What I Learned

이번 주에는 인공지능의 개념적 출발점, 발전 과정, 대표 사례, 연산 장치, 그리고 생성형 인공지능에 대해 개략적으로 학습했다.

1) 앨런 튜링과 튜링 테스트

• 앨런 튜링은 알고리즘을 설명하기 위해 튜링 기계라는 가상의 기계를 도입했다.
• 이 개념은 현대 컴퓨터의 이론적 기반을 설명하는 데 중요한 출발점이 되었다.

튜링 테스트(모방 게임)는 기계가 인간 수준의 지능을 가졌는지 판단하는 방법이다.

• 질문자가 문자 대화를 통해 인간과 컴퓨터를 구분하지 못하면, 그 기계가 지능적이라고 간주한다.
• 튜링은 1950년 논문 Computing Machinery and Intelligence에서 “기계는 생각할 수 있는가”라는 질문에 대해 이 방식을 제시했다.

2) 인공지능의 발전과 삶의 변화

• 병렬 프로세스와 GPU 기반의 고성능 컴퓨팅이 발전했다.
• 대량의 데이터를 수집하고 활용할 수 있게 되었다.
• 이 두 요소가 인공지능 발전을 가속했다.

함께 언급된 개념도 중요하다.

• 모라벡의 역설: 인간에게 쉬운 일이 AI에는 어렵고, 반대로 인간에게 어려운 일이 기계에는 쉬울 수 있다는 관점
• 상식의 저주: AI가 복잡한 계산은 잘해도 인간에게 기초적인 상식이나 인과관계를 이해하는 데 약할 수 있다는 점

3) 알파고(AlphaGo)의 사례

• 딥러닝을 활용한 대표적 사례다.
• 지도학습과 자체 대국을 통한 강화학습을 함께 사용했다.
• 학습과 추론을 위해 CPU 1202개, GPU 176개를 병렬 연결해 사용했다.

현재 딥러닝의 활용 분야는 다음과 같다.

• 챗봇
• 자연어 처리
• 사물 및 생물 인식
• 시각 자료 판독
• 예측
• 예술

4) GPU와 TPU

• GPU(Graphics Processing Unit)는 본래 그래픽 처리용이지만, 병렬 계산 능력 덕분에 AI 연산에도 널리 활용된다.
• CUDA와 GPGPU 환경은 GPU를 범용 병렬 연산에 활용할 수 있게 한다.
• TPU(Tensor Processing Unit)는 구글이 2016년에 개발한 연산 장치로, 벡터와 행렬 같은 텐서 연산에 특화되어 있다.
• TensorFlow는 TPU 활용과도 밀접하게 연결되는 대표적인 인공지능 라이브러리다.

5) 음성인식과 챗봇

음성인식은 자연어 음성을 해석해 문자나 명령어 같은 정보로 변환하는 기술이다.

• STT(Speech-to-Text): 사람의 음성을 문자 데이터로 변환
• TTS(Text-to-Speech): 텍스트를 음성으로 변환

챗봇은 인공지능 기반 의사소통 소프트웨어다.

• 문자 대화를 통해 질문에 대한 답변이나 관련 정보를 제공한다.
• 텍스트, 그래픽, 음성 등 다양한 형태로 사용자와 상호작용할 수 있다.

6) 생성형 인공지능

• 생성형 인공지능은 단순 분석을 넘어 새로운 콘텐츠를 생성하는 접근 방식이다.
• 사용자와 대화할 수 있고, 텍스트, 이미지, 코드 등 다양한 결과물을 만들어낼 수 있다.
• 개념적으로는 1990년대 후반의 컴퓨팅 창의성 분야와도 연결된다.

맥킨지가 설명한 생성형 AI 가치사슬은 다음과 같이 정리할 수 있다.

1. 서비스: 생성형 AI 활용을 위한 전문 서비스
2. 애플리케이션: 특정 목적에 맞춘 B2B/B2C 제품
3. Model Hub, MLOps: 모델 큐레이션, 배포, 관리 도구
4. 파운데이션 모델: 생성형 AI의 기반이 되는 중심 모델
5. 클라우드 플랫폼: 하드웨어 접근을 제공하는 실행 환경
6. 컴퓨터 하드웨어: AI 가속 칩, NPU, 뉴로모픽 등

Key Concepts

• 튜링 기계와 튜링 테스트의 의미
• 인공지능 발전 과정과 두 번의 AI 암흑기
• 알파고를 통한 딥러닝과 강화학습 사례
• GPU와 TPU의 역할 차이
• 음성인식, 챗봇, 생성형 인공지능의 활용 범위

  p.s.

  이번 내용은 인공지능 개론 수준의 흐름 정리에 가깝고, 이후에는 세부 기술을 개별 주제로 나누어 더 구체적으로 정리할 예정이다.

References

• 강의교안(비공개)