인공지능 기술의 기본적인 3가지 분류

인공지능 기술에 대한 관심은 나날이 높아지고 있는 것이 현실이다. it계열의 투자에서 선두 주자라 할 수 있는 것은 새로운 기술과 그 기술이 가져올 사람들의 윤택함이 그것이라 할 수 있을 것이다. 미래지향적인 기술에 대한 투자자들의 관심이 높은 만큼 기술에 종사하려는 사람들의 관심도 높아지는 것은 경제 위주의 시장에서 너무나 당연한 결과가 아닐까 생각해 본다. 결과적으로 인공지능에 대한 관심은 앞으로도 지속될 수 있을 것이다. 인공지능을 만들기 위해서는 우선적으로 프로그래밍 언어를 습득할 필요성이 크다고 할 수 있는데, 문제를 해결하는 과정에서 학습할 수 있는 사고력은 다양한 분야에서도 충분히 응용이 가능하다는 점에서 교육 현장에서도 다방면으로 사용하려는 움직임이 보이기도 했다. 인공지능의 기술에 대한 기초적인 개념들은 이미 많이 오픈되어 있다고 할 수 있는데, 서점을 방문해 Ai에 관련된 책을 살펴봐도 충분히 알 수 있는 부분이다. 우리는 인터넷이라는 문명이 발달한 시대를 살아가고 있기에 검색포털을 이용해서 인공지능에 대한 정보를 찾을 수도 있을 문제다. 중요한 것은 초기 진입에 있어 해당 개념에 대한 정확한 이해가 필요할 수 있을 것이다. 단순하게 코딩을 하는 것은 프로그램 언어의 규칙에 따라 원하는 작동이 진행될 수 있도록 명령어를 나열하는 것이지만, 여기서 프로그램이 자체적으로 새로운 데이터를 분류하고 판단하는 기능을 추가하기 위해서는 쉽지 않은 개념이 필요하다. 그렇기에 일반적으로 접근하기가 어렵게 느껴질 수 있지만, 사실상 기본 뼈대가 되는 것은 3가지의 개념을 숙지하는 것으로도 충분한 문제가 될 수 있다. 인공지능은 인위적으로 인간이 만들어낸 지능에 관련된 내용으로 사람이 가지고 있는 지능에 대한 개념은 필수적인 요소가 될 수 있을 것이다. 지능의 모습을 다르게 표현하면, '분류'와 '판단'으로 구분할 수 있다. 분류는 기존에 학습한 내용을 토대로 새롭게 얻어진 데이터를 적절하게 분류하는 것이다. 판단의 경우 다양한 데이터의 분석을 통해 새로운 데이터에 대단 결정, 문제 해결 방법의 결정, 그리고 시도, 나아가 실패의 경험을 하게 된다면 다시금 데이터가 누적되고 그 데이터를 포함한 분석을 통해 새로운 문제를 해결하기 위한 방안을 판단하게되는 것을 나타낸다. 여기서 공통적으로 생각해볼 수 있는 부분은 '학습 데이터'와 '분석'이라고 할 수 있을 것이다. 학습 데이터는 기존에 마련된 데이터들를 이야기하게 되는데, 사람이 처음 동물을 배울때 다양한 대표 동물들의 그림과 이름을 학습하게 된다. 그리고 비슷한 동물들의 모습을 보고, 그 동물이 어떤 동물인지 맞추는 과정을 반복하게 되는데, 우리가 이용하게 되는 데이터는 동물들의 공통점과 차이점이라 할 수 있을 것이다. 이미 답이 정해진 학습데이터를 이용하여 새로운 데이터를 구분하는 과정의 경험을 통해 보다 정확한 결론을 도출하게 된다. 인공지능의 기술도 이와 같은 모습을 보인다고 할 수 있는데, 크게는 학습할 데이터의 형태로 구분될 수 있으며, 다음으로는 새로운 데이터를 통해 또 하나의 데이터를 누적하는 것으로 구분할 수 있다. 다시 말해, 답이 정해져있는 데이터를 통하여 새롭게 추가되는 데이터를 분류하는 것, 단순하게 비슷하거나 차이를 보이는 데이터들을 군집화하여 새로운 데이터에 접근하는 방식으로 구분되는 것이다. 이런 형태를 기준으로 3가지의 인공지능 기술의 개념이 정해져있는데, '지도학습', '비지도학습', '강화학습'으로 구분될 수 있다. 학습데이터의 구분으로 나눈다면 '지도학습' 그리고 '비지도학습', '강화학습'으로 구분할 수 있으며, 시행착오를 통해 학습이 연결되는 부분으로 구분한다면 '지도학습', '비지도학습' 그리고 '강화학습'으로 구분할 수 있다. 대표적으로 '알파고'라는 인공지능의 바둑에서의 성능을 보이는 과정은 '강화학습'을 통해 학습된 인공지능 프로그램이 바둑의 고수라 할 수 있는 사람을 차례차례 이겨나갔던 몇해전의 이슈를 생각해 볼 수 있다.