[인공지능] AI란 정확히 무엇인가? (ft. AGI)

인공 지능은 기술 분야에서 가장 핫한 새로운 것입니다. 모든 회사가 AI를 사용하거나 개발하여 어떻게 진전을 이루고 있는지 이야기하는 것 같습니다. 하지만 AI 분야는 전문 용어로 가득 차 있어서 각각의 새로운 개발에서 실제로 무슨 일이 일어나고 있는지 이해하기가 매우 어려울 수 있습니다.

 

무슨 일이 일어나고 있는지 더 잘 이해할 수 있도록, 우리는 가장 흔한 AI 용어 몇 가지를 모아서 정리했습니다. 우리는 그것들이 무엇을 의미하는지, 왜 중요한지 최선을 다해 설명하겠습니다.

 

 

AI란 정확히 무엇 인가 ?

인공지능 : 종종 AI로 줄여서 불리는 " 인공지능 "이라는 용어는 기술적으로는 인간처럼 생각할 수 있는 컴퓨터 시스템을 만드는 데 전념하는 컴퓨터 과학 분야입니다.

하지만 지금 당장은 대부분 AI를 기술 또는 실체 로 듣고 있고 , 그것이 정확히 무엇을 의미하는지 파악하기 어렵습니다. 또한 마케팅 유행어로 자주 사용되어 정의가 필요 이상으로 변하기 쉽습니다.

예를 들어 Google은 수년간 AI에 투자해 온 방법에 대해 많이 이야기합니다. 이는 얼마나 많은 제품이 인공지능에 의해 개선되었는지, 그리고 회사가 Gemini와 같이 지능적으로 보이는 도구를 제공하는 방법을 말합니다. OpenAI의 GPT와 같이 많은 AI 도구를 구동하는 기본 AI 모델이 있습니다. 그리고 개별 챗봇을 지칭하기 위해 AI를 명사로 사용한 Meta CEO Mark Zuckerberg가 있습니다.

 

 

점점 더 많은 회사가 AI를 차세대 혁신 기술로 판매하려고 하면서 해당 용어와 기타 관련 명명법을 사용하는 방식이 더욱 혼란스러워질 수 있습니다.

 

점점 더 많은 회사가 AI를 차세대 빅이슈로 판매하려 하면서, 그들이 이 용어와 다른 관련 명명법을 사용하는 방식이 더욱 혼란스러워질 수 있습니다. AI에 대한 기사나 마케팅에서 접할 수 있는 문구가 많으므로, 더 잘 이해할 수 있도록 현재 널리 사용되고 있는 인공 지능의 핵심 용어에 대한 개요를 정리했습니다. 그러나 궁극적으로는 컴퓨터를 더 똑똑하게 만들려는 시도로 귀결됩니다.

(여기서 저는 많은 용어에 대한 기본적인 개요만 제공하고 있습니다. 많은 용어가 매우 과학적으로 다가올 수 있지만, 이 글이 여러분이 기본을 이해하는 데 도움이 되기를 바랍니다.)

 

반응형

머신 러닝: 머신 러닝 시스템은 데이터에 대해 훈련되어(훈련이 무엇인지 나중에 자세히 설명하겠습니다) 새로운 정보에 대한 예측을 할 수 있습니다. 이런 식으로 "학습"할 수 있습니다. 머신 러닝은 인공 지능 내의 한 분야이며 많은 AI 기술에 필수적입니다.

 

인공 일반 지능(AGI): 인간만큼 똑똑하거나 더 똑똑한 인공 지능. (특히 OpenAI는 AGI에 많은 투자를 하고 있습니다 .) 이것은 엄청나게 강력한 기술이 될 수 있지만, 많은 사람들에게는 AI의 가능성에 대한 가장 두려운 전망이기도 합니다. 초지능 기계가 세상을 지배하는 영화를 많이 보셨잖아요! 그것만으로 충분하지 않다면, 인간보다  훨씬 더 똑똑한 AI인 " 초지능 "에 대한 연구도 진행 중입니다.

 

생성적 AI: 새로운 텍스트, 이미지, 코드 등을 생성할 수 있는 AI 기술입니다. ChatGPT 또는 Google의 Gemini 에서 생성되는 모든 흥미로운( 때로는 문제가 있는 ) 답변과 이미지를 생각해 보세요 . 생성적 AI 도구는 일반적으로 방대한 양의 데이터로 훈련된 AI 모델로 구동됩니다.

 

환각: 아니요, 이상한 환상에 대해 이야기하는 것이 아닙니다. 바로 이것입니다. 생성 AI 도구는 훈련된 데이터만큼만 좋기 때문에 "환각"을 할 수 있고, 질문에 대한 최상의 응답이라고 생각하는 것을 자신 있게 만들어낼 수 있습니다. 이러한 환각(또는 완전히 솔직하게 말하자면 헛소리 )은 시스템이 사실 오류를 범 하거나 횡설수설하는 답변을 할 수 있음을 의미합니다. AI 환각이 "수정"될 수 있는지 에 대한 논란도 있습니다 .

 

편견: 환각은 AI를 다룰 때 발생하는 유일한 문제가 아니며, 이 문제는 AI가 결국 인간이 프로그래밍한 것이므로 예측되었을 수 있습니다. 그 결과, AI 도구는 훈련 데이터에 따라 편견을 보일 수 있습니다 . 예를 들어, MIT 미디어 랩의 컴퓨터 과학자인 조이 부올람위니와 분산 인공지능 연구소(DAIR)의 설립자이자 전무이사인 팀닛 게브루의 2018년 연구는 얼굴 인식 소프트웨어가 피부색이 어두운 여성의 성별을 식별하려고 할 때 오류율이 더 높다는 것을 보여주는 논문을 공동 저술했습니다.

 

 

[인공지능] 모두를 위한 AI: 간단한 작업 자동화

[인공지능] 모두를 위한 AI: 간단한 작업 자동화

 

[게임박사] 게임 속 인공지능 AI 활용 사례(ft. AI NPC 등)

[게임박사] 게임 속 인공지능 AI 활용 사례(ft. AI NPC 등)