본문바로가기
[인공지능, 수학으로 타파] Intro. 인공지능이란?
수학동아 2020.04.24

 

다짜고짜 퀴즈!

인공지능을 둘로 쪼개면 무엇일까요?

‘인공’과 ‘지능’?

땡!

 

정답은 바로 ‘수학’과 ‘코딩’입니다!

ㅎㅎㅎ 너무 억지라고요?

 

하지만 전~혀 근거없는 말은 아닙니다.

인공지능 스피커, 인공지능 번역기 등은 모두

수학 이론과 논리에 의해 만들어졌고,

코딩으로 컴퓨터에 구현되거든요.

 

제4차 산업혁명의 핵심인 인공지능은

전공에 관계없이 꼭 익혀야할 기술이 되버렸습니다.

 

미국, 중국 등의 선진국이 초등학생용 인공지능 교과서를

만든 사실이 이를 뒷받침하고 있죠.

 

우리나라도 본격적으로 인공지능 교육에

투자하기 시작했지만, 선진국에 비하면 뒤처졌다는 사실.

 

이에 2020년 5월 1일부터 이상구 성균관대학교 수학과 교수님이

인공지능, 수학으로 타파를 연재하며

인공지능과 관련된 수학자, 수학 개념, 코딩 명령어 등

인공지능 전반에 대해 알려줄 예정입니다.

 

키보드 사용법도 모르고 게임을 시작할 수 없는 법.

이번 시간에는 인공지능, 수학으로 타파를 제대로 즐기기 위한

기초 지식을 알려드리겠습니다.

 

내용이 조금(?) 깁니다.

부담 갖지 말고 가볍게 읽어보세요~.

 

그럼 시작합니다!

 

 

 

 

 

------------------

 

 

 

 

 

인공지능이란?

 

 

글 _이상구 성균관대학교 수학과 교수

이재화 성균관대학교 수학과 박사

 

 

 

<1>

인공지능의 역사: 앨런 튜링부터 알파고까지

 

 

인공지능이란 무엇일까요? 컴퓨터가 인간의 뇌처럼 작동하는 것? 사진을 인식하거나 자율주행 같은 일을 수행하는 능력을 가진 그 무엇? 이것들은 인공지능의 특징을 서술하는 개념일뿐 정확한 정의는 아닙니다. 최근 뉴스나 광고에서 인공지능뿐 아니라 머신러닝(기계학습), 딥러닝 등의 용어가 심심치 않게 등장하는데, 이것들이 무엇인지 알려면 인공지능이 무엇인지부터 정확하게 알아야 합니다. 이를 위해 ‘인공지능’이란 개념이 처음 등장한 약 70여 년 전으로 가보죠. 컴퓨터가 만들어진 순간부터 시작하는 게 합리적일 것 같군요.

 

 

1940~1950년대부터 수학자와 과학자는 기계가 사람의 지능을 흉내낼 수 있을지를 탐구했습니다. 그 시작은 '컴퓨터 과학의 아버지’ 앨런 튜링_Alan Turing, 1912-1954이 컴퓨터를 발명하면서 시작됐습니다. 튜링은 1937년에 발표한 논문 ‘On Computable Numbers, with an Application to the Entscheidungsproblem’에서 현대 컴퓨터의 원리인 튜링 기계를 고안했고, 1950년 발표한 논문 ‘Computing Machinery and Intelligence’에서 '튜링 테스트'를 고안해 '언제 기계가 사람과 같은 지능을 가졌다고 말할 수 있을까'라는 질문에 대답했죠.

 

 

 

앨런 튜링과 그의 기념비적인 논문.

 

 

 

1951년 '인공지능의 아버지’ 마빈 민스키_Marvin Minsky, 1927-2016는 세계에서 처음으로 40개의 인공  뉴런을 가진 신경망 기계인 SNARC_Stochastic Neural Analog Reinforcement Calculator를 개발했는데, 이것은 사람의 신경이 신호를 전달하는 과정을 흉내내 만든 최초의 신경망이었습니다.

 

 

1956년 민스키는 존 맥카시_John McCarthy, 클로드 섀넌_Claude Shannon, 나단 로체스터_Nathan Rochester와 함께 미국 뉴햄프셔주 하노버에서 열린 학술회의 다트머스 회의에서 처음으로 인공지능_Artificial Intelligence이라는 용어를 제시했습니다. 민스키는 이 회의를 비롯해 인공지능 연구의 초석을 다지며 1969년 컴퓨터 과학의 노벨상으로 불리는 '튜링상'을 받습니다.

 

 

다트머스 회의

'인공지능'이라는 분야를 확립한 학술회의로, 미국 다트머스대학교의 존 매카시가 1956년 개최했다. 8주 동안 진행됐으며 당시 컴퓨터 학자들이 모여 브레인 스토밍하는 장이었다. 존 매카시는 회의를 위한 제안서 'AI에 관한 다트머스 여름 연구 프로젝트 제안서'에서 인공지능의 핵심 역할을 다음과 같이 밝혔다.

"기계가 인간의 언어를 사용하고 추상화와 개념을 형성하며, 현재 인간들이 다루는 문제를 해결하고, 스스로를 개선하는 방법을 찾기 위한 시도가 이루어질 것이다. 우리는 신중하게 선정된 과학자 그룹이 여름 동안 모여 함께 연구한다면 이 문제 중 하나 또는 그 이상에서 상당한 진보를 이루어 낼 것으로 생각한다"

 

 

 

다트머스 회의에 참석한 학자들.

 

 

 

1963 미국 고등연구계획국_DARPA은 미국 매사추세츠공과대학교(MIT)에 200만 달러를 투입해 Project MAC(The Project on Mathematics and Computation)를 시작했습니다. 얼마 지나지 않아 민스키와 맥카시가 이 프로젝트에 참여해 비전 및 언어 이해와 관련된 연구를 수행했고, 초기 컴퓨터 과학 및 인공지능 인재를 양성했습니다. 이 프로젝트는 MIT의 유명한 컴퓨터 과학 및 인공지능 실험실(MIT CSAIL)의 전신이 되었습니다.

 

1964~1966년 사이 세계 최초의 자연어 대화 프로그램인 엘리자(ELIZA)가 조셉 와이젠바움_Joseph Weizenbaum)교수에 의해 개발되기도 했으나, '비전'과 '언어 이해'의 역할이 무엇인지에 대한 개념이 모호했고 당시 컴퓨터의 계산 능력이 부족해서 인공지능의 발전이 지체되기 시작합니다.

 

1960~1970년대 미국의 컴퓨터과학자 에드워드 파이겐바움_Edward Feigenbaum 교수가 최초로 전문가 시스템에 대한 연구를 시작해 1970년대에는 스탠퍼드대학교의 과학자들이 사람이 수동으로 만든 600개의 규칙에 의해 혈액의 감염을 진단하는 시스템인 MYCIN을 개발했습니다. 1980년대에 들어 전문가 시스템과 인공신경망 등의 새로운 진전이 있었는데, 특히 카네기멜론대학교는 DEC 회사를 위해 전문가 시스템인 XCON을 개발했습니다. 이를 통해 고객의 수요에 근거해 컴퓨터 부품을 조합하면서 DEC 회사는 당시 매년 4000만 달러를 절약할 수 있었죠.

 

 

전문가 시스템

인공지능으로 하여금 의사, 과학자 등 전문가들의 사고 과정을 흉내내 전문가의 업무를 흉내내도록 하는 체계 및 절차. 보통 인공지능은 기계학습과 전문가 시스템으로 이뤄졌다고 말한다.

 

 

1970년에는 인공신경망 연구의 발전을 거듭했습니다. 미국의 물리학자 존 홉필드_John Hopfield는 새로운 형태의 네트워크 형식을 제안해 '연상메모리'라는 메커니즘을 도입했고, 1986년 캘리포니아대학교의 심리학자 데이비드 럼멜하트_David Rumelhart는 토론토대학교의 컴퓨터과학자 제프리 힌튼_Geoffrey Hinton, 노스이스턴대학교의 컴퓨터과학자 로널드 윌리엄스_Ronald Williams와 함께 기념비적인 논문을 발표했습니다.

이 논문에서 '오차역 전파법'이 신경망의 은닉층을 효과적으로 학습시킬 수 있다는 것을 보여주었고, 이때부터 오차역 전파법은 인공신경망의 학습에 광범위하게 이용되고 있습니다.

 

1970년대에 들어서 인공지능 연구자들은 좀 더 탄탄한 수학적 기초를 세우기 위해 선형대수학, 확률 및 통계, 최적화 이론, 이산수학 등 수학적인 도구를 도입하기 시작했습니다. 이로부터 통계적 학습 이론, 서포트 벡터 머신, 확률 그래프 모델 등의 수학적 모형과 알고리듬이 개발됐죠.

 

21세기에 들어 인터넷의 발전과 더불어 데이터의 양이 폭발적으로 늘어나고 GPU 같은 계산 자원의 발달로 인공지능은 새로운 전기를 마련했습니다. 2012년 이미지 인식 대회 ILSVRC(ImageNet Large Scale Visual Recognition Challenge)에서 토론토대학교의 알렉스 넷_Alex Net이 CNN 기반의 딥러닝 알고리듬으로 우승을 차지하면서 딥러닝 기반의 모델이 음성인식, 이미지 분석, 영상 이해 등 광범위하게 적용됐습니다. 

2016년 구글의 딥마인드사가 개발한 '알파고'가 이세돌 9단과의 바둑 대결에서 5판 중 4판을 이기고, 알파고의 업그레이드 버전인 '알파고 마스터'가 중국의 바둑 기사 커제 9단과의 대결에서 전승을 거두면서 세계적으로 인공지능에 관한 관심을 불러일으킵니다.

 

 

알파고와 대결하는 이세돌 9단.

 

 

 

 

 

<2>

인공지능을 대하는 우리의 자세

 

 

인공지능을 이해하고 활용하기에 앞서 가장 먼저 할 일은 인공지능이 우리가 이해할 수 있는 이론과 절차에 따라 만들어진 것이라는 것을 이해하는 겁니다. 인공지능은 마술이 아니라 데이터, 규모 및 처리 능력에 의해 구동되는 알고리듬 모음을 적용하는 것일 뿐입니다.

 

 

아마존이 우리에게 책을 추천하기 위해 아마존은 우리의 구매 패턴에 대한 정보를 모으고, 우리가 누구인지 그리고 우리가 다른 사람과 얼마나 비슷한지를 찾아냅니다. 그리고 당신과 비슷한 사람들이 좋아하는 것을 바탕으로 당신에게 새로운 상품을 추천하죠. 즉 우리를 포함한 모든 지능형 시스템의 경우, 현재 진행 중인 상황을 이해하고 이로부터 추론해 다음에 어떤 일이 일어날지 예측합니다.

 

 

이런 예측 분석 작업은 기초적인 수학과 행렬 이론 그리고 회귀 분석이나 시계열 분석 같은 수학적 기법을 통해 주어진 과거의 행동을 토대로 미래에 어떤 구매 활동을 할 지 추측하는 겁니다. 이미 우리는 음성 인식과 자동 검색을 포함해 인공지능과 함께 살고 있으며 앞으로 인공지능은 우리의 생활과 직업에 더욱 큰 영향을 미칠 겁니다. 따라서 이런 인공지능이 어떤 알고리듬으로 구동하는지에 대한 이해는 꼭 필요하죠.

 

딥러닝은 음성을 인식하고, 이미지나 패턴을 확인하고, 다음 상황을 예측하는 일과 같이 인간이 하는 작업을 수행하도록 컴퓨터를 교육하는 일종의 기계 학습(머신 러닝)입니다. 사전에 정의된 수식을 통해 실행되도록 데이터를 구성하는 대신, 주어진 데이터에 초기 변수를 설정해주고, 여러 겹의 처리 계층을 사용하여 패턴을 인식하면서, 컴퓨터가 스스로 학습하도록 훈련하는 겁니다. 이러한 노력은 오늘날 우리가 일상에서 접하고 있는 자동화와 형식 추론 기술의 기틀을 다지는 역할을 하였으며, 이러한 기술에는 사람의 능력을 보완하고 확장할 수 있는 의사 결정 지원 시스템과 스마트 검색 시스템을 포함합니다.

 

 

아마존과 넷플릭스가 머신러닝을 이용한 추천 시스템의 개념을 대중화한 것처럼 앞으로 산업 전반적인 분야에서 인공지능이 활용될 것입니다. 이 과정에서 선형대수학과, 미적분학, 그리고 통계학 등 많은 수학적 이론이 사용되는 것은 당연하겠죠?

 

 

-끝-

 

 

  • 폴리매스 문제는 2019년도 정부의 재원으로 한국과학창의재단의 지원을 받아 수행된 성과물입니다.

  • ☎문의 02-6749-3911