AI기술이 다양하게 구현되고 있는 메타버스(Metaverse)우리에게 잘 알려진 페이스북(Face book)을 만든 기업 ‘메타(Meta)’는 사용자가 현실 세계에서와 마찬가지로 상호작용하고, 게임을 하고, 무언가를 만들 수 있는 가상현실 세계인 메타버스(Metaverse)를 발표했다. 사용자는 메타버스 속에서 3D 디지털 개체 및 가상 아바타와 상호 작용할 수 있다.메타버스는 인공지능과 블록체인과 함께 증강현실(AR)과 가상현실(VR)을 사용하여 가상 세계를 만드는 것이다. ‘메타(Meta)’는 Instagram 등과 같은 플랫폼
인공지능 연구와 로봇 연구를 거의 같은 것이라고 생각하는 사람이 적지 않다. 그러나 전문가 사이에서는 이 두 가지를 명확히 다르게 바라본다. 단순하게 말하면 로봇의 뇌에 해당하는 것이 인공지능이다.로봇 연구에서는 뇌 이외의 부분을 연구하고 있는 사람도 많이 있기 때문에 로봇 연구자의 전체가 아니라 그 일부가 인공지능 연구자라고 할 수 있다.그리고 인공지능의 연구 대상은 로봇의 뇌 뿐만이 아니다. 예를 들면 장기나 바둑과 같이 추상적인 게임의 연구에서는 로봇과 같은 물리적인 신체가 필요하지 않다.또 의사의 진단이나 변호사의 조언 같은
최근 ‘인공지능을 탑재한 제품 발매’라든가 ‘인공지능을 사용한 시스템 개발’등 최근 여기저기서 인공지능이라는 말이 많이 들려온다.인공지능 관련된 논의를 보면 ‘지능의 실현을 구성론적으로 목표하는 학문 영역’과는 상당히 성질이 달라 보인다. 이 차이를 어떻게 생각하면 좋을까.인공지능의 연구 분야에서는 예전부터 ‘강한 AI’와 ‘약한 AI’라는 논의가 있었다.본래는 철학자 존 설이 말한 것으로 ‘정확한 입력과 출력을 갖추고 적절하게 프로그램 된 컴퓨터는 인간이 마음을 가지는 것과 완전히 같은 의미로 마음을 가진다’라는 입장을 ‘강한 A
인간의 뇌 속에는 다수의 신경 세포가 있고 그곳을 전기 신호가 오가고 있다. 뇌의 신경 세포 속 시냅스라는 부분에서는 전압이 일정 이상 되면 신경 전달 물질을 분비하고, 그것이 다음 신경세포에 전달되면 전기 신호가 전해진다.즉 뇌는 어떻게 보아도 전기 회로인 것이다. 뇌는 전기가 전기 회로를 왕래하는 것으로 일하며 학습을 하면 이 전기 회로가 조금 변화한다.전기 회로라는 것은 컴퓨터에 내장돼 있는 CPU에 비유되듯이 통상적으로 어떠한 계산을 행하는 것이다.PC 소프트웨어, 웹사이트, 스마트폰 어플리케이션 모두 프로그램으로 돼 있어서
세상에는 ‘인공지능 탑재’를 붙인 제품이나 서비스가 많이 존재하는 반면 전문가들 사이에는 아직 인공지능은 실현되지 않고 있다는 인식을 하고 있다.그렇다면 왜 아직도 인공지능이 미완성이라는 것일까? 그 대답의 실마리를 풀기 위해서 인공지능의 역사를 확인할 필요가 있다.인공지능 연구는 지금까지 ‘붐’과 ‘겨울의 시대’를 되풀이햐 왔다. 제1차 AI 붐은 1950년대 후반~1960년대를 말한다.컴퓨터로 추론과 탐색을 하는 것으로 특정한 문제를 푸는 연구가 진행됐다. 그러나 소위 ‘토이프로블럼’은 풀려도 복잡한 현실의 문제는 풀리지 않는
인터넷은 인공지능 기술의 보고이다. 검색 엔진 안에는 ‘기계학습’이라는 인공지능의 기술이 상당히 많이 사용되고 있다. 기계학습은 사용자가 키워드를 넣었을 때 최종적으로 클릭한 페이지의 결과를 그 웹페이지의 특성과 함께 학습한다.질이 낮은 페이지를 분별하거나 유해한 콘텐츠를 분별하는 것도 기계학습의 일 중 하나다. 이렇게 학습된 정보를 바탕으로 기계학습은 사용자의 키워드에 맞는 가장 적절한 페이지를 빠르게 표시해 준다.이메일 서비스에는 성가신 메일의 필터링 기능이 탑재되고 있다. 이것도 전형적인 인공지능이며 기계학습의 결과다. 기계학
인공지능이 세상을 뒤흔들고 있지만 사실 인공지능은 2021년 현재, 완성돼 있지 않다. 이것이 많은 사람들이 오해하고 있는 부분일 것이다.최근 인공지능을 탑재한 상품이나 인공지능을 사용한 시스템이 늘어나고 있는 현실에서 ‘아직 인공지능이 완성돼 있지 않다’라고 하면 놀랄 사람들이 많겠지만 정확히 말하면 진정한 의미에서의 인공지능, 즉 ‘인간과 같이 생각하는 컴퓨터’는 아직 미완성이라는 뜻이다.인간의 지능 원리를 해명하고 그것을 공학적으로 실현하는 인공지능은 아직 세상 어디에도 존재하지 않는다. 따라서 인공지능을 사용한 제품이나 인공
인공지능의 진화로 인해 인간의 일자리를 순차적으로 빼앗기는 것은 아닐까 걱정하는 목소리가 들려오고 있다. 물론 어느 시점에서는 인공지능이 대량의 실업을 만들어 내는 사태를 일으킬지도 모른다.2014년 영국 딜로이시트사는 영국의 일자리 가운데 35%가 이루 20년간 로봇으로 대체될 가능성이 있다는 보고서를 발표했다.연봉 3만파운드 미만의 사람은 연봉 10만 파운드 이상의 사람과 비교해서 기계에게 일자리를 빼앗길 확률이 5배 이상 높다고 한다.게다가 옥스퍼드대학의 연구 보고서에 따르면 향후 10~20년 안에 IT화의 영향으로 미국에서
구글은 인공지능 연구를 위해 지난 2013녘 벤처회사 DNN리서치를 인수했다. 이 회사는 ‘딥러닝’의 제1인자인 토론토대학 제프리 힌튼 교수가 시작한 기업이었다.소위 아퀴하이어라고 불리는 인재 획득을 위한 기업 매수 기법으로 힌튼과 학생들 등 우수한 인재를 확보하기 위한 목적으로 DNN 리서치를 인수한 것이다.구글은 다음 해에 영국의 딥마인드 테크놀로지스사를 매수했다. 사원이 고작 몇 십 명 뿐인 회사로 페이스북과 서로 경쟁한 끝에 4억 달러의 가치가 매겨져 세상을 놀라게 했다.사업으로서의 가치나 고객이 얼마나 많은가를 본 것이 아
인공지능에 대한 관심으로 갑자기 세상이 떠들썩해졌다. ‘인공지능이 가까운 미래에 인간의 능력을 뛰어넘는 것은 아닐까?’, ‘인간의 일을 기계에 빼앗겨 버리는 것은 아닐까?’라는 우려들이다.‘인간 vs 인공지능’의 대결은 이미 여기저기서 벌어지고 있다.일본 장기의 세계에서는 프로 기사가 인공지능과 대결하고 있다. 그리고 이미 장기의 명인들이 인공지능에게 패배하는 경우들도 생겨났다.장기의 달인 중 한 명을 일본 프로 장기 대회의 7개 타이틀전 중 하나인 키세이센을 통상 5번 이상 유지해야 부여되는 영세기성 타이틀을 가지고 있는 고요네나
완전한 자율주행 모빌리티 시대가 다가오고 있다.구글이 개발 중인 자율주행 자동차는 판매되고 있는 차에 시스템을 축적한 것으로 지금까지 캘리포니아 등의 도로에서 100만 마일을 달렸고, 독자 설계의 시제품 차로 공공 도로 테스트도 실시했다.이 자동차가 그동안 일으킨 사고는 단 2회로 자동 운전이 아니라 인간이 운전하고 있었을 때 사고와 적신호로 정차 중에 후속 차에 의해 추돌된 사고다.이는 인공지능이 운전하는 차가 어쩌면 인간보다 더 안전하게 운전할 수 있다는 것을 보여주는지도 모른다.자율주행 자동차가 보급화되면 장애인이나 고령자에게
인터넷은 인공지능 기술의 보고이다. 검색 엔진 안에는 ‘기계학습’이라는 인공지능의 기술이 상당히 많이 사용되고 있다.기계학습은 사용자가 키워드를 넣었을 때 최종적으로 클릭한 페이지의 결과를 그 웹페이지의 특성과 함께 학습한다.질이 낮은 페이지를 분별하거나 유해한 콘텐츠를 분별하는 것도 기계학습의 일 중 하나다. 이렇게 학습된 정보를 바탕으로 기계학습은 사용자의 키워드에 맞는 가장 적절한 페이지를 빠르게 표시해 준다.인터넷 광고 분야에서도 인공지능 기술이 예외 없이 사용되고 있다. 최신 광고 기술을 사용하면 컴퓨터가 웹페이지의 어느
제3차 AI 붐을 맞이하는 인공지능은 앞으로 우리들의 생활에 어떤 영향을 초래하게 될 것인가? 주의해야 할 것은 시간축이다. 기술의 진전은 산업에서 응용하거나 사회에서 실제로 사용될 때까지 상당한 시간이 걸리는 경우도 있다. 어디까지나 '이 정도의 스피드로 진행되어도 이상하지 않을 것이다’라는 의미로 시간축을 적용시켜 본 것이다. 지금까지 인공지능의 기술에 관한 예상이 어느 시대에서나 빗나갔고, 지나치게 빨리 잡아 맞지 않았던 적도 있었다.딥러닝으로 인해 화상 인식의 정밀도가 향상하면서 종래의 미디어에 적합한 획일적인 광고로부터 개
인공지능은 앞으로 빅데이터에 이어 산업 경쟁력의 큰 기둥이 될 것이다. 그러나 그에 따른 기술의 독점에 대한 경계도 필요하다.인공지능은 '지능의 OS(오퍼레이팅 시스템)'라고 말할 수 있을지도 모른다. 범용적인 특징표현 학습 기술의 토대로 그 위에 다양한 기능을 실현하는 어플리케이션이 실려 있는 이미지다. 특징표현 학습 등의 학습 알고리즘이 기반이 되어 있다면 어플리케이션 부분에서 어떠한 기능을 추가할 것인가는 그다지 어려운 것이 아니다.반대로 말하면 특징표현 학습의 부분을 특정한 기업이 움켜쥐게나, 블랙박스화 되면 대단히 성가시게
최근 세계 각국에서 인공지능 연구가 급물살을 타고 있는 가운데 인류는 몇 가지 난제에 부딪쳐 왔다. 그 문제들은 '특징표현의 획득'이라는 문제에 집약된다. 그리고 그 문제가 딥러닝이라는 특징표현 학습의 방법에 의해 일부 풀리고 있다는 것이다. 특징표현 학습의 연구가 진보되면 지금까지의 인공지능의 연구 성과와 합쳐져서 높은 인식 능력이나 예측 능력, 행동 능력, 개념 획득 능력, 언어 능력을 가지는 지능이 실현될 가능성이 있다는 것이다. 그것은 커다란 산업적 임팩트를 주며, 지능과 생명은 다른 이야기이므로 인공지능이 폭주해 인류를 위
인간의 뇌에서 보면 자기 자신의 신체가 움직이고 그 결과 무엇인가 눈에 들어오는 것에 변화가 일어나지만 ‘뇌의 외부에서 들어오는 데이터’라는 의미에서는 동일하다.그런데 인간은 생물이므로 ‘자신이 명령을 내렸기 때문에 신체가 움직이고 그것에 의해서 눈으로 보이는 것이 변화됐다’라는 데이터가 들어오는 것인지, 그렇지 않으면 ‘신체는 움직이지 않는데 눈으로 보이는 것이 바뀐 것인지’를 구별할 필요가 있다.즉 문을 열었기 때문에 문이 열린 것인지 제멋대로 문이 열린 것인지는 인간의 생존에 있어서 대단히 중요한 차이다.어딘가에 적이 숨어 있
인공지능에 의한 특징표현 획득이나 예측 능력은 산업적으로 큰 무기가 된다. 그렇다면 이후 인공지능이 어떻게 산업 구조를 바꾸며, 각 나라들은 국가로서 어떻게 인공지능과 마주해야 하는지 강구하고 있다.각 산업 영역마다 어떻게 기업 활동이 이루어질지를 인공지능 에이전트 접근법의 '입력'과 '출력이라는 관점에서 살펴볼 필요가 있다. 이른바 하나의 기업을 정보 처리하는 주체, 즉 '에이전트'가 있다. 기존에는 매출이나 고객의 정보와 같은 정보를 입력이라 해서 그것을 사업 전략이나 오퍼레이션에 활용해 왔다. 그리고 이것들은 기본적으로 수직
인공지능은 도대체 어디까지 진화하는 것일까?2014년말, 스티븐 호킹은 인터뷰를 통해 “완전한 인공지능을 개발할 수 있으면 그것은 인류의 종말을 의미할지도 모른다”라고 우려했다.인공지능의 발명은 인류 역사상 최대의 사건이지만, 동시에 최후의 사건이 되어버릴 가능성도 있다고 전문가들은 입을 모은다.인공지능이 자신의 생각을 가지고 자립하고, 자기 자신을 다시 설계할 수 있게 됐을 때는 인류가 맞서서 겨룰 수 없는 위기를 초래할 수 있다는 것이다.테슬라모터스나 스페이스X의 CEO 엘론 머스크는 “인공지능은 상당히 신중하게 다가갈 필요가
딥러닝은 특징표현 학습의 한 종류인데, 그 의의와 평가에 대해서는 전문가들 사이에서도 크게 두 가지 의견으로 나뉜다.첫 번째는 기계학습의 하나의 발명에 지나지 않고 일시적인 유행에 머무를 가능성이 높다는 입장이다.이것은 기계학습 전문가에게 흔한 사고방식이다. 두 번째는 특징표현을 획득할 수 있는 일은 본질적인 인공지능의 한계를 돌파할 가능성이 있다는 입장이다.이쪽은 기계학습보다도 좀 더 넓은 범위를 다루는 인공지능 전문가들에게 많이 인식되고 있다.현재 딥러닝의 연구는 이미지를 읽어서 특징을 추출하는 것까지는 실현되고 있다.특징표현을
인간은 붙임성을 가진 생물이기 때문에 혼자서는 살아갈 수 없다. 한 사람 한 사람의 뇌에서는 사물의 특징표현이 잇달아 학습되고 있지만 인간 사회는 이러한 개체가 정리돼서 하나의 사회를 만들고 있다.언어가 행하는 역할과도 관계가 있지만 사회가 개념 획득의 ‘강건성’을 담보할 가능성이 있기 때문에 복수의 인간에게 공통으로 드러나는 개념은 본질을 포착하고 있을 가능성이 높다.즉 노이즈를 더해도 나오는 개념과 같아서 ‘살아 있는 장소나 환경이 달라도 공통으로 나오는 개념’은 어떠한 보편성을 가질 가능성이 높은 것이다.언어는 이러한 강건성을