전세계적 베스트 셀러인 JUSTICE를 보면 처음부터 사람의 머리를 꽝 때리는 내용이 나온다. 바로 공리주의에 관련된 내용과 트롤리 딜레마에 대한 내용이다. 공리주의는 쉽게 말해서 대다수의 이익을 위한 행동을 뜻하며, 트롤리 딜레마는 바로 이러한 공리주의에 관련된 윤리학 실험이다. 인공지능의 가장 큰 적은 기술의 진보일 것 같지만 아이러니 하게도 이러한 윤리와 규칙, 철학이 가장 큰 장애물이다. 지금도 이슈지만, 한참 자율주행 자동차가 엄청난 관심을 받았던 시기가 있었다. 곧 운전에서 해방이 된다는 신나는 상상을 하고 있는 와중 전기 자동차의 선두주자인 테슬라(TESLA)에서 자율주행을 설정한 운전자가 죽고, 우버에서는 보행자를 죽게 만든 사고가 발생하면서 자율주행 자동차에 대한 심각한 회의론이 불기 시..
4차 산업혁명을 주도하는 것은 무엇일까? IoT? 5G? 3D Print? 블록체인? 뭐 다 맞는말이다 할 수 있지만, 4차 산업혁명이라는 것을 제대로 만들어주는 공격수는 인공지능(Artificial Intelligence)이라 할 수 있겠다. 5G가 된다 한들 우리는 4차 산업혁명이라는 것을 인지하지 못한다. 그리고 우리가 사용하고 있는 수많은 IT 기기들이 있다고 해도 IoT가 4차 산업혁명의 주역이라 인지하지 못할 것이다. 왜냐하면 3차 산업혁명과 차이점을 명확히 하기가 힘들기 때문이다. 우리의 머리속에 4차 산업혁명은 로봇들과 수많은 AI가 가득할 것이다. 즉 로봇들과 인간들이 공존하고, 인간의 업무를 대체하거나 편리하게 해주는 세상. 즉, 4차 산업혁명의 핵심은 인공지능이라고 자신있게 말할 수 ..
현재 대기업들이 빅데이터 시장에 과감하게 투자를 하고 있다. Infra, S/W, Service 등 3가지고 분류하고 있는 빅데이터 분야 모두 성장할 것으로 전망하고 있으며, 미국 지디넷(ZDNET)은 빅데이터 및 분석 시장이 2019년까지 1,879억 달러 규모로 성장할 것이다라고 할 정도로 장밋빛 전망을 하고 있을 정도이다. 이처럼 빅데이터는 생소했던 2011년 부터 앞으로의 미래까지 기업들이 끊임없이 투자하는 분야로 자리 잡게 될 것이다. source, Forecast of Big Data market size, based on revenue, from 2011 to 2027 - Statista 재편집 빅데이터의 끊임없는 발전과 동시에 다양한 빅데이터 분석이 발전되기 시작하였는데 그 중에서 최근에는..
최근 들어서, 지극히 개인적인 나에게 이슈거리가 2가지 있었는데 하나는 블록체인(Blockchain)이고, 하나는 A.I 면접관이다. 작년 2017년 6월 22일 문재인 정부가 '블라인드 채용'을 발표하면서, 정부에 민감하게 따라가는 중견기업 이상들을 해당 채용 방법을 검토해보기 시작하였다. 많은 구직자들은 스펙에 민감하고 실제 업무보다 스펙 쌓기에 미친듯이 몰두한다. 그러다 보니 막상 스펙으로는 끝판왕의 인재(人才)가 나왔다고 생각하지만 실무에 투입되면 이런 바보가 없을 정도다. 실무에 기반하지 않다보니 이런 기형적인 인재(人災)들이 나오게 되었는데, 이를 위해 스펙을 보지 않고 직원을 뽑으라는 블라인드 채용이 나와 버린 것이다. source, 블라인드 채용 가이드북블라인드 채용이란? 블라인드 채용이란..
불쾌한 골짜기(Uncanny Valley)는 인간과 유사한 로봇(Humanoid)을 만들어내는 것이 오히려 비호감을 주는 경우를 말한다. 우리가 로봇을 만들 때, 흔히 생각하는 스타워즈의 R2D2같은 로봇은 애완동물같이 호감을 갖고 있고, 이러한 로봇은 인간에게 해를 끼치지 않을거라 생각하게 된다. 한마디로, 친근한 애완동물같은 느낌으로 로봇에게 접근을 해야 하는데 간혹 너무 사람같이 만들려고 하는 노력이 불쾌함을 주는 경우가 종종 보인다. 사실 불쾌한 골짜기는 시사하는 바가 상당히 많다. 많은 인공지능 개발자, 연구진들은 인간과 똑같이 만들기 위해서 평생을 바치고 연구를 하지만, 과연 그게 옳은 것인가를 생각해봐야 한다. 몇몇 특별한 기능의 로봇(이성로봇, 애인로봇 등)이 아닌이상 굳이 인간과 비슷한 ..
머신러닝(Machine Learning) 즉, 기계학습이란 컴퓨터가 학습을 통해서, 기계에게 지식을 주입하는 것을 말한다. 우리가 어떠한 사람에게 "우리나라 수도인 서울은 대한민국에서 가장 인구가 많은 도시야"라고 누군가에게 지식을 전달 했을 때, 그 지식을 습득한 당사자는 "한 나라에서 인구가 가장 많은 도시는 수도일 확률이 높겠군"이라고 생각할 수 있다. 즉 이러한 어찌보면 확률을 컴퓨터에게 심어주는 것이 머신러닝이다. 기계학습의 종류는 크게 지도학습과 비지도학습으로 나뉘는데 최근에는 딥러닝으로 인해서 강화학습이 추가되어 3가지로 나뉘는 경우가 많다. 그럼 각각의 학습에 대한 정의는 무엇이고, 어떠한 알고리즘이 있는지 확인해보도록 하자 1. 지도학습(Supervised Learning) 가장 기본이 ..
A.I에서 알고리즘으로 어떤 해답을 탐색한다는 것은 다른 말로 바꿔 말하자면, 문제를 해결(Problem Solving)하는 과정이라고 표현할 수 있다. 다양한 알고리즘들이 문제를 해결하는 방법을 가지고 있다. 어떤 리스트를 소팅(Sorting)해라라고 할 때 하나의 알고리즘만으로 소팅하지 않는다. 데이터의 구조 및 상황에 따라서 적절한 알고리즘을 선택하여 정렬을 수행하는데 A.I 역시 하나의 방법으로만 탐색(즉, 해답을 찾는..)을 하지는 않는다. 탐색 알고리즘 중에 상태 공간 탐색이라는 방법(혹은 알고리즘)이 있는데 이 방식은 제목에서 알다시피 상태 공간을 이용한 탐색방법이다. 상태 공간 탐색은 여러가지 대표적으로 잘 알려진 문제를 해결할 수 있는데 대표적으로 "퍼즐", "틱택토(tic-tac-toe..
퍼지이론은 자연 현상의 불확실한 상태를 수학적인 개념을 통해 표현해 주는 방법으로 1965년 미국 버클리대학교의 교수 롯피 자데(Lotfi A. Zadeh)에 의해 최초로 제안되었다. 퍼지이론은 흔히 많이 사용되는 보통집합의 개념을 확장 또는 일반화한 것으로 일정한 구간으로 표현된 값이나 언어적 표현 등과 같이 애매하거나 불확실한 정보를 모델화하고 수식으로 처리할 수 있는 수학적인 도구로 다양한 분야에서 활용되고 있다. Lotfi A. Zadeh 퍼지집합은 어떤 모임에 속한다 또는 속하지 않는다는 이진법 논리로부터, 그 모임에 속하는 정도를 소속함수(membership function)로 나타냄으로써 수학적으로 표현할 수 있다. 또한 퍼지측도(fuzzy measure)는 일반집합 A에서 위치가 애매한 원..
퍼셉트론을 포스팅 하면서, 인공지능의 시작과 함께 1차 인공지능의 겨울이 오는 것까지 설명을 하였다. 퍼셉트론은 인공지능의 시작이며, 현재 가장 핫하고 진보적인 기술인 딥러닝(Deep Learning)의 시초가 되는 기술이다. 즉 퍼셉트론을 제대로 이해할 수 있어야, 딥러닝을 제대로 이해할 수 있다고 말해도 과언이 아닌 것이다. 인공지능의 한동안 거의 사라진 기술이다시피 하였다. 막대한 금액을 퍼부었지만, 별다른 성과를 내지 못했던 이 기술은 점차 연구를 중단하게 되고, 근근이 몇군데에서만 연구를 시작하게 된다. 그러다가, 전문가 시스템(Expert System)이 발전하면서 인공지능의 관심도가 증가하게 된다. 사실 퍼셉트론이 처음 생겼을 때는 사용할 수 있는 분야가 없어서 쇠퇴하였지만, 전문가 시스템은..
저번 포스팅에는 퍼셉트론으로 구현이 가능한 논리 게이트(논리 회로)에 대해서 포스팅을 하였다. 왜 논리 게이트에 대해서 포스팅을 했느냐면, 바로 XOR에 대한 문제점 때문이다. 로센블래트와 고등학교 동창이던 마빈 민스키 박사는 많은 설전을 벌였었다. 민스키 박사는 퍼셉트론은 대부분을 해결할 수 없다고 말했지만, 로센블래트는 퍼셉트론에 대해서 자신만만하던 참이었다. 민스키 박사는 동료이던 세이무어 페퍼트와 퍼셉트론의 한계를 수학적으로 증명을 하면서, 로센블래트는 처참히 무너지고 말고 이것이 바로 인공지능의 1차 겨울이 오는 시기이다. 마빈 민스키 박사, Marvin Minsky 바로 퍼셉트론은 AND, OR, NAND 같은 선형문제는 풀수 있을지 모르지만, XOR같은 비선형 문제를 풀수가 없다는 것이었다...
1. 인공지능의 종류 인공지능을 설계할 때, 강한 인공지능(Strong AI)로 만들 것인가? 아니면 약한 인공지능(Weak AI)로 만들 것인가 기준을 잡고 만들게 된다. 강한 인공지능(Strong AI) 혹은 일반 인공지능(General AI)는 정의대로 하면 현재 만들 수 없는 기술이긴 하지만 분류를 하자면 Watson같은 존재가 Strong AI로 볼 수 있다. 약한 인공지능(Weak AI) 혹은 좁은 인공지능(Narrow AI)은 거의 대다수를 차지하는 인공지능인데 전문가 시스템적인 인공지능이라고 보면 된다. 예를 들면 추천시스템, 로봇 청소기, 번역 시스템, 그리고 최근의 알파고같이 특정 임무를 수행하는 인공지능이 바로 약한 인공지능이다. 2. 약한 인공지능 약한 인공지능을 만들기 위해서는 어..
인공지능이라는 개념을 제일 처음 만든 사람은 누구일까? "이미테이션 게임"이라는 영화를 본 사람은 튜링이 마지막에 기계와 인간 사이에서 혼란을 느끼는 장면에 의아해 했을 것이다. 앨런 튜링은, 최초의 컴퓨터(물론 기준을 어떤걸로 잡느냐에 따라서 최초냐 아니냐 말이 많다.)를 만드는 것부터 시작해서 인공지능의 개념까지 만든 컴퓨터계에서 입지전적인 인물이다. 베네딕트 컴버배치와 전혀 안 닮았지만, 왠지 튜링은 베네딕트와 더 어울린다.;;; 사람들마다 인공지능에 대한 기준이 존재한다. 누구는 정말 인간같이 똑같이 생각하는 마치 "매트릭스"에서의 컴퓨터 수준의 인공지능으로 볼 수 있지만, 앨런 튜닝은 간단했다. 인간이 컴퓨터와 대화를 하는데 컴퓨터를 사람으로 착각한다면, 해당 컴퓨터는 사고를 가지고 있고, 그것..
