티스토리 뷰

인공 지능이란 무엇입니까?

인공 지능이 다시 한 번 미디어 주목을 받고 있습니다. 그런데 정확 무엇일까요?? 그리고 머신 러닝과 딥 러닝 개발과 어떤 관련이 있을까요? 아래에서는 AI에 대한 다양한 해석을 설명하고 수년간 기술이 어떻게 발전했는지 다시 살펴봅니다. 시맨틱 퀵 샌드 "근본적인 도전은 새로운 기술이 등장하기 훨씬 전에 모든 기술 혁명이 일자리와 생계, 즉 정체성을 무자비하게 파괴한다는 것입니다." 마크 카니는 다가오는 인공 지능의 파동의 잠재적 영향을 언급하면서 지난주에 널리 보도 된 연설에서 말했습니다 . 우리는 그의 예측을 다시 한 번 살펴볼 것이지만, 지금은 AI가 정확히 무엇을 의미하는지 물어볼 가치가 있습니다. 머신 러닝 및 딥 러닝과 어떤 관련이 있습니까? 그리고 챗봇과 같은 혁신과 셀프 서비스 체크 아웃, 검색 엔진의 자율 주행 자동차, 자동 입출금기의 공장 로봇과 같은 혁신을 분리하는 것은 무엇입니까? 모든 과대 광고 및 가정에 대해, 기술 자체와 그것이 어떻게되었는지에 대해 놀랍게도 거의 논의가 없습니다. 인터넷 검색 '인공 지능이란 무엇입니까?' 확실한 정의에는 거의 도움이 되지 않습니다. 이것은 의미론에 대한 것이 아닙니다. 기술이 무엇인지, 기술이 어떻게 나타나는지 모른다면 어떻게 잠재적 인 영향을 판단 할 수 있을까요? 그리고 어떤 산업과 직업이 변화 될 가능성이 가장 높은지 어떻게 알 수 있습니까? AI와 다른 모습 제한된 문학에 대한 내 자신의 저서 나는 다음과 같이 말합니다. 첫째, 인공 지능은 일반적으로 '지능형'으로 여겨지는 인간의 행동과 능력을 복제하는 기술로 광범위하게 정의 될 수 있습니다. 많은 사람들이 인간보다 지능이 높지 않고 다양한 작업을 수행 할 수 있는 '일반 AI' 에 초점을 맞추고 있지만 이 영역에서는 거의 진전이 없었습니다. 가장 열렬한 낙관론자들과는 별도로, 우리처럼 말하고 우리처럼 걸을 수 있고 인간을 위해 본질적으로 지나갈 수있는 AI 시스템은 실현에서 수십 년이라는 합의가 있습니다. 여전히 공상 과학의 일부입니다. 반면 '좁은 AI' 에서는 의미 있고 의미있는 발전이 있었습니다 . 이들은 엄격한 파라미터 내에서 특정 기능을 수행하는 기계입니다. 이미지 인식, 정보 검색, 언어 번역, 논리 또는 증거에 근거한 추론, 계획 및 탐색을 생각하십시오. 모두 경로 매퍼, 번역 소프트웨어 및 검색 엔진과 같은 서비스를 지원하는 기술입니다. 내러티브 과학의 크리스 해먼드는 이러한 작업 을 감지, 추론 및 의사 소통 의 세 가지 지능 범주로 유용하게 그룹화합니다. 그의 말로 설명 된 인식은 본질적으로 “물건을 취하고 그것에 대해 생각한 다음 다른 사람에게 당신이 결론을 내린 것을 말해주는 것”으로 나뉩니다. 애플의 시리 및 구글나우와 같은 모바일 어시스턴트는 이 세 가지 계층을 모두 사용합니다. 음성 인식을 사용하여 사람들이 요구하는 것을 감지하고 자연어 처리를 사용하여 단어의 의미를 이해하고 답을 도출합니다. 응답을 전달하기 위해 자연어 생성을 배포합니다. 날씨 나 가장 가까운 커피 숍 방향을 요구하든 상관없이 작동합니다. AI 기능이 탑재 된 물리적 기계라고 생각할 수있는 로봇 공학과 관련하여 우리는 네 번째 범주의 움직임을 추가해야합니다 . 예를 들어, 자율 주행 자동차는 다양한 탐지기를 사용하여 환경을 감지하고 (예 : 도로를 가로 질러 보행자 도보를 발견) 위험이 있는지 여부를 결정하는 이유를 배치 (예 : 보행자를 때리는 경우)합니다. 필요한 움직임 (예 : 속도 저하 또는 방향 변경) 제조업체의 공장 현장 또는 병원 및 요양소의 병동에서 발견되는 것을 포함하여 다른 고급 로봇에서도 동일한 프로세스가 수행됩니다. 천천히 시작하기 우리는이 시점에 어떻게 도달 했습니까? 결국, 연구 분야의 인공 지능 은 수십 년 동안 존재 해 왔습니다 . AI에 대한 관심은 Alan Turing이 기계가 '생각'할 수 있는지 여부를 결정하기 위해 영향력있는 터닝 테스트를 고안했던 1950 년대로 거슬러 올라갑니다. 1956 년 다트머스 대학의 규칙은 컴퓨터 과학자 마빈 민스키와 같은 최고의 사상가에 의해 제공 자신의 오른쪽에 있는 연구 분야로 AI를 추구하기 위해 함께 왔을 때 종종 랜드 마크 모멘트로 인용된다. 그러나 초기의 열정과 상당한 자금 지원에도 불구하고 인공 지능의 초기 진행은 엄청나게 느렸습니다. 1960 년대에 수백만 달러를 대학교 부서에 펌핑 한 DARPA는 기계 번역의 전진 부족으로 특히 좌절했으며, 이는 역첩에 대한 희망을 고정 시켰습니다. 영국의 1973 년 라이트힐 보고서 는 집에 가까워 지면서 AI가 점진적인 속도로 진화 할 것이라는 의문을 제기했다. 그 결과 정부 자금과 급격한 투자자 환멸 기간이 크게 줄어 들었습니다. 이는 70 년대와 80 년대 의 'AI Winters' 로 알려졌습니다. 1970년 민스키의 주장처럼 "3~8 년 안에 우리는 보통 인간의 일반적인 지능을 갖춘 기계를 갖게 될 것”과 같은 낙관적 인 낙관적 예측에 의해 도움이되지 않았다. 인공지능의 암흑기에서 봄까지 발전하기위한 가장 큰 장애물 중 하나는 '상식 지식' 문제였습니다. 지능형 기계를 만들려는 시도는 주어진 작업과 관련된 가능한 많은 입력 및 출력으로 인해 쇠약 해졌습니다. 이 연구는 더글라스 랜턴 연구원이 시도했지만 맘모스 운동없이 시스템에 모두 예상하고 프로그래밍 할 수는 없었습니다.

댓글