인공 지능이 모든 것을 완전히 바꾸는 방법

"기계는 생각하는 것으로 묘사되어야하지만 사람이하는 것과는 매우 다른 일을 수행하지 않을 수 있습니까?" 튜링이 물었다.

Turing은 그들이 할 수 있다고 생각했습니다. 더욱이 그는 디지털 컴퓨터를위한 소프트웨어를 만들어 그 환경을 관찰하고 체스 에서 인간의 언어를 이해하고 말하는 것에 이르기까지 새로운 것을 배울 수 있다고 믿었습니다 . 그리고 그는 결국 기계가 인간의지도없이 스스로 그것을 할 수있는 능력을 개발할 수 있다고 생각했습니다. "우리는 기계가 순전히 지적인 모든 분야에서 결국 인간과 경쟁하기를 바랄 것입니다."라고 그는 예측했습니다.

거의 70 년 후, 튜링의 이상해 보이는 비전이 현실이되었습니다. 일반적으로 AI라고하는 인공 지능은 기계가 경험을 통해 학습 하고 한때 인간의 두뇌 만이 할 수 있었던 일인인지 작업을 수행 할 수있는 능력을 부여합니다 .

AI는 문명 전체에 빠르게 확산되고 있으며, 자율 주행 차량 이 거리를 탐색 할 수 있도록하는 것부터 더 정확한 허리케인 예측 을 할 수있는 모든 것을 할 수 있다는 약속이 있습니다. AI는 일상적으로 웹에 표시 할 광고를 파악 하고 전자 상거래 웹 사이트를 방문 할 때 나타나는 친숙한 챗봇 을 통해 질문에 답하고 고객 서비스를 제공합니다. 그리고 음성 인식 스마트 홈 장치의 AI 기반 개인 비서 는 TV와 초인종을 제어하는 ​​것부터 퀴즈 질문에 답하고 우리가 좋아하는 노래를 찾도록 돕는 것까지 수많은 작업을 수행합니다.

하지만 우리는 이제 시작에 불과합니다. McKinsey Global Institute의 예측 에 따르면 AI 기술이 더욱 정교 해지고 능력이 향상됨에 따라 2030 년까지 약 13 조 달러에 달하는 추가 활동을 창출하여 세계 경제를 크게 부양 할 것으로 예상됩니다 .

데이터를 고객을위한 인텔리전스로 전환하는 데 주력하는 글로벌 소프트웨어 및 서비스 회사 인 SAS 의 분석 플랫폼 전략가 인 Sarah Gates는 "AI는 아직 채택 초기이지만 채택이 가속화되고 있으며 모든 산업에서 사용되고 있습니다.

인공 지능의 작동 원리

어쩌면 우리의 존재가 우리 중 많은 사람들이 거의 이해하지 못하는 기술에 의해 조용히 변화되고 있다는 것이 훨씬 더 놀랍습니다. 과학자들도 그것을 설명하기가 까다로울 정도로 복잡합니다.

"AI는 인간이 수행 할 경우 지능이 필요하다고 생각되는 작업을 수행하는 기술 군"이라고 Penn State University의 인공 지능 연구소의 교수이자 책임자 인 Vasant Honavar 는 설명합니다 . "나는 '생각'이라고 말하는데, 그 누구도 지능이 뭔지 확실하지 않기 때문입니다."

Honavar는 지능의 두 가지 주요 범주를 설명합니다. 방사선과의 X- 레이 및 MRI 스캔 이미지 분석과 같이 좁은 영역에서 역량을 달성하는 좁은 지능 이 있습니다 . 반대로 일반 지능 은 어떤 것에 대해 배우고 그것에 대해 이야기 할 수있는보다 인간적인 능력입니다. "기계는 방사선과의 일부 진단에 능숙 할 수 있지만 야구에 대해 물어 보면 실마리가 없을 것입니다."라고 Honavar는 설명합니다. 인간의 지적 다양성은 "이 시점에서 여전히 AI의 범위를 벗어났습니다."

Honavar에 따르면 AI에는 두 가지 핵심 요소가 있습니다. 그중 하나는 엔지니어링 부분, 즉 어떤 방식 으로든 지능을 활용하는 도구를 구축하는 것입니다. 다른 하나는 지능의 과학, 또는 기계가 매우 다른 과정을 통해 그것을 달성하더라도 인간의 두뇌가 생각할 수있는 결과와 비슷한 결과를 얻을 수 있도록하는 방법입니다. 비유하자면, "새는 날고 비행기는 날지 만 완전히 다른 방식으로 날아갑니다."Honavar. 그럼에도 불구하고 그들은 둘 다 공기 역학과 물리학을 사용합니다. 같은 방식으로 인공 지능은 지능형 시스템의 작동 방식에 대한 일반적인 원칙이 있다는 개념에 기반을두고 있습니다. "

AI는 "기본적으로 뇌가 작동하는 방식을 이해하고 모방하려는 시도의 결과이며,이를 적용하여 자율 시스템 (예 : 드론 , 로봇 및 에이전트)에 뇌와 같은 기능을 제공하는 데 적용했습니다 ."라고 작가 인 Kurt Cagle 은 , 데이터 과학자이자 컨설팅 회사 인 Semantical의 창립자 인 미래학자가 이메일에 글을 씁니다. 매일 정보 기술 뉴스 레터 인 The Cagle Report의 편집자이기도 합니다.

인간은 정보를 저장하기 위해 생물학적 세포 대신 회로, 반도체 및 자기 매체를 사용하는 컴퓨터처럼 생각하지 않지만 흥미로운 유사점이 있습니다. "우리가 발견하기 시작한 한 가지는 수십억 개의 노드에 대해 이야기하기 시작할 때 그래프 네트워크 가 정말 흥미 롭다는 것입니다. 뇌는 기본적으로 그래프 네트워크이지만 뉴런의 저항을 다양 화하여 프로세스의 강점을 제어 할 수 있습니다. 용량 성 스파크가 발생하기 전에 "Cagle이 설명합니다. "단일 뉴런은 그 자체로 매우 제한된 양의 정보를 제공하지만 다양한 강도의 뉴런을 함께 발사하면 특정 종류의 자극에 대해서만 반응하는 패턴이 생성됩니다.일반적으로 DSP를 통해 변조 된 전기 신호 [즉,디지털 신호 처리 ] 우리는 망막과 달팽이관이라고 부릅니다. "

Honavar는 "대부분의 AI 애플리케이션은 대량의 데이터가있는 도메인에있었습니다."라고 말합니다. 방사선의 예를 다시 사용하기 위해 인간 방사선 전문의가 평가 한 X 선 및 MRI 스캔의 대규모 데이터베이스가 존재하면 해당 활동을 모방하도록 기계를 훈련 할 수 있습니다.

AI는 인공 지능에 대한 이 SAS 입문서 에서 설명하는 것처럼 대량의 데이터를 지능형 알고리즘 ( 일련의 지침) 과 결합하여 작동합니다. 이를 통해 소프트웨어는 데이터의 패턴과 기능을 학습 할 수 있습니다 .

뇌가 작동하는 방식을 시뮬레이션 할 때 AI는 SAS 입문서에서 언급했듯이 여러 하위 분야를 활용합니다.

수십 년의 연구

AI의 개념은 1940 년대로 거슬러 올라가며 "인공 지능"이라는 용어 는 1956 년 Dartmouth College의 컨퍼런스에서 소개되었습니다 . 이후 20 년 동안 연구자들은 게임을하고 간단한 패턴 인식과 기계 학습을 수행하는 프로그램을 개발했습니다. 코넬 대학의 과학자 인 프랭크 로젠 블라 트 (Frank Rosenblatt )는 천공 카드가 공급되는 5 톤 (4.5 미터 톤)의 실내 크기 IBM 컴퓨터에서 실행되는 최초의 인공 신경망 인 퍼셉트론을 개발했습니다 .

그러나 Honavar에 따르면 더 복잡한 다층 신경망의 두 번째 물결이 더 높은 수준의 작업을 처리하기 위해 개발 된 것은 1980 년대 중반이되었습니다. 1990 년대 초, 또 다른 혁신을 통해 AI는 교육 경험을 넘어 일반화 할 수있었습니다.

1990 년대와 2000 년대에는 웹과 점점 더 강력 해지는 컴퓨터와 같은 다른 기술 혁신이 AI 개발을 가속화하는 데 도움이되었습니다. "웹의 출현으로 많은 양의 데이터를 디지털 형식으로 사용할 수있게되었습니다."라고 Honavar는 말합니다. " 게놈 시퀀싱 및 기타 프로젝트는 방대한 양의 데이터를 생성하기 시작했으며 컴퓨팅의 발전으로이 데이터를 저장하고 액세스 할 수있었습니다. 우리는 기계가 더 복잡한 작업을 수행하도록 훈련 할 수있었습니다. 30 년 동안 딥 러닝 모델을 가질 수 없었을 것입니다. 이전에는 데이터와 컴퓨팅 능력이 없었기 때문입니다. "

AI 및 로봇 공학

AI는 기계가 환경을 감지하고 계산을 수행하고 공장 작업과 요리에서 다른 행성에 착륙하는 것에 이르기까지 사람의 지시에 따라 물리적 작업을 수행하는 로봇 공학과 다르지만 관련이 있습니다. Honavar는 두 필드가 여러 방식으로 교차한다고 말합니다.

Honavar는 "많은 지능이없는 로봇 공학, 자동화 된 직기와 같은 순전히 기계 장치를 상상할 수 있습니다."라고 말합니다. "중요한 방식으로 지능적이지 않은 로봇의 예가 있습니다." 반대로, 인간이 운전하는 자동차와 보행자로 가득한 거리를 자율 주행 차량으로 안내하는 것과 같이 지능이 필수적인 부분 인 로봇 공학이 있습니다.

Honavar에 따르면 "일반 지능을 실현하려면 어느 정도 로봇 공학이 필요하다는 것이 합리적인 주장입니다. 왜냐하면 세계와의 상호 작용이 어느 정도 지능의 중요한 부분이기 때문입니다." "공을 던지는 것의 의미를 이해하려면 공을 던질 수 있어야합니다."

AI는 조용히 너무 보편화되어 이미 많은 소비자 제품에서 발견되었습니다.

Cagle은 " 사물 인터넷 (IoT) 공간에 속하는 수많은 장치는 매우 전문화 된 AI이지만 일종의 자체 강화 AI를 쉽게 사용합니다."라고 말합니다. "크루즈 컨트롤은 초기 AI였으며 대부분의 사람들이 인식하는 것보다 작동 할 때 훨씬 더 정교합니다. 소음 완화 헤드폰. 대부분의 최신 TV 리모컨과 같이 음성 인식 기능이있는 모든 것. 소셜 미디어 필터. 스팸 필터. AI를 확장하는 경우 기계 학습을 다루기 위해 여기에는 맞춤법 검사기, 텍스트 추천 시스템, 모든 추천 시스템, 세탁기 및 건조기, 전자 레인지, 식기 세척기, 2017 년 이후에 생산 된 대부분의 가전 제품, 스피커, TV, 잠금 방지 제동 시스템, 모든 전기 차량, 최신 CCTV 카메라. 대부분의 게임은 다양한 수준의 AI 네트워크를 사용합니다."

인공 지능은 이미 일부 좁은 영역에서 인간을 능가 할 수 있습니다. 마치 "비행기가 새보다 더 먼 거리를 비행하고 더 많은 사람을 태울 수 있습니다."Honavar는 말합니다. 예를 들어 AI는 수백만 개의 소셜 미디어 네트워크 상호 작용을 처리하고 사용자의 행동에 영향을 미칠 수있는 통찰력을 얻을 수 있습니다. AI 전문가가 걱정하는 능력은 "그다지 좋지 않은 결과"를 초래할 수 있습니다.

인간의 두뇌를 압도 할 방대한 양의 정보를 이해하는 데 특히 유용합니다. 예를 들어 이러한 기능을 통해 인터넷 회사는 사용자에 대해 수집하는 방대한 양의 데이터를 분석하고 다양한 방식으로 통찰력을 사용하여 우리의 행동에 영향을 미칠 수 있습니다.

그러나 AI는 지금까지 인간의 창의성을 복제하는 데 많은 진전을 이루지 못했다고 Honavar는 지적하지만이 기술은 이미 재무 보고서 및 선거 결과 데이터를 기반으로 음악 을 작곡 하고 뉴스 기사 를 작성하는 데 활용되고 있습니다.

AI가 경제를 변화시킬 수있는 방법

인간이 필요했던 작업을 수행 할 수있는 AI의 잠재력을 감안할 때 AI의 확산으로 인해 우리 대부분이 업무에서 벗어날 수 있다는 것을 두려워하기 쉽습니다. 그러나 일부 전문가들은 AI와 로봇 공학의 조합이 일부 직책을 제거 할 수 있지만 기술에 정통한 근로자를위한 더 많은 새로운 일자리 를 창출 할 것이라고 예상 합니다.

기술 혁신 센터 의 부사장 겸 창립 이사 인 Darrell West는 "가장 위험에 처한 사람들은 소매, 금융 및 제조 분야에서 일상적이고 반복적 인 작업을 수행하는 사람들입니다."워싱턴에 본사를 둔 공공 정책 기관인 Brookings Institution의 이메일에서 설명합니다. "하지만 보건 의료 분야의 화이트 칼라 일자리도 영향을받을 것이며 사람들이 직장에서 직장으로 더 자주 이주하면서 일자리 이탈이 증가 할 것입니다. 새로운 일자리가 창출 될 것이지만 많은 사람들이 그러한 직위에 필요한 기술을 갖지 못할 것입니다. 따라서 위험은 디지털 경제로의 전환에서 사람들을 뒤처지게하는 직업 불일치입니다. 국가는 기술이 확산됨에 따라 직업 재교육 및 인력 개발에 더 많은 돈을 투자해야합니다. 사람들이 정기적으로 자신을 업그레이드 할 수 있도록 평생 학습이 필요합니다. 직업 기술. "

그리고 인간 노동자를 대체하는 대신 AI를 사용하여 지적 능력을 향상시킬 수 있습니다. 발명가이자 미래학자인 Ray Kurzweil은 2030 년대까지 AI가 인간 수준의 지능을 달성했으며, 인간 두뇌에 들어가 메모리를 강화하여 사용자를 인간과 기계의 하이브리드로 바꾸는 AI가 가능할 것이라고 예측 했습니다. Kurzweil이 설명했듯이 "우리는 우리의 마음을 넓히고 우리가 소중히 여기는 이러한 예술적 특성을 보여줄 것입니다."

이제 흥미 롭 네요

Cagle은 몇 년 전 공상 과학 대회 에서 돌고래와 원숭이와 같은 지각있는 비인간 생명체의 지적 능력을 인간 수준으로 향상시키는 데 AI를 사용하는 융기 의 개념에 대해 저술 한 저자 David Brin 과 함께 패널에 참여했습니다. . "우리는 새로운 지적 종족을 우주로 인도 할 윤리적으로 준비되어 있습니까?" Cagle이 묻습니다. "우리는 우리가 사랑하고, 논쟁하고, 배우고, 가르 칠 다른 사람들을 만들 수있을만큼 우리 자신의 존재에 대해 충분히 편안합니까?"