본문 바로가기
카테고리 없음

이제는 필수가 되어버린 알고리즘 이해하기

by Issuetok 2022. 9. 24.

알고리즘이란 뭘까요? 규칙에 대한 이해

인공지능 AI는 전통적으로 자연 언어를 배우거나, 이성을 가지거나, 계획을 세우거나, 인지하거나, 가공할 수 있는 인간다운 지능을 인공적으로 창조하는 것을 앞글들을 통해 알 수 있습니다. 인공지능은 더 나아가 좁은 AI 또는 일반 AI로 정의됩니다. 오늘날 우리가 상호작용하는 협소한 AI는 도메인 내에서 특정 업무, 대표적인 예로 언어 번역을 수행하도록 설계되었습니다. 일반 AI는 가상적인 것으로 도메인별로 다르지는 않지만 어디서든 학습하고 업무를 수행할 수 있습니다. 본 글은 좁은 AI의 발전, 특히 머신러닝이라고 하는 컴퓨터 과학 분야의 새로운 알고리즘과 모델을 연구하고 탐구하며 알아가는것에 초점을 맞추는 글입니다. 머신러닝 즉, 알고리즘을 생성하는 알고리즘은 어떤걸까요?. 알고리즘은 문제를 해결하기 위해 사용되는 일련의 지시사항으로 알고 있습니다. 프로그래머가 새로운 작업에서 컴퓨터를 지시하기 위해 개발한 알고리즘은 오늘날 우리가 보는 첨단 디지털 세계의 구성 요소입니다. 컴퓨터 알고리즘은 특정 명령과 규칙에 기초하여 방대한 양의 데이터를 정보와 서비스로 구성되고 있습니다. 머신러닝에서는 컴퓨터 프로그래머가 아닌 학습 알고리즘이 규칙을 만들기 때문에 이를 이해하는 것은 아주 중요하다고 볼 수 있습니다. 이 접근방식은 모든 단계를 컴퓨터에게 프로그래밍하는 대신에 프로그래머의 새로운 단계별 지시 없이 데이터로부터 배울 수 있는 컴퓨터 지시를 제공하고 있습니다. 또한 컴퓨터를 수동으로 프로그래밍할 수 없는 새롭고 복잡한 작업에 사용할 수 있다는 것을 의미합니다. 시각 장애인들을 위한 사진 인식 애플리케이션이나 사진을 말로 번역하는 것 같은 것이 대표적이기도 합니다. 머신러닝의 기본 과정은 학습 알고리즘에 훈련 데이터를 주는 것입니다. 그런 다음 학습 알고리즘은 데이터로부터의 추론에 기초하여 새로운 규칙 집합을 생성하고 있습니다. 이것은 새로운 알고리즘을 생성하는데, 공식적으로 기계 학습 모델이라고 합니다. 다른 훈련 데이터를 사용함으로써 동일한 학습 알고리즘을 사용하여 다른 모델을 생성할 수 있습니다. 예를 들어, 동일한 유형의 학습 알고리즘을 사용하여 컴퓨터에게 언어를 번역하거나 주식시장을 예측하는 방법을 가르칠 수 있는것입니다. 데이터에서 새로운 지시를 추론하는 것이 머신러닝의 핵심 강점이며, 또한 데이터의 중요한 역할을 강조하고 있습니다. 알고리즘을 훈련시키는 데 사용할 수 있는 데이터가 많을수록 더 많이 학습할 수 있으며, 최근 AI의 많은 발전은 학습 알고리즘의 급진적인 혁신에 기인하는 것이 아니라, 인터넷이 가능하게 하는 엄청난 양의 데이터에 기인하고 있습니다. 알고리즘의 기계 학습 방법은 어떤것들이 있을까요?. 기계 학습 모델은 다양한 기법을 혼합하여 적용할 수 있지만, 학습 방법은 일반적으로 세 가지 일반적인 유형으로 분류할 수 있습니다. 첫번째, 감독 대상 학습입니다. 학습 알고리즘에는 라벨이 부착된 데이터와 원하는 출력물이 주어집니다. 예를 들어, "개"라고 표시된 개의 사진은 알고리즘이 개의 사진을 분류하는 규칙을 식별하는 데 도움을 줄수있습니다. 두번째, 감독되지 않은 학습도 있습니다. 학습 알고리즘에 주어진 데이터는 라벨이 붙어 있지 않으며, 입력 데이터의 패턴을 식별하기 위해 알고리즘을 요청하게 되있습니다. 예를 들어, 학습 알고리즘이 종종 함께 구매한 유사한 아이템을 발견하는 전자상거래 웹사이트의 추천 시스템입니다. 세번째, 강화 학습입니다. 알고리즘은 보상과 처벌 측면에서 피드백을 제공하는 동적 환경과 상호작용합니다. 예를 들어, 자율주행차가 도로에 머무를 수 있는 보상같은 환경을 얘기합니다. 어렵게 들릴 수도 있겠지만, 기계 학습은 새로운 것이 아닙니다. 신경망과 같이 그 분야에 대한 새로운 관심을 촉발시킨 학습 알고리즘의 상당수는 수십 년 전의 연구에 바탕을 두고 이뤄저온것입니다. 현재의 AI와 머신러닝의 성장은 다음의 세 가지 중요한 분야에서의 개발과 관련이 있습니다. 데이터 가용성 분야입니다. 약 170억 개의 기기나 센서가 연결된 30억 명 이상의 사람들이 온라인에 접속하고 있습니다. 데이터 저장소의 비용 감소와 결합하여 쉽게 사용할 수 있는 대량의 데이터를 생성하고있습니다. 머신러닝은 이것을 알고리즘 학습을 위한 훈련 데이터로 사용할 수 있으며, 점점 더 복잡한 작업을 수행하기 위한 새로운 규칙을 개발할 수 있습니다. 이다음으로 컴퓨팅 능력입니다. 강력한 컴퓨터와 인터넷을 통한 원격 처리 능력을 연결하는 능력은 엄청난 양의 데이터를 처리하는 머신러닝 기법을 가능하게 합니다. 마지막으로 알고리즘 혁신입니다. 특히 딥러닝이라고도 알려진 계층화된 신경망에서 새로운 머신러닝 기술은 새로운 서비스에 영감을 주었지만, 이 분야의 다른 부분에 대한 투자와 연구에 박차를 가하고 있습니다. 주의할점은 점점 더 많은 제품과 서비스에서 머신러닝 알고리즘이 사용됨에 따라 AI를 다룰 때 특히 인터넷에 대한 사람들의 신뢰라는 맥락에서 고려해야 할 몇 가지 심각한 요소가 있습니다. 사회 경제적 영향. AI의 새로운 기능과 서비스는 사회경제적으로 상당한 영향을 미칠 것으로 예상됩니다. 자연 언어를 처리하고, 배우고, 계획하고, 인지할 수 있는 진보된 인지 기술을 보여주는 기계의 능력은 지능적인 시스템에 의해 새로운 작업이 수행되는 것을 가능하게 하며, 때로는 인간보다 더 큰 성공을 거두기도 합니다. 새로운 AI 애플리케이션은 보다 효과적인 의료, 안전한 산업 및 서비스를 위한 흥미로운 기회를 열어주고 대규모로 생산성을 높일 수 있습니다. 투명성, 편견, 책임감. 인공지능이 내린 결정은 사람들의 삶에 심각한 영향을 미칠 수 있습니다. AI는 일부 개인을 차별하거나 편파적인 훈련 데이터로 오류를 범할 수 있습니다. 인공 지능이 삶에 편의를 가져다 주는것임에는 분명하지만 이러한 오류들이 발생할 수 있는 여지도 생각해봐야 합니다. AI가 어떻게 결정을 내리는지는 이해하기 어려운 경우가 많아 편향성 문제를 해결하기 어렵고 책임성을 확보하는 것이 훨씬 어렵습니다. 데이터에 대한 새로운 용도. 즉, 머신러닝 알고리즘은 대량의 데이터, 빅데이터에서 패턴을 분석하고 식별하는 데 효율성이 입증되었습니다. 빅데이터는 학습 알고리즘을 훈련해 성능을 높이는 데 활용됩니다. 이로 인해 데이터에 대한 수요가 증가하여 데이터 수집을 장려하고 사용자의 프라이버시를 희생하여 정보를 과도하게 공유할 위험이 발생합니다. 보안과 안전. AI와 그 활용의 발전은 또한 새로운 보안과 안전 문제를 야기할 것입니다. 여기에는 AI 요원의 예측불가하고 유해한 행동뿐만 아니라 악의적인 행위자에 의한 역적 학습도 포함됩니다. 윤리적인 측면을 보자면 AI는 윤리적인 고려를 AI 시스템과 알고리즘으로 구축하는 것이 중요하다고 강조하면서 비윤리적인 것으로 간주될 수 있지만 알고리즘의 논리적 결과물이 될 수도 있습니다. 새로운 생태계의 등장. 모바일 인터넷의 영향과 마찬가지로, AI는 새로운 애플리케이션, 서비스, 네트워크와 상호작용하는 새로운 수단을 가능하게 합니다. 예를 들어, 음성 및 스마트 에이전트를 통해 인터넷이 얼마나 개방적이거나 접근할 수 있는지에 대한 새로운 문제를 야기할 수 있습니다.

댓글0