인공지능 AI는 어떻게 변화해온 것일까?

 

1950년대에 처음 도입된 이후 변화

• 기계 학습 : 명시적으로 프로그래밍되지 않고 컴퓨터가 데이터로부터 학습하도록 가르치는 방법이다. 컴퓨터 프로그램에 많은 양의 데이터를 공급하고 데이터로부터 학습하게 하고 시간이 지남에 따라 성능을 향상시키는 것을 포함한다. 지도 학습, 비지도 학습 및 강화 학습을 포함한 몇 가지 다른 유형이 있다. 지도 학습을 통해 모델은 레이블이 지정된 데이터를 사용하여 훈련되며, 여기서 각 입력과 함께 원하는 출력이 제공된다. 비지도 학습에서 모델은 해당 출력 없이 입력 데이터가 주어지며, 데이터에서 패턴이나 구조를 스스로 찾아야 한다. 강화 학습은 게임을 하거나 로봇을 제어하는 것과 같은 일련의 결정을 내리기 위해 모델을 훈련시키는 것을 포함하는 기계 학습의 한 유형이다.
• 딥 러닝 : 데이터에서 학습하기 위해 많은 레이어를 가진 신경망을 사용하는 머신 러닝의 하위 집합니다. 이 접근법은 컴퓨터 비전, 자연어 처리, 음성 인식과 같은 분야에서 상당한 발전을 가져왔다. 딥 러닝은 광범위한 작업에서 인간과 유사하거나 심지어 초인적인 성능을 달설할 수 있는 최첨단 시스템을 개발하는 데 사용되었다. 딥 러닝의 주요 장점 중 하나는 원시 데이터에서 기능을 수동으로 엔지니어링해야 하는 대신 자동으로 학습할 수 있다는 것이다.
• 하드웨어 : 그래픽 처리 장치(GPU)와 같은 더 강력한 하드웨어 개발은 AI의 발전에 결정적인 역할을 했다. 이러한 전문 칩은 딥 러닝에 필요한 많은 양의 데이터와 복잡한 계산을 처리하도록 설계되었으며, 고아범위한 작업에서 획기적인 성능을 달성할 수 있는 대규모 신경망을 훈련할 수 있게 했다. 하드웨어의 발전은 또한 더 복잡한 작업을 수행할 수 있는 대규모 모델을 훈련하고 실행할 수 있게 한다.
• 일상 속 AI :  자율주행차, 가상 비서, 온라인 쇼핑 및 스트리밍 서비스의 개인 맞춤형 추천 등의 분야에 적용되면서 일상에서 AI가 더욱 보편화되었다. AI는 또한 효율성을 개선하고 비용을 절감하며 혁신을 추진하기 위해 의료, 금융 및 제조와 같은 분야에서 점점 더 많이 사용되고 있다. 또한 챗봇, 가상 에이전트 등을 통해 고객 서비스를 개선할 수 있다.
• AI 윤리 : 인공지능 기술의 급속한 발전으로 인공지능의 윤리적, 사회적 함의에 대한 우려가 커지고 있다. 정부, 단체, 연구원들은 AI가 인간의 가치와 윤리적 원칙에 부합하도록 하기 위해 AI의 개발과 배치를 위한 지침, 규정, 모범 사례를 개발하기 시작했다. 여기에는 데이터 개인 정보 보호, 투명성, 책임성, 편견 및 안전성과 같은 문제가 포함된다. 인공지능의 개발과 사용이 포괄적이고 사회 구성원 모두에게 이익이 되도록 하기 위한 노력도 있다.