Douglas' Space

인공지능 분야에는 크게 2가지의 학파(?) 가 존재하는데 connectionism과 symbolism이 있다고 말씀드린 것 기억나시죠. connectionism은 ANN 기반의 machine learning을 주로 다루고 있는데, 이중에 deep learning은 deep ANN을 이용하는 machine learning의 한 방법입니다. 이렇게 ANN을 기반으로 인공지능을 구현하고자 하는 것을 다른 말로 Neuro AI라고 합니다. (Neuro-Symbolic AI = Neuro AI + Symbolic AI) 이제부터는 세간에 관심이 되고 있는 Neuro AI를 집중적으로 다루고자 합니다. ANN기반의 machine learning의 방법은 크게 아래와 같이 나누어 진다고 볼 수 있습니다. 사실 학습의..

결론적으로 우리가 상상하는 모든 일을 할 수 있지 않은 가 생각됩니다. 다만, 하드웨어 등의 과학이 계속 발전해 가면서 말이죠. 이건 너무 뻔한 대답아닌가요 반문하시고 계시네요. 처음 작성한 아래의 “인공지능의 어원”에서 이야기 하였듯이 인공지능이 특별한 것이 아니라 컴퓨터를 활용하여 자동화를 하는 하나의 방향이기 때문입니다. 그래서 제가 우리 직원들에게 누구나가 AI를 이해하거나 직접 이용해야 한다고 이야기합니다. 컴퓨터와 프로그래밍 언어가 개발이 되면서 엄청난 자동화 시스템들이 개발이 되었습니다. CPU, GPU, memory 장치의 발전과 AI를 처리하는 프로그램 언어 및 도구가 개발이 되면서 또 색다른 일들을 하고 있습니다. 오래 전부터 Symbolic AI라는 것이 초창기에 유행하면서 인공지능 ..

AI라는 영화가 2001년에 나왔죠. 거장 스필버그가 제작하는 영화라 개봉 전 부터 엄청난 관심을 모았던 것으로 기억됩니다. 제가 보기에는 전반적으로 AI에 대한 휴머니즘을 다룬 영화로 기억이 됩니다. 그때 당시 주인공이었던 어린아이의 눈빛이 생각이 납니다. (지금은 완전 살이 찐 모습이던데..) 특히 이 영화에서는 Bio technology와 결합하여 인공지능을 넘어서 “인공생명”을 묘사했다고 할 수 있습니다. 그럼 최초의 AI관련 영화는 무엇일까요? 아무래도 이 영화 아닐까요? “2001: 스페이스 오디세이” . 이 영화가 언제 나온 줄 아시나요? 1968년 입니다. 그 외에도 많은 영화들이 소개되었습니다. 그런데 보통 AI관련 영화에서 소개되는 AI를 “강한 AI”라고 합니다. 강한 AI는 사람처럼..

Perceptron은 1957년 Frank Rosenblatt가 고안한 간단한 네트워크로 하나의 인공뉴런에 해당하는 단순한 분류기입니다. 이를 소개한 뉴욕타임즈의 기사는 조만간 인간과 같은 기계가 탄생할 것이라고 예견하기도 했습니다. 그러나 하나의 Perceptron으로 제한이 많아 다양한 문제를 풀기위해서는 Multi layer perceptron(MLP)으로 확장이 필요하다고 Marvin Minsky교수가 주장했지만 MLP를 이용하여 학습은 불가능하다고 주장하여 오랜기간 암흑기에 있었습니다. MLP는 다음과 같이 여러층에 다수의 뉴런이 네트워크로 구성된 뉴럴넷입니다. 이 구조는 모든 뉴럴넷 구조의 가장 기본이 되는 구조입니다. 입력데이타 Xi와 연결되는 뉴런으로 구성된 계층을 입력층(input lay..

인공신경망을 이제는 ANN이라고 하겠습니다. ANN이 학습하는 것은 ANN이 저장하고 있는 가중치값, Wi를 수정해 가는 과정이라고 했습니다. 그렇다면 결국 어떻게 수정하는 가를 알면 학습이 무엇인지를 알 수 있을 것입니다. 그런데 학습하는 방법이 인공신경망의 종류, 다시말해 딥러닝 방법에 따라 다르게 수행됩니다. 그러나 공통적인 사실은 내가 원하고자 하는 목적을 달성하도록 가중치를 수정한다는 것은 공통적입니다. 특히 학습에는 지도학습, 비지도학습, 강화학습 이렇게 크게 3가지로 구분합니다. 지도학습이란 ANN에게 훈련을 위한 입력데이타에 대한 출력의 정답(이것을 label이라고 함)을 가르쳐 주고, ANN이 계산한 출력값과 비교하여 가중치를 변경하도록 합니다. 비지도학습은 정답을 가르쳐 주지 않고 정답..

일단 우리가 다루는 시스템(계)은 오픈시스템(open system)입니다. 오픈시스템은 외부와 상호작용하여 어떤 정보, 에너지, 물질을 주고 받습니다. 오픈시스템은 또 다른 작은 오픈시스템으로 분할될 수 있습니다. 인간은 최하위 세포로 구성되어 있습니다. 인간도 오픈시스템이고, 세포도 오픈시스템인 셈입니다. 프로그램은 function으로 구성됩니다. 프로그램도 오픈시스템이고 function도 오픈시스템입니다. 이러한 오픈시스템을 형상화 한 것을 모델(model)이라고 하고, 이 형상화 작업을 모델링(modeling)이라고 합니다. 따라서 모델링은 시스템을 분석하고 설계하는 행위를 의미합니다. 오픈시스템을 형상화하면 외부환경으로 부터 다수의 입력을 받고, 무엇인가를 처리하고, 출력을 내보내는 것으로 표현됩..

기억이란 무엇인가? 철학적인 질문같네요. 기억은 어디에 존재하나요?라고 다시 물어볼 수 있을 것 같습니다. 뇌과학자들의 지금까지의 결론은 우리의 뇌에 존재한다고 이야기하고 있습니다. 기억은 순서에 의해 사진을 찍어 놓는 것과 유사하다고 합니다. 그리고 기억은 언어로 표현되죠. 뇌세포의 기본단위를 뉴런(neuron)이라는 것은 모두 아실겁니다. 대뇌피질에 140억개의 뉴런(neuron)으로 구성되고, 이중의 40%가 시각에 관계가 되어 있다고 합니다. 그 만큼은 시각은 우리의 학습과 기억에 가장 많은 영향을 준다고 합니다. 그래서 시각화가 학습에 매우 중요한 이유가 됩니다. (제가 소프트웨어 모델링을 강조하는 이유이기도 합니다.) 지금까지 밝혀진 기억의 실체를 조금 딱딱한 과학적 설명으로 이야기하면 뉴런과..

루이카스텔이라는 브랜드의 CI를 아시나요? 바로 900억에 팔렸다는 피카소가 그린 개의 형상입니다. 저는 이 그림을 보고 피카소가 역시 화가네 라고 생각했습니다. 기존의 피카소의 그림은 도대체 무슨 의미이고, 무슨 아름다움이 있는 거지 잘 모르겠더라구요. 수많은 피카소의 그림, 추상화. 아직도 저의 수준으로는 피카소의 그림들을 이해하기 어렵습니다. 컴퓨터과학에서도 추상화(抽象化, abstaction)라는 개념이 매우 중요한 개념중에 하나입니다. 문제를 해결하는 방법 또는 어떤 현상을 표현하는 방법입니다. 거의 모든 컴퓨터과학 분야에서 이 추상화가 문제 해결 및 표현의 기법으로 활용됩니다. 가장 대표적인 것이 모델(model)의 개념입니다. 이 모델을 개발하는 것(modeling)이 추상화의 대표적인 것입..

ENIAC이라는 말을 들어보셨나요? 공학을 공부한 사람이라면 모두 들어 봤을 법한 용어입니다. 우리가 흔히 최초의 전자식 컴퓨터라고 알고 있습니다. (사실 최초의 컴퓨터는 ENIAC은 아닌 것으로 판명 됐습니다.) ENIAC은 육군의 요청으로 탄도계산을 위해 펜실베니아대학에서 개발을 했습니다. 체육관에 설치하여 사용할 정도로 엄청 컸죠. 그런데 밤만 되면 불빛때문에 벌레들이 날아와서 컴퓨터 안에서 죽어서 오작동을 일으켰습니다. 이때부터 프로그램의 오류를 Software Bug라고 불렀다고 합니다. 사실 배전판으로 프로그램을 했으니 Software Bug는 아니고 Hardware Bug 아닌가요? ㅋㅋ 이런 의미에서 보면 소프트웨어가 무엇으로 구현되느냐에 따라 다양한 형태로 존재합니다. 지금의 프로그램 만..

Symbolic AI "생각이 있다면 사람이다. X는 생각한다. 고로 X는 사람이다." 이를 rule 이라고 하고, X는 fact라고 합니다. 이러한 rule과 fact를 Knowledge Base(KB)라고 합니다. (이를 표현하는 것을 Knowledge Representation이라고 함) 규칙을 풀어서 "X가 사람이다"라고 추론하는 도구를 추론엔진이라고 합니다. KB를 어떻게 표현할 것인가 에 따라 graph, table, predicate logic, list processing 등 다양하게 구성하는 것이죠. 이러한 방식을 통들어 Symbolic AI라고 합니다. 사람의 지식을 한땀 한땀 녹여서 KB를 구축하기 때문에 DARPA에서는 이를 Handcrafted Knowledge라고 부르는 것 같습..