당신을 예측하는 알고리즘 - 머신러닝

안녕하세요 흥미롭고 재미있는 과학의 흥. 재. 과입니다!

 

1956년 다트머스 회의에서 "인공지능"이라는 용어가 처음 사용된 이후

제1차 전성기를 맞게 되지만 기대에 못 미친 성능으로 인해 AI 겨울을 맞게 되는데요!

 

1980년대에 들어서면서 "전문가 시스템"이 다시 2차 AI 붐을 맞이하게 되었고

이후 "머신 러닝"에 등장으로 현대 AI로서 급격한 성장을 이뤘습니다

 

오늘은 현대 AI기술의 기반을 마련했던 2차 AI붐에 대해 알아보도록 하겠습니다!

 

최초의 인공지능은 어땠을까?

최초의 인공지능은 어땠을까?

 

2차 AI 붐

 

1. 전문가 시스템(Expert System)

1960~70년대 초기 AI연구에서는 일반적인 문제해결을 위한 방식을 추구했으나,

컴퓨터 성능, 메모리 용량 등의 몇 가지 한계점으로 현실에 적용시키기에는 매우 제한적이었습니다.

 

하여 일부 분야에서 실제 문제를 해결할 수 있는 실용적인 AI시스템에 대한 개발이 이루어졌고,

전문가가 정의한 명확한 규칙과 조건에 따라 작동하는 "전문가 시스템"이 등장하였는데요!

주로 의학, 법률, 유통 등에서 분류 및 문석 등의 기능을 수행했으며 비교적 높은 정확성을 가진 성과를 이뤘습니다!

 

※ 대표 프로그램 : 마이신(의료진단용), Xcon(컴퓨터 구성 설계)

 

하지만 여전히 복잡한 문제(비슷한 모양의 인식, 패턴 인식 등)에는 적합하지 않았으며,

모든 상황을 고려한 규칙을 만들기는 어렵기에 전문가가 설정한 규칙 외에는 정확도가 현저히 낮아지는 문제점이 있었습니다.

 

전문가 시스템 - 마이신(MYCIN)

 

2. 머신러닝(feat. 스팸 메일)

이후 1990년대 후반에 들어서 인터넷의 발달로 대량의 데이터가 생성되고 수집되기 시작했는데요!

웹에서 만들어지는 대량의 데이터들을 처리하기 위해 자연스럽게 컴퓨터의 성능도 같이 업그레이드되었습니다.

 

머신러닝의 핵심은 수많은 데이터들을 읽고 자동으로 학습해서 점점 더 똑똑해지는 인공지능을 말합니다!

 

이메일 스팸 필터링을 예로 머신러닝이 어떻게 동작하는지 한번 알아볼까요?

데이터 수집 - 학습 - 모델 생성 - 예측 - 결과 도출 - 지속 학습 및 모델 개선 순으로 이루어집니다!

 

① 데이터 수집

먼저 '정상'과 '스팸'메일로 분류되어 있는 많은 이메일들을 수집합니다.

 

② 학습

스팸메일에서는 어떠한 단어가 많이 쓰이는지, 신뢰할 수 있는 도메인에서 온 이메일인지 등

메일 안의 다양한 특징들을 분석하고 패턴을 학습입니다.

 

③ 모델 생성

학습된 패턴을 바탕으로 새로운 이메일이 스팸인지 아닌지 판단할 수 있는 모델을 만듭니다.

 

④ 예측

새로운 이메일이 도착하면, 모델은 학습된 패턴을 바탕으로 해당 이메일이 스팸일 확률을 계산합니다.

 

⑤ 결과 도출

계산된 확률이 특정 임계값(ex 90%가 넘으면 스팸이다!)을 넘으면 스팸 이메일로 분류합니다.

 

⑥ 지속적인 학습 및 모델 개선

잘못된 스팸 이메일 분류 등의 수정사항이 있을 경우 사용자의 피드백을 받아 모델을 개선합니다.

 

현재는 더욱 발전된 기술과 방법을 사용하여 필터링 시스템을 이용하지만 기본적인 원리는 비슷한데요!

 

이 머신러닝의 탄생 이후로 AI가 이론적 개념이 아닌 범용적인 실용적 기술로 발전하는데 큰 역할을 했습니다.

→ 데이터 중심의 접근방법

→ 복잡한 작업의 자동화 기능

 

반응형

 

3. 2차 AI 붐과 머신러닝의 등장

컴퓨터에 전문가의 지식을 넣으면 AI가 실현될 것이라는 믿음이 지배적이었고,

실제로 많은 대기업에서 특정분야의 업무를 AI를 활용하는 등의 성과를 거뒀습니다.

 

하지만, 상식적인 수준까지 일일이 컴퓨터에 넣어야 하는 상황에서 범용적으로 쓰이기는 어려웠기에,

또다시 침체기를 맞이하지만, 이후 컴퓨터의 성능의 발전과 인터넷의 발달로 인해 "머신 러닝"이 나오게 되었는데요!

 

저희가 알고 있는 실리콘 밸리의 대표적인 기업들은 전부 머신 러닝을 통해 세계적인 기술 혁신을 이뤘습니다.

예를 들어 구글의 검색 엔진 최적화, 아마존의 고객 맞춤 상품 추천 시스템, 유튜브의 추천 알고리즘 등

머신러닝을 광범위하게 활용하여 프로세스를 최적화하고, 새로운 제품이나 서비스를 개발하는 데 성공했습니다!

 

 

 

2차 AI붐은 전문가 시스템의 성공으로 인해 대중과 업계의 기대를 모았지만

다시 한번 기술적 한계로 인해 침체기를 맞이하였습니다.

 

하지만, 이후 초기 기술의 한계를 극복하고 머신러닝이 등장하면서

AI 연구 부활의 큰 역할을 하였고 지금은 다양한 분야에서 혁신을 이끌고 있는데요!

 

다음 포스팅에서는 AI의 혁신기술 "딥러닝"에 대해 알아보도록 하겠습니다!

 

이상 흥. 재. 과였습니다!