간단하게 알아보는 인공지능의 역사, 인공지능은 결국 뇌의 뉴런을 모방한 기술

 

 

그야말로 지금은 인공지능 기술의 르네상스 시대~!

현재는 수많은 기업들에서 인공지능(ai)을 연구하고 이를 상용화하고 있는데요.

이미 우리들의 생활에 밀접하게 관련되어 있는 인공지능 기술이 은근 많습니다.

 

 

가장 쉽게 찾아볼 수 있는 것이 스마트폰의 개인 비서 서비스들, 삼성의 빅스빅나 애플의 시리, 구글 어시스턴트 등이 있지요. 또한 아이들이 있는 집이라면 ai스피커 하나 정도는 있을 것 같네요. 그 외에도 네비게이션도 최근에는 인공지능 기술이 결합되어 예전보더 훨씬 더 진화되고 편리한 서비스를 제공하고 있습니다. 의학분야에서도 인공지능이 의사들의 환자 치료에 필요한 정보를 제공하고 있고요.

 

 

앞으로 인공지능은 우리들의 생활을 한층 더 풍요롭게 만들어줄 것 같아요.

이러한 인공지능의 그동안 역사를 간단하게 훍어볼 수 있도록 미라클 레터의 내용을 요약해서 정리해봅니다.

 

그럼 이제 인공지능의 역사를 간단하게 살펴볼까요?

 

 

1. 인공지능은 우리 뇌의 뉴런에서 모방

 

인공신경망에 대한 아이디어는 인간의 뉴런 동작 원리에서 응용했습니다.

사람은 어떻게 생각할까요? 어떻게 해서 사과를 보고 사과로 인식하고, 배를 보고 배로 받아들일까?

두뇌에 있는 뉴런은 무엇인가를 보았을 때 활성화되는데, 어떤 뉴런은 활성화되고 어떤 뉴런은 비활성화 상태가 됩니다. 그리고 이런 뉴런들이 모여서 다른 뉴런에 출력 값을 보냅니다. “이건 사과야”하고요. 중요한 것은 어떤 신호가 들어왔을 때, 뉴런은 신호의 세기를 감지해 활성화 또는 비활성화 된다는 점입니다. 이러한 뉴런의 동작들을 디지털 컴퓨터 상에서는 1과 0으로 표현할 수 있습니다.

 

 

 

2. 아날로그 컴퓨터로 만든 AI

 

뉴런을 모방하겠다는 아이디어가 나온지는 무려 60년이나 되었대요.

1958년 코넬 항공 연구소의 프랑크 로젠블럿이 인간의 뇌신경을 모방한 인공신경 뉴런인 퍼셉트론(Perceptron)을 제시했습니다. 강아지 사진을 보여주면 강아지인지, 사람 사진을 보여주면 남자인지 여자인지 분간을 하는 컴퓨터였어요. 로젠블럿은 IBM이 개발한 디지털 컴퓨터를 사용하다 너무 느려 포기하고, 아날로그 컴퓨터를 사용한 것으로 유명합니다. 이 당시에도 수많은 사람들은 컴퓨터가 사람처럼 일을 할 것이라는 공포감을 느꼈다고 하네요.

 

 

3. 알고리즘 개발의 시대

 

하지만 기대가 크다 보니 실망도 컸습니다. 당시 오류가 많아 순식간에 관심이 꺼졌습니다.

이를 두고 ‘AI 윈터’라고 부릅니다. 이후 인공지능 학계에서는 수많은 알고리즘 개선책이 쏟아졌는데요. 1989년 AT&T에서는 손으로 작성한 우편물의 우편번호를 자동으로 분류하는 프로그램이 나왔고, 1980년대에는 시속 2~3km지만 천천히 움직이는 자율주행 차도 나왔습니다.

 

 

4. 중요한 것은 데이터

 

스탠포드대 연구원이었던 페이페이 리(인공지능의 대모라 불림)는 이런 생각을 했어요.

“이건 알고리즘 문제가 아니라 데이터 양이 부족해서 인 것 같은데...” 그렇게 프로젝트를 시작했어요.

이것이 바로 이미지넷~! 

2010년부터 시작한 이미지넷은 1000개 꼬리표에 100만개 이미지를 인식해 그 정확도를 겨루는 컴퓨터 비전 대회입니다. 이 대회에서 2012년에 알렉스넷이 우승을 차지하면서 세상의 주목을 받았습니다. 컴퓨터 비전 오류 수준이 3.5%였는데요. 이는 사람의 인식보다 더 정확하다는 뜻입니다. 당시 알렉스넷은 신경망을 8개 층으로 구성했는데요. 이 때문에 엄청난 연산 필요했어요. CPU만으로 감당이 안 되다보니, 병렬 연산에 유리한 GPU들을 대거 투입했죠. 이세돌 9단을 이긴 알파고는 13개 층으로 구성돼 있다고 합니다.

(참고로, 가끔 로그인 과정에서 요구될 때가 있는 비슷한 그림 찾기(캡차) 같은 요구는 인공지능 개발을 위해 데이터를 수집하고자 하는 목적도 있다고 해요.)

 

 

5. 신경망은 100% 계산이 정확하지 않아도 된다

 

신경망은 뉴런을 닮았기 때문에 계산이 100% 정확할 필요는 없어요.

예를 들어 신호가 98%를 넘으면 활성화되고 3%면 비활성화 되는 구조라고 보시면 됩니다.

마치 딸기 냄새가 강하면 딸기라는 생각이 들고, 냄새가 거의 안나면 인식을 못하는 것과 같아요.

입력값은 입력층 은닉층에서 가중치와 함께 연산되면서 출력층으로 향하는데요. 수학적으로 이는 행렬곱으로 구할 수 있어요. 하지만 1번 곱할 때마다 트랜지스터 1000개가 작동... 아날로그 컴퓨터 업체인 미틱은 전자수를 주입해 계산을 직접 하다보면, 0과 1로 구성된 디지털 방식처럼 100% 정확하지는 않다고 솔직히 말했어요. 그럼에도! 행렬곱을 충분히 구할 수 있어, 인공지능 훈련을 하는데 적합하다고 강조해요. 물론 오류난 숫자를 계속 곱하다 보면 더 큰 오류를 초래할 수 있어 프로세스 중간에 디지털 칩을 배치해 해결.

 

 

/  요 약

# 오늘 정리해본 내용은 인공지능은 결국 우리 뇌의 뉴런을 모방한 기술이라는 점.

# 그리고 우리 뇌의 뉴런의 동작을 모방해서 디지털 컴퓨터에서는 0과 1로 표현할 수 있다는 것.

# 0은 비활성화, 1은 활성화를 표시한다는 것이에요.

# 처음에는 이러한 인공지능 기술을 개발하는데 알고리즘을 최대한 잘 만들려고 했다는 것.

# 인공지능을 만들다 보니 알고리즘도 중요하지만, 수많은 데이터가 필요하다는 것을 알게 됨.

# 그래서 수많은 데이터를 입력하고 처리하다보니 수많은 트랜지스터가 필요하게 되었음.

# 엄청난 연산을 하려다 보니 CPU를 사용했는데, 그것도 부족해지자 GPU를 대거 사용하게 됨.

# 그런데 GPU를 많이 돌리려면 엄청난 전력 소모가 필요함.

# 이 문제를 해결하기 위해 아날로그 컴퓨터 기술이 다시 주목받고 있음.(‘미틱’ 이라는 기업)