인공지능, 어디까지 왔나?(추형석, 2018)

spri.kr/posts/view/22511?code=issue_reports

[2018-006] 인공지능, 어디까지 왔나? - SPRi

  현대 인공지능 기술의 발전 속도는 매우 빠르다는 것에 의심할 여지가 없다. 이 사실은 한편으로 최신 인공지능 기술을 제대로 파악하기조차 어렵다는 것을 대변한다. 또한 인공지능의 적용이 다양한 산업에 이르러 범용 목적 기술(General Purpose Technology)로 주목받자 그 경계가 모호해졌다. 예를 들어, 빅데이터 분석과 인공지능의 차이는 무엇일까? 방법론의 차이일까? 현대 인공지능의 중추인 학습 기반의 인공지능은 필연적으로 빅데이터를 요구한다. 성공적인 인공지능 시스템을 구축하기 위해서는 양질의 데이터가 다다익선이다. 이러한 관점에서 빅데이터와 인공지능은 서로 다른 분야로 구분 짓기 어렵다고 본다.

  인공지능 기술을 발전상을 이해하려면 인공지능 연구의 특성별로 구분지어 바라볼 필요가 있다. 그러나 인공지능의 적용 범위가 지속적으로 확장되고, 인공지능을 주도하는 주체가 글로벌 IT 기업이라는 관점에서 일목요연하게 구분 짓기는 어렵다. 또한 국제적인 시장조사기관의 분류체계 역시 매우 상이하기 때문에, 참고문헌을 기반으로 한 기술의 분류는 한계가 있다. 이 보고서에서는 인공지능 연구 분야의 구분을 위해가설을 통한 접근을 취했다. 이것은 인공지능 기술의 굵직한 트렌드를 바탕으로 인공지능을 바라보는 관점을 제시한다.

  그렇다면 현재 인공지능 기술은 어디까지 왔을까? 이 보고서에서는 지난 2017년 AlphaGo Zero 이후 인공지능 연구계에서 공개된 주요 연구 성과를 살펴볼 것이다. 특히 인공지능 자체의 성능을 향상시킨 연구를 분석했다. 현재 심층학습(Deep learning)은 매우 좋은 성능을 보이고 있으나, 여전히 좁은 인공지능, 약인공지능에 머물고 있다. 이를 개선하기 위한 노력으로 학습하는 방법을 학습하는 메타 학습 분야가 부상하고 있다. 또한 최적의 인공신경망 구조를 찾는 신경망 구조 탐색, 뉴로모픽칩에 탑재되는 스파이킹 신경망, 마지막으로 도메인 간 지식을 전이하는 전이학습을 살펴볼 것이다.

  인공지능은 지금도 빠르게 그 영역을 확장하고 있다. 이 보고서에서 다룬 내용은 특히 인공지능의 성능 자체를 향상시키는 연구결과에 집중했다. 다양한 산업계에서 인공지능의 성공사례는 지금도 속속들이 나오고 있을 것이다. 인공지능의 거대한 조류 속에서 인공지능의 기술적 발전에 대한 시의성 있는 분석이 매우 중요한 시점이다.

 

[자세히 보기] << 클릭

---

<편집자 주>
제4차산업혁명 시대에 걸맞게 디지털, 인공지능, 데이터, 소프트웨어, IoT, 로봇, AR, VR, MR, XR, AI 플랫폼... 등에 대한 훌륭한 연구 자료가 하루가 다르게 쏟아져 나오고 있습니다. 관심 주제를 분야 별로 분류하여 쉽게 살펴볼 수 있도록 정리하여 공유하고 있습니다. <저자와 출처>를 밝혀두었으니 <원자료>는 링크를 클릭하여 확인해보시기 바랍니다. 도움이 되었으면 합니다.