항목
인공지능
artificial intelligence
인공지능(영어: artificial intelligence, AI)은 컴퓨터가 학습, 추론, 지각, 언어 처리, 문제 해결, 계획과 의사 결정처럼 지능과 관련된 일을 수행하도록 하는 방법을 연구하는 컴퓨터 과학 분야이다. 이러한 방법으로 만든 프로그램이나 기계도 인공지능이라고 부른다. 인공지능 시스템은 입력을 처리해 예…
항목
artificial intelligence
인공지능(영어: artificial intelligence, AI)은 컴퓨터가 학습, 추론, 지각, 언어 처리, 문제 해결, 계획과 의사 결정처럼 지능과 관련된 일을 수행하도록 하는 방법을 연구하는 컴퓨터 과학 분야이다. 이러한 방법으로 만든 프로그램이나 기계도 인공지능이라고 부른다. 인공지능 시스템은 입력을 처리해 예…
이 항목이 포함된 사건 파일에서 정보와 관계를 함께 살펴보세요.
이 항목이 포함된 사건 파일이 아직 없습니다.
이 항목으로 조사 시작하기인공지능(영어: artificial intelligence, AI)은 컴퓨터가 학습, 추론, 지각, 언어 처리, 문제 해결, 계획과 의사 결정처럼 지능과 관련된 일을 수행하도록 하는 방법을 연구하는 컴퓨터 과학 분야이다. 이러한 방법으로 만든 프로그램이나 기계도 인공지능이라고 부른다.
인공지능(영어: artificial intelligence, AI)은 컴퓨터가 학습, 추론, 지각, 언어 처리, 문제 해결, 계획과 의사 결정처럼 지능과 관련된 일을 수행하도록 하는 방법을 연구하는 컴퓨터 과학 분야이다. 이러한 방법으로 만든 프로그램이나 기계도 인공지능이라고 부른다. 인공지능 시스템은 입력을 처리해 예측값, 추천, 결정, 글·그림 같은 결과를 만들며, 반드시 사람의 사고 과정을 그대로 흉내 내는 것은 아니다.
인공지능에는 사람이 사실과 규칙을 직접 적어 넣는 기호주의 인공지능과, 여러 데이터에서 규칙성을 찾아 모델을 조정하는 기계 학습 등 다양한 접근이 있다. 딥 러닝은 여러 층의 인공 신경망을 사용하는 기계 학습의 한 갈래이고, 생성형 인공지능은 글·그림·음성·영상·코드 같은 새로운 결과물을 만든다. 인공지능은 검색·추천·번역·음성 및 영상 인식, 의료 지원, 게임과 로봇 제어 등에 쓰인다. 기계 학습과 생성형 인공지능은 인공지능 전체가 아니라 그 일부이다.
‘인공지능’이라는 이름은 1955년에 작성된 다트머스 여름 연구 계획서에서 사용되었고, 이듬해 열린 다트머스 회의는 관련 연구를 하나의 독립된 분야로 묶는 계기가 되었다. 이후 인공지능 연구의 중심은 논리와 규칙, 전문가 시스템, 통계적 기계 학습과 딥 러닝 등으로 넓어졌다. 2020년대에는 대규모 자료로 미리 학습한 파운데이션 모델과 생성형 인공지능이 확산되면서, 인공지능은 일상적인 정보 서비스뿐 아니라 과학, 의료, 교육, 산업과 창작 활동에도 널리 쓰이고 있다.
인공지능은 반복적인 일을 줄이고 정보 접근성을 높이며 과학·의료·교육에 새로운 도구를 제공할 수 있다. 한편 잘못된 결과, 편향, 개인정보 침해, 허위 정보, 보안과 안전 문제, 노동과 환경에 미치는 영향도 낳을 수 있다. 성능과 위험은 과제와 사용 환경에 따라 달라지므로, 이를 평가하고 관리하기 위한 윤리적 논의와 법·제도적 규율도 함께 이루어지고 있다.
인공지능은 연구 분야나 기술을 가리키기도 하고, 그 기술로 만든 구체적인 시스템을 가리키기도 한다. 경제협력개발기구는 인공지능 시스템을 목표를 위해 입력을 처리하여 예측, 생성물, 추천, 결정 등의 결과를 만들고 물리적 또는 가상 환경에 영향을 줄 수 있는 기계 기반 시스템으로 정의한다. 시스템마다 자율성의 정도가 다르며, 일부는 실제 사용을 시작한 뒤 새로운 자료에 맞추어 동작을 조정할 수 있다. 대한민국의 「인공지능 발전과 신뢰 기반 조성 등에 관한 기본법」도 ‘인공지능’과 ‘인공지능시스템’을 나누어 정의한다. 이러한 정의는 정책과 법률이 적용될 대상을 정하기 위한 것으로, 인공지능에 관한 유일한 과학적·철학적 정의는 아니다.
인공지능 모델과 인공지능 시스템은 맡는 범위가 다르다. 기계 학습에서 모델은 입력을 출력으로 바꾸는 계산 구조와 학습된 매개변수의 집합을 뜻한다. 실제 인공지능 시스템에는 하나 이상의 모델뿐 아니라 입력 자료를 처리하는 절차, 데이터베이스, 사용자 화면, 출력에 적용되는 규칙, 서버와 센서 등이 함께 들어갈 수 있다. 예를 들어 기계 번역 서비스에서 신경망 모델은 문장을 다른 언어로 바꾸고, 전체 서비스는 여기에 언어 감지, 문장 분할, 입출력 필터와 화면 표시 기능을 더한다. 모델의 정확도와 실제 서비스 전체의 신뢰성·안전성은 따로 평가한다.
인공지능은 알고리즘 및 자동화와 관련이 깊고, 기계 학습, 딥 러닝과 생성형 인공지능을 포괄하지만 서로 바꾸어 쓸 수 있는 말은 아니다. 아래 표는 이 개념의 뜻과 관계를 간략히 정리한 것이다.
예를 들어 정해진 시각에 조명을 켜는 타이머는 자동화 장치이고, 과거 이메일에서 배운 규칙으로 스팸을 가려내는 필터는 기계 학습을 이용한 인공지능이다. 문장을 입력받아 그림을 만드는 시스템은 생성형 인공지능의 예이다. 로봇은 물리적 기계를 뜻하며, 인공지능 없이 정해진 동작만 반복할 수도 있고 센서 자료를 분석하는 인공지능을 사용할 수도 있다.
특정 과제나 제한된 과제군에 맞춘 시스템을 특화형 인공지능이라고 한다. 스팸 필터나 바둑 프로그램처럼 한 분야에서 매우 높은 성능을 보이는 시스템도 다른 종류의 문제에는 별도의 설계나 학습이 필요하다. 여기서 ‘특화형’은 성능이 낮다는 뜻이 아니라 적용 범위가 제한되어 있다는 뜻이다. 반면 인공 일반 지능(영어: artificial general intelligence, AGI)은 여러 영역의 과제를 배우고, 한 영역에서 얻은 지식과 능력을 새로운 상황에 폭넓게 적용할 수 있는 인공지능을 가리킨다.
인공 일반 지능이 갖추어야 할 구체적인 능력과 평가 기준에는 합의된 하나의 정의가 없다. 모리스 등은 수행할 수 있는 과제의 범위, 각 과제에서의 성능과 사람의 개입 없이 행동하는 자율성을 서로 다른 기준으로 평가하는 틀을 제안하였다. 이에 따르면 제한된 공정만 다루는 시스템도 자율적으로 작동할 수 있고, 다양한 과제를 수행하는 모델도 이용자의 지시와 확인을 계속 요구할 수 있다.
인공지능 시스템의 구조는 목적과 기술에 따라 다르지만, 대체로 입력을 데이터로 나타내고 모델이나 규칙으로 처리하여 결과를 내는 흐름을 따른다. 입력은 글·사진·소리, 센서 측정값이나 이용 기록 등이 될 수 있고, 출력은 분류, 수치 예측, 추천 목록, 생성한 글·그림 또는 기계의 행동이 될 수 있다. 실제 서비스에서는 모델이 계산한 결과에 업무 규칙이나 사람의 검토를 더해 최종 출력을 정하기도 한다.
컴퓨터는 글·사진·소리를 계산할 수 있는 숫자와 기호로 바꾸어 처리한다. 사진은 화소의 수치로, 소리는 시간에 따라 변하는 신호나 주파수 성분으로, 글은 문자·단어 또는 텍스트를 나눈 기본 단위인 토큰의 열로 나타낼 수 있다. 이렇게 표현된 입력은 규칙, 탐색 절차, 확률 모형이나 인공 신경망을 거쳐 출력으로 바뀐다. 입력을 어떻게 나타내고 어떤 정보를 포함하는지는 모델이 이용할 수 있는 정보와 결과에 영향을 준다.
규칙과 지식에 기반한 인공지능은 사람이 문제에 필요한 사실과 판단 규칙을 직접 적어 넣고, 시스템이 이를 적용해 결론을 내리도록 한다. 지식 기반 시스템에서는 사실과 규칙을 지식 베이스에 저장하고, 추론 엔진이 새로운 결론이나 권고를 만든다. 예를 들어 기계의 온도와 진동이 일정 수준을 넘으면 특정 부품의 이상 여부를 검사하도록 규칙을 정할 수 있다. 이러한 지식은 조건문뿐 아니라 명제 논리, 술어 논리나 확률적 관계로도 표현할 수 있다.
규칙을 명시하면 어떤 사실과 규칙에서 결론이 나왔는지 확인하기 비교적 쉽다. 그러나 복잡한 현실의 예외와 관계를 사람이 모두 작성하고 계속 고치기에는 많은 노력이 들며, 글·음성·영상처럼 형태가 다양한 자료의 규칙을 일일이 정하기도 어렵다. 현대 인공지능은 이러한 문제를 다루기 위해 명시적인 규칙과 데이터로부터 모델을 조정하는 기계 학습을 함께 사용한다.
기계 학습에서 학습은 데이터를 이용해 모델의 매개변수를 바꾸는 단계이고, 추론은 학습된 모델로 새로운 입력의 결과를 계산하는 단계이다. 예를 들어 스팸 필터를 학습할 때에는 정답이 표시된 많은 이메일로 매개변수를 조정하지만, 실제 사용할 때에는 새 이메일을 학습된 모델에 넣어 스팸 점수를 계산한다.
‘추론’은 문맥에 따라 뜻이 다르다. 논리학이나 기호주의 인공지능에서는 전제에서 결론을 이끌어 내는 과정을 뜻하고, 기계 학습에서는 학습된 모델을 실행해 출력을 계산하는 과정 전반을 뜻한다. 따라서 사진을 ‘고양이’로 분류하거나 상품별 추천 점수를 계산하는 일도 기계 학습에서는 추론에 해당한다.
일부 시스템은 새로운 자료로 정기적으로 다시 학습되거나, 사용 중에 얻은 피드백으로 조정될 수 있다. 새 입력을 처리하는 추론 단계에서는 보통 모델의 매개변수가 바뀌지 않는다.
실제 인공지능 서비스는 규칙 기반 방식과 학습 기반 방식을 함께 사용하기도 한다. 예를 들어 질의 응답 서비스는 검색 시스템으로 자료를 찾고 언어 모델로 답변을 작성하며, 로봇은 신경망의 인식 결과와 경로 탐색·충돌 방지 규칙을 함께 사용할 수 있다.
인공지능 연구는 시스템을 어떻게 만드는지뿐 아니라, 시스템이 무엇을 할 수 있는지를 기준으로도 나뉜다. 대표적인 분야에는 추론과 문제 해결, 지식 표현, 학습과 예측, 자연어 처리, 컴퓨터 비전, 계획과 의사 결정, 로봇공학 등이 있다. 실제 시스템은 여러 능력을 함께 사용한다. 예를 들어 길 안내 서비스는 질문을 처리하고 지도에서 정보를 찾은 뒤 여러 경로를 비교해 하나를 추천한다.
이 표는 관련 연구 분야를 설명하기 위해 능력을 네 범주로 묶은 것이다. 분류 방식은 목적에 따라 달라지며, OECD는 2025년 지표에서 언어, 사회적 상호작용, 문제 해결, 창의성, 비판적 사고, 학습·기억, 시각, 조작과 로봇 지능을 별도 영역으로 다루었다.
추론은 주어진 정보와 규칙에서 새로운 결론을 얻는 과정이다. 이를 컴퓨터로 수행하는 자동 추론은 특히 수학과 형식 논리의 연역을 자동화하는 연구와 밀접하다. 예를 들어 자동 정리 증명기는 공리와 이미 증명된 정리에 추론 규칙을 적용하여 목표 명제의 증명을 찾는다.
문제 해결은 현재 상태와 목표, 가능한 선택이나 행동이 주어졌을 때 목표에 이르는 해답을 찾는 과정이다. 길 찾기에서는 장소와 도로를 상태와 이동 가능한 경로로 나타낸 뒤 목적지에 도달하는 경로를 찾는다. 시간표 작성에서는 수업·교실·시간에 관한 여러 제약을 동시에 만족하는 배치를 찾아야 한다. 게임에서는 상대가 어떻게 행동할지도 고려하여 다음 수를 선택할 수 있다. 해답이 여러 개라면 이동 거리, 시간, 비용이나 위험처럼 미리 정한 기준에 따라 더 나은 해답을 찾기도 한다.
문제를 컴퓨터가 다룰 수 있으려면 관련 정보를 적절한 형태로 나타내야 한다. 지식 표현은 사물과 개념, 그 성질과 관계, 사건, 시간, 행동과 불확실성 등을 컴퓨터가 처리할 수 있는 형태
출처: 인공지능 (CC BY-SA)
확인된 구조화 정보, 사용자 의견, AI가 찾은 관계를 구분해 표시해요.
아직 댓글이 없어요. 먼저 한마디 남겨 보세요.