가지를 살펴보자.

1. AI는 모든 용어를 포괄하는 우산
미국국립과학재단의 정보 및 지능형 시스템 부문 책임자인 린 파커에 따르면 인공 지능(Artificial Intelligence)이란 “외부 관찰자에게 인간과 비슷하게 보이는 ‘스마트한’ 방법으로 소프트웨어를 작동시키는 폭넓은 방법, 알고리즘 및 기술”이다.

즉 머신 러닝, 컴퓨터 비전, 자연어 처리, 로봇 공학 및 그와 관련된 주제들은 모두 AI에 속한다고 할 수 있다.

2. 기계 지능 = AI
파커는 “두 가지를 구분해서 사용하는 사람도 일부 있지만 보편적인 견해 측면에서 두 용어가 다른 의미로 사용된다고 할 수는 없다”고 말했다.

각 용어가 생겨난 지역에 따른 기호의 측면도 있다. 오리건 주립 대학 교수이자 인공지능 발전을 위한 협회(Association for the Advancement of Artificial Intelligence) 회장이기도 한 토마 디트리히는 “기계 지능”이 전통적으로 유럽에서 인기 있는 “현실적인 엔지니어링 감성”에 뿌리를 둔다면 “인공 지능”은 미국에서 더 인기가 있는 “과학 소설(SF)적 느낌”을 반영한다면서 캐나다에서는 “컴퓨터 지능(computational intelligence)”이라는 용어도 자주 사용된다고 덧붙였다.

3. 머신 러닝도 여러 가지 기술을 포괄하는 용어
AI의 일부인 머신 러닝은 소프트웨어가 시간에 걸쳐 더 많은 데이터를 획득함으로써 성능을 개선할 수 있도록 하는 다양한 알고리즘과 방법론을 의미한다. 여기에는 신경망(neural network)과 딥 러닝 모두 포함된다(아래 참조).

파커는 “기본적으로 모든 머신 러닝의 핵심은 데이터에서 추세를 파악하거나 데이터가 속한 범주를 인식해서 소프트웨어에 새로운 데이터가 제시될 때 적절한 예측을 할 수 있도록 하는 것”이라고 설명했다.

예를 들어 얼굴 인식에 대해 생각해 보자. 디트리히는 “나는 내가 아내의 얼굴을 어떤 방법으로 인식하는지 알지 못한다”면서 “내가 그 방법을 모르므로 컴퓨터가 얼굴을 인식하도록 프로그램하기도 매우 어렵다”고 말했다.

머신 러닝은 예제 학습을 통해 그 방법을 제공한다. 디트리히는 “코딩에 의한 프로그램이 아니라 ‘입력-출력 예제의 의한 프로그래밍’”이라고 말했다.

파커는 일반적으로 사용되는 머신 러닝 기술에는 신경망, 서포트 벡터 머신(support vector machines), 결정 트리(decision trees), 베이지안 신뢰 네트워크(Bayesian belief networks), k 최근접 이웃(k-nearest neighbors), 자기 조직화 지도(self-organizing maps), 사례 기반 추론, 인스턴스 기반 학습, 은닉 마르코프 모델(hidden Markov models), 그리고 “다수의 회귀 기법(regression techniques)”이 포함된다고 말했다.

4. 신경망은 머신 러닝의 한 유형이며, 딥 러닝은 한 가지 특정한 종류를 가리킴
파커는 신경망(“인공” 신경망이라고도 함)은 뇌의 신경 세포 작용을 느슨하게 본 딴 머신 러닝의 한 유형이라면서, 그러나 “실제 유사성은 극히 미미하다”고 말했다.

신경망의 종류는 많지만 일반적으로 상호 가중 연결된 노드 시스템으로 구성된다. 노드 또는 “신경 세포”은 여러 개의 계층에 배열된다. 여기에는 데이터가 시스템으로 공급되는 입력 계층, 답이 주어지는 출력 계층, 그리고 학습이 이루어지는 하나 이상의 숨겨진 계층이 포함된다. 파커는 일반적으로 신경망은 상호 연결의 가중치를 업데이트함으로써 학습한다고 말했다.

딥 러닝은 “깊은 신경망”, 즉 여러 개의 숨겨진 계층에 배열된 대규모 신경 시스템을 포함하는 형태를 가리킨다. 반면 “얕은” 신경망에는 일반적으로 숨겨진 계층이 1~2개만 존재한다.

파커는 “딥 러닝의 기본 개념은 새로운 것은 아니지만 어려운 문제에 대해 성공적인 결과를 도출할 수 있는 많은 데이터와 빠른 프로세서를 확보한 최근 들어 보편화됐다”고 말했다.

5. 인지 컴퓨팅 : 복잡한 개념
인지 컴퓨팅 역시 AI라는 큰 우산 아래에 포함되는 하위 영역이지만 쉽게 정의하기 어려운 개념이다. 사실 다소 논란의 대상이기도 하다.

파커에 따르면 기본적으로 인지 컴퓨팅은 “대체로 인간의 인지와 비슷한, 또는 적어도 인간의 인지에 영감을 받은 고차원적인 추론과 이해에 초점을 둔 컴퓨팅”을 가리킨다. 일반적으로 순수한 데이터 또는 센서 스트림보다는 상징적이고 개념적인 정보를 다루며, 복잡한 상황에서 고수준의 결정을 내리는 것을 목표로 한다.

파커는 인지 시스템이 다양한 머신 러닝 기법을 활용하지만 인지 컴퓨팅 자체는 머신 러닝의 한 방법이 아니라 연계 작동하는 여러 AI 서브시스템으로 구성된 하나의 온전한 아키텍처인 경우가 많다고 말했다.

디트리히는 “지각 및 운동 제어와 대조적으로, 우리가 ‘생각’과 결부시키는 인지적 행동을 다루는 AI의 하위 영역”이라고 말했다.

그러나 인지적 컴퓨팅이 진정한 AI 범주인지, 아니면 반짝 유행어에 불과한지는 아직 명확히 알 수 없다.

가트너 부사장인 톰 오스틴은 “’인지적’이라는 말은 마케팅을 위한 헛소리”라며 “이는 기계가 생각한다는 것을 내포하는데, 말도 안 된다. 잘못된 전제는 잘못된 결론으로 이어진다”고 말했다. editor@itworld.co.kr


2016.03.07

“인지, 신경, 딥?!” AI 유행어에 대해 알아야 할 5가지 개념

Katherine Noyes | InfoWorld
IT는 원래 온갖 유행어가 넘쳐나는 분야이지만 AI의 경우 특히 여러 가지 용어를 구분하기가 어렵다. 인공 지능이라는 말도 있고 기계 지능이라는 말도 있다. 머신 러닝과 딥 러닝도 있다. 도대체 차이점이 무엇일까? 그 차이를 이해하기 위해 알아야 할 5가지를 살펴보자.

1. AI는 모든 용어를 포괄하는 우산
미국국립과학재단의 정보 및 지능형 시스템 부문 책임자인 린 파커에 따르면 인공 지능(Artificial Intelligence)이란 “외부 관찰자에게 인간과 비슷하게 보이는 ‘스마트한’ 방법으로 소프트웨어를 작동시키는 폭넓은 방법, 알고리즘 및 기술”이다.

즉 머신 러닝, 컴퓨터 비전, 자연어 처리, 로봇 공학 및 그와 관련된 주제들은 모두 AI에 속한다고 할 수 있다.

2. 기계 지능 = AI
파커는 “두 가지를 구분해서 사용하는 사람도 일부 있지만 보편적인 견해 측면에서 두 용어가 다른 의미로 사용된다고 할 수는 없다”고 말했다.

각 용어가 생겨난 지역에 따른 기호의 측면도 있다. 오리건 주립 대학 교수이자 인공지능 발전을 위한 협회(Association for the Advancement of Artificial Intelligence) 회장이기도 한 토마 디트리히는 “기계 지능”이 전통적으로 유럽에서 인기 있는 “현실적인 엔지니어링 감성”에 뿌리를 둔다면 “인공 지능”은 미국에서 더 인기가 있는 “과학 소설(SF)적 느낌”을 반영한다면서 캐나다에서는 “컴퓨터 지능(computational intelligence)”이라는 용어도 자주 사용된다고 덧붙였다.

3. 머신 러닝도 여러 가지 기술을 포괄하는 용어
AI의 일부인 머신 러닝은 소프트웨어가 시간에 걸쳐 더 많은 데이터를 획득함으로써 성능을 개선할 수 있도록 하는 다양한 알고리즘과 방법론을 의미한다. 여기에는 신경망(neural network)과 딥 러닝 모두 포함된다(아래 참조).

파커는 “기본적으로 모든 머신 러닝의 핵심은 데이터에서 추세를 파악하거나 데이터가 속한 범주를 인식해서 소프트웨어에 새로운 데이터가 제시될 때 적절한 예측을 할 수 있도록 하는 것”이라고 설명했다.

예를 들어 얼굴 인식에 대해 생각해 보자. 디트리히는 “나는 내가 아내의 얼굴을 어떤 방법으로 인식하는지 알지 못한다”면서 “내가 그 방법을 모르므로 컴퓨터가 얼굴을 인식하도록 프로그램하기도 매우 어렵다”고 말했다.

머신 러닝은 예제 학습을 통해 그 방법을 제공한다. 디트리히는 “코딩에 의한 프로그램이 아니라 ‘입력-출력 예제의 의한 프로그래밍’”이라고 말했다.

파커는 일반적으로 사용되는 머신 러닝 기술에는 신경망, 서포트 벡터 머신(support vector machines), 결정 트리(decision trees), 베이지안 신뢰 네트워크(Bayesian belief networks), k 최근접 이웃(k-nearest neighbors), 자기 조직화 지도(self-organizing maps), 사례 기반 추론, 인스턴스 기반 학습, 은닉 마르코프 모델(hidden Markov models), 그리고 “다수의 회귀 기법(regression techniques)”이 포함된다고 말했다.

4. 신경망은 머신 러닝의 한 유형이며, 딥 러닝은 한 가지 특정한 종류를 가리킴
파커는 신경망(“인공” 신경망이라고도 함)은 뇌의 신경 세포 작용을 느슨하게 본 딴 머신 러닝의 한 유형이라면서, 그러나 “실제 유사성은 극히 미미하다”고 말했다.

신경망의 종류는 많지만 일반적으로 상호 가중 연결된 노드 시스템으로 구성된다. 노드 또는 “신경 세포”은 여러 개의 계층에 배열된다. 여기에는 데이터가 시스템으로 공급되는 입력 계층, 답이 주어지는 출력 계층, 그리고 학습이 이루어지는 하나 이상의 숨겨진 계층이 포함된다. 파커는 일반적으로 신경망은 상호 연결의 가중치를 업데이트함으로써 학습한다고 말했다.

딥 러닝은 “깊은 신경망”, 즉 여러 개의 숨겨진 계층에 배열된 대규모 신경 시스템을 포함하는 형태를 가리킨다. 반면 “얕은” 신경망에는 일반적으로 숨겨진 계층이 1~2개만 존재한다.

파커는 “딥 러닝의 기본 개념은 새로운 것은 아니지만 어려운 문제에 대해 성공적인 결과를 도출할 수 있는 많은 데이터와 빠른 프로세서를 확보한 최근 들어 보편화됐다”고 말했다.

5. 인지 컴퓨팅 : 복잡한 개념
인지 컴퓨팅 역시 AI라는 큰 우산 아래에 포함되는 하위 영역이지만 쉽게 정의하기 어려운 개념이다. 사실 다소 논란의 대상이기도 하다.

파커에 따르면 기본적으로 인지 컴퓨팅은 “대체로 인간의 인지와 비슷한, 또는 적어도 인간의 인지에 영감을 받은 고차원적인 추론과 이해에 초점을 둔 컴퓨팅”을 가리킨다. 일반적으로 순수한 데이터 또는 센서 스트림보다는 상징적이고 개념적인 정보를 다루며, 복잡한 상황에서 고수준의 결정을 내리는 것을 목표로 한다.

파커는 인지 시스템이 다양한 머신 러닝 기법을 활용하지만 인지 컴퓨팅 자체는 머신 러닝의 한 방법이 아니라 연계 작동하는 여러 AI 서브시스템으로 구성된 하나의 온전한 아키텍처인 경우가 많다고 말했다.

디트리히는 “지각 및 운동 제어와 대조적으로, 우리가 ‘생각’과 결부시키는 인지적 행동을 다루는 AI의 하위 영역”이라고 말했다.

그러나 인지적 컴퓨팅이 진정한 AI 범주인지, 아니면 반짝 유행어에 불과한지는 아직 명확히 알 수 없다.

가트너 부사장인 톰 오스틴은 “’인지적’이라는 말은 마케팅을 위한 헛소리”라며 “이는 기계가 생각한다는 것을 내포하는데, 말도 안 된다. 잘못된 전제는 잘못된 결론으로 이어진다”고 말했다. editor@itworld.co.kr


X