인공지능의 학습과 강한 인공지능의 등장 가능성

안녕하세요!! 평생 행복 하고픈 콘텐츠 마케터 입니다.

오늘은 해피캠퍼스에서 발췌한 “인공지능의 학습과 강한 인공지능의 등장 가능성” 내용을 정리하여 알려드립니다.

목차

Ⅰ. 인공지능의 학습

Ⅱ. 약한 인공지능과 강한 인공지능
1. 개념
2. 강한 인공지능의 등장 가능성

Ⅲ. 로봇과 인공지능 로봇
1. 로봇과 인공지능
2. 로봇 3원칙

 

본문내용일부

Ⅰ. 인공지능의 학습

인공지능의 핵심적인 특징은 그것이 학습을 할 수 있다는 것이다. 인공지능의 학습은 기본적으로 수많은 예시를 통해 이루어진다. 대표적인 학습 방식으로 머신러닝(Machine Learning)이 있다. 머신러닝(또는 기계학습)은 컴퓨터를 학습시켜 스스로 규칙을 형성하도록 하는 인공지능 개발 방식이다. 즉 머신러닝은 알고리즘(Algorithm)을 만들어 내는 알고리즘으로, 머신러닝을 통해 컴퓨터가 스스로 프로그램을 작성하기 때문에 사람은 별도의 프로그램을 작성할 필요가 없다.
딥 러닝 (Deep learning)은 다층 구조의 인공 신경망을 기반으로 하여 다량의 데이터에서 높은 수준의 추상화 모델을 구축하는 기법이다. 이는 인간두뇌가 신경망들의 네트워크 구조를 통해 학습하는 과정을 모방한 것이다. 신경망을 활용한 딥 러닝은 사람이 기계를 직접 학습시키는 것이 아니고, 인공지능이 데이터를 통해 스스로 학습 과정을 거친다는 점에 핵심이 있다.
신경망 네트워크 개념은 이미 20세기 초중반에 제안된 바 있다. 이 모델은 신경망 네트워크를 연결함으로써 무한한 계산과 논리적 처리 과정을 통해 어려운 문제를 해결할 수 있다는 점에서 주목을 받았다. 다만 위 모델에 기초한 인공 신경망 기법은 뛰어난 처리 능력에도 불구하고 2000년대 중반에 이르기까지 거의 사용되지 않았는데, 이 기법은 뇌의 전체적 동작을 시뮬레이션하므로 계산량이 매우 많았기 때문이다. 근래의 기술 발전에 힘입어 하드웨어 성능이 향상됨으로써 인공 신경망에 기초한 딥 러닝이 실현 가능하게 되었다. 현재 학습을 거친 인공지능은 사람만이 할 수 있다고 여겨졌던 영역의 일부를 모방할 수 있는 경지에 도달하고 있다.
딥 러닝의 학습 방식은 대체로 세 가지로 나눌 수 있다. 첫 번째는 슈퍼바이저 학습(supervised learning : 지도 학습)이다. 기계가 매번 학습을 시도하여 결과를 산출할 때마다 기계의 감독자가 결과의 정답을 알려 주는 방식이다. 슈퍼바이저 학습은 입력이 주어질 때 출력들의 오류의 합을 최소화하도록 학습한다.

 

참고문헌

설민수, “머신러닝 인공지능의 법 분야 적용의 현재와 미래 –미국의 현황과 법조인력 구조 및 법학교육에 대한 논의를 중심으로”, 저스티스 제156호, 한국법학원, 2016.
안성만, 「딥러닝을 위한 HW시스템 및 SW 라이브러리」, 정보과학회지 제34권 제9호, 한국정보과학회, 2016.
이종호, 「로봇은 인간을 지배할 수 있을까?」, 북카라반, 2016.
주현경, “인공지능과 형사법의 쟁점 –책임귀속을 중심으로”, 형사정책 제29권 제2호, 한국형사정책학회, 2017.
Isaac Asimov, “The Naked Sun(벌거벗은 태양)”, 고려원 미디어, 정태원 옮김, 1957/1996.

해당 자료가 필요하신 분은 “인공지능의 학습과 강한 인공지능의 등장 가능성” 으로 해피캠퍼스에서 확인해 보세요.