Chapter 6: AI

1
2
 WHY? 등장 배경 : 알파고 vs 이세돌

2016년 알파고와 이세돌9단 대국 – 인공지능이 세기의 관심사로 대두

구급 딥마인드 허사비스 개발 AI 바둑 프로그램 알파고 4승 1패 승리
전문가 대다수 이세돌 우세 전망. BUT 충격 그 자체.
알파고는 1,920 CPU & 280 GPU, 딥러닝 강화학습 훈련

그 후 인공지능 물결이 세상을 지배하며,

우리 일상생활 속에 AI 활용한 수많은 제품 및 서비스 출시.
각종 언론매체를 통해 AI 4차산업혁명의 주인공으로 대두…

AI 스피커, 스마트폰 얼굴인식 기능, 딥페이크, AI 로봇 소피아 등 AI전성시대 3

 AI 최강자 구글 - 알파고의 진화

• 알파고 리 : 7개월 기보데이터 학습, 수십만 대국을 연습

• 알파고 마스터: 40일 2900만 대국을 셀프러닝 (커제 3승 완성)
• 방대한 데이터 수집, 전문가 지식 동원에 막대한 비용
• 알파고 제로: 백지상태학습, 강화학습 기반 72시간 독학

강화학습 : 스스로 시행 착오 통해 요령을 터득, 새로운 지식을 발견하고

통상적이지 않은 전략을 개발 (AI 창조력 발견) 4
 1000조 제약산업 변화시킬 AI
딥마인드 AlphaFold
State of AI - 50년 난제 해결,
게임체인저, 생물학 역사 남을 사건
• 단백질 구조 예측 AI
• 단백질 염기서열정보를 가지고
입체구조 예측(20년, 92.4 점 기록)
• 실용화, 신약개발 시간과 비용
혁신적으로 대폭 단축
• 1000조 글로벌 제약산업 판도
• 구글 AI – 반도체 칩 설계
발표(21.06. Nature)

단백질: 생명활동의 근본, 세포 안의 일들은 대부분 단백질에 의해

결정되므로, 신약은 단백질 중 하나를 타깃으로 작용을 돕거나 방해하는
방법으로 몸을 낫게 함. 단백질의 구조가 기능을 결정하므로, 5
단백질의 입체구조를 파악하는 것은 신약개발에 아주 중요함.
 최근 인공지능이 주목받는 이유?

✓ 빅 데이터 : 데이터 AI 두뇌

✓ 컴퓨팅 하드웨어 기술의 발전

CPU - GPU - TPU

✓ 데이터 저장 처리 발전

Cloud !!

✓ 알고리즘의 고도화

deep neural network

6
WHAT? 인공지능 개념

✓ 기계 혹은 컴퓨터가 인간의 지능을 모방해 인간과 비슷하게

동작하도록 만들어진 모든 기술 (인간 지능을 인공적으로 구현한 것)

✓ 머신러닝: 인공지능의 한 분야, 컴퓨터가 데이터를 이용해 학습하는

알고리즘 기술 (인공신경망, 결정 트리, 서포트 백터 머신 등 다양함)

✓ 딥 러닝 : 인공신경망을 사용하는 머신러닝 모델링 방법 중 하나,

다층 인공신경망 구조를 사용하여 빅데이터 학습(사물, 음성인식 등)

전통적 인공지능 : 연역적 추론. 합리주의. 기호주의 > 머신러닝 : 귀납적

추론, 경험주의. 연결주의 > 딥러닝(머신러닝의 일부)
7
WHAT? 인공지능 개념

인공지능 > 머신러닝(인공지능의 일부) > 딥러닝(머신러닝의 일부)

8
 인공지능 종류

✓ 지능 : 다양한 환경에서 복잡한 문제를 해결하는 능력

✓ 약한 인공지능: 지능을 모방해서 특정한 문제를 풀기 위한 기술

✓ 강한 인공지능: 인간처럼 생각하고 감정과 의식을 가지며 창의성을

발휘하는 기계 (스스로 사고하고 해결하는 능력, 스스로 인식하는

지각능력이 있음. 영화 Her 의 인공지능 사만다, 인간과 사랑에 빠짐)

✓ 초인공지능: 인간을 훨씬 뛰어넘는 지성과 사고를 가진 AI

ANI( Narrow) (현재) AGI (General) 언제? SUPER AI 가능?

9
 인공지능의 역사

✓ 1950년. 영국 수학자 앨런 튜링

✓ 계산기계와 지성 논문: 컴퓨터 반응을

인간반응과 구분해낼수없다면

컴퓨터가 스스로 사고할 수 있는

지능을 갖추고 있는 것이라고 주장

✓ 튜링 테스트 : 심판진 중 30% 이상이

컴퓨터와의 대화를 인간으로 착각,

인공지능을 가진 것으로 인정
10
 인공지능의 역사
✓ 존 매카시 (1927~2011) : 인공지능

용어 처음 사용(1956)

✓ 클로드 새넌 (1915~2001) : 정보이론의

아버지, 디지털회로

✓ 마빈 민스키 (1927~2016) :인공지능의

창시자(인공신경망 연구)

✓ 앨런 뉴얼 (1927-1992) : 초기 인공지능

프로그램 개발

✓ 허버트 사이먼(1916-2001): 앨런 뉴얼과

AI프로그램 개발, 노벨경제학상 수상 11

 인공지능의 역사 (두번의 겨울)

AI 봄: 전문가 시스템 등장 : 컴퓨터에 지식을 넣으면 똑똑해짐 (지능 부분 구현)

전문가: 지식을 데이터로 저장, 기계학습: 데이터 학습으로 새로운 지식 끄집어 냄

1997년: 딥블루 체스 세계 챔피언, 2011년: 왓슨 제퍼디 우승

2012년 : 슈퍼비전 이미지 인식 대회 우승
2014년 : 챗봇 ‘유진 구스트만 튜링테스트 통과
12
2016년: 알파고 등장 ( 이세돌 vs ?)
 인공지능의 역사 (AI 4대 천왕)

제프리 힌튼(2006년) : 딥러닝의 창시자, 구글 자문

심층 신경망의 가중치를 결정하는 알고리즘을 개발함으로써 본격적으로 시작됨.
2010년대 빅데이트와 GPU 등 하드웨어 발전으로 빅뱅을 발생(2012년 ImageNet
경진대회)
요수아 벤지오 : 딥러닝 알고리즘의 한계를 수학적으로 규명, IBM 구글 등 공동연구
얀 르쿤 : 머신러닝 & 딥러닝 , 페이스북 자문
엔드류 응 : 온라인 교육 플랫폼 코세라(Cosera) 창업, 구글 바이두 자문
EBS1 <위대한 수업, 그레이트 마인즈> AI기술의 현재와 미래 특강(22년 1월)
 인공지능의 역사 (최고의 사건)

✓ ImageNet 경진대회 (2012년, 15-16% 에러율)

✓ 제프리 힌튼 SuperVision 압도적승리

✓ 2014년 구글 신경망 (6.65% 에러율, 인간 5.51%)

✓ 1000만건 유튜브 동영상 자가학습

✓ 2016년 MS 152개층 딥러닝 구조

✓ 에러율 3.56%, 인간을 넘어서다 !!

14
 Machine Learning
✓ 컴퓨터가 데이터를 학습하는

기계학습(알고리즘 기술)

✓ 컴퓨터가 스스로 방법을

찾아내고 결과를 도출한다는

점이 특징

✓ 데이터 : 특징 추출,

레이블(출력값의 정보) 포함

머신러닝은 데이터를 학습하는데, 예를 들면 고양이의 특징들을(얼굴 모양, 눈, 코. 입 등)

15
추출해서 입력하고, 수많은 고양이 사진들에 고양이라고 레이블(label)를 표시해서 입력.
 머신 러닝 사용법 및 종류
✓ 분류: 동물 사진, 뉴스기사, 목소리 감정

✓ 회귀: 학력과 독서량, 방문수와 구매율

✓ 예측: 주말 날씨, 10년 후 지구 온도 변화

✓ 이상값 감지: 주식사기 거래, 신용카드

이상 사용 감지, 지진 감지 등

✓ 그룹화: 유사 상품, 고객 분류, 영화 종류

✓ 강화학습: 게임(체스, 알파고),

로봇(공장자동화), 자율주행 등
16
 Machine Learning Algorithms

머신러닝 알고리즘의 종류는 100가지 이상이 있음. 모두를 학습할 필요는 없으며,
내가 어떤 문제를 풀려고 하는지, 어떤 종류를 풀어야 하는지를 먼저 결정한 후에 그
문제 해결에 가장 적합한 머신러닝 방법인 알고리즘을 선택해서 구현해보는 것이 바람직. 17
 Deep Learning
✓ 머신러닝의 하위개념, 인간의 신경망
구조를 흉내 낸 인공신경망 기반 기술

✓ 수많은 모의실험과 시행착오를 통해

스스로 학습을 해 나가는 체계

✓ 학습을 위한 빅데이터가 필요함

✓ Artificial Neural Network

Deep Neural Network, Deep Learning

MLP, CNN, RNN 등 다양한 종류

Deep Learning 활용
Python 언어로 Tensorflow, Keras 패키지
이미지 분석, 자연어 처리, 가격 예측,
이용하여 딥러닝을 구현이 가장 쉬움 신약개발 및 질병진단, 음성인식,
로봇 자율주행 등 18
 머신러닝 vs 딥러닝

✓ Training dataset : Small / Large

✓ Features : Yes / No

특징(변수 등) - > 결과(label)

✓ Training Time : Short / Long

✓ Hardware : CPU-GPU- TPU

보유한 데이터의 양이 어느정도인지? 사용할수있는 시간과 돈의 한계가

어디까지인지? 필요한 하드웨어 수준이 어느 정도인지? 종합적으로 판단.
IF 데이터가 정형데이터로 되어 있다면, 통계로도 충분히 분석 가능… 19
 HOW AI 실제 사례 GPT - 3

✓ OpenAI 비영리 인공지능 연구기업

✓ 자연어 처리 모델 (NLP) : 인간의

언어(텍스트)를 다루는 AI모델

(소설, 뉴스 기사 생성 등에 사용)

✓ 소설 작성, 이미지도 자동 생성

✓ 약 3000억 여개 데이터셋 사전학습

✓ GPT CRUSH 다양한 사례 있음

20
 AI 자동 코딩 - GitHub Copilot
✓ MS 자회사 GitHub & Open AI

✓ 코드 추천 AI 시스템, Copilot 공개

✓ 코드 주석 설명내용 기반 코드 제안

✓ 말로 설명하는 것만으로도, 나머지

코드를 찾아서 제안하는 혁신적 툴

✓ 개발자를 대체 가능한가? 아직은…

✓ Low-Code No-Code 방향

✓ 미래 AI개발자 > AI기획자 변화 21

AI 실제 활용 사례

22
 AI 악용? 사례
✓ 미국 국가안보국 SKYNET

✓ 테러범 식별, Killing Program

✓ 머신러닝 알고리즘으로 테러범

가능성 높은 인물의 전화, GPS.
이동기록 등 분석 및 분류알고리즘

✓ 파키스탄 2004년부터 2500~4000명

가량의 식별된 사람들이 사망

✓ 잘못된 알고리즘 설계로 무고한

사람들까지 희생되어 비판 받음

✓ 대한민국, 비무장지대 킬러 로봇?

SGR-A1 (사람 동물 구분, 적군 기관총 사살)

23
IF AI Market 미래 전망
✓ AI 그 이상의 AI (초거대 AI)

✓ Hyper scale AI

✓ 기술상용화 경쟁이 치열

✓ 대규모 데이터 학습을 통해,

인간처럼 생각하고 판단하는 AI

✓ 경제(금융),사회, 의료, 문화 등
활용분야가 무궁무진함

✓ AI 시장규모 2024년 약663조,

2028년 약 1195조 육박 예상(IDC)

2018년 OCR챌린지, NAVER 1위
✓ 네이버 Hyper CLOVA 공개 : 2021년 NLP(자연어처리) 논문분야 5위
GPT-3 한국어판 공개 예정(노코드 AI 코딩) 컴퓨버비전 3~4위.

카카오 논문발표 상위 1% 차지(1/3)

✓ 카카오 minDALL-E 공개음성 -그림 WMT21(국제기계번역대회) 공동 1위 차지.
24
IF AI 문제점 및 한계
✓ 데이터 의존도 크다

✓ 인종차별 , 성차별 등 윤리적 문제

✓ AGI 시대 ? SUPER AI ?

✓ AI 악용 가능성: 스티븐호킹

AI 개발은 인류의 종말 초래

오바마 행정부 인공지능국가안보위원회 (NSCAI) , 트럼프 8대 전략 수립

최근 중국 인공지능 논문발표 부문 세계 1위, 미국 맹 추격 중
대한민국 인공지능 전략은 ?

인공지능은 세상을 바꿀 도구 !! 인간과 AI 시너지 창출이 가장 중요

25
Chapter 7 안내 : Block chain

Thank You !!

26