인공지능의 역사
인공 지능 (AI)을 통해 기계는 경험을 통해 학습하고 새로 들어오는 정보에 적응하며 인간과 같은 사고 능력이 필요한 작업에 대처할 수 있습니다. 체스를 두는 컴퓨터에서 자율 주행 자동차에 이르기까지 오늘날 일반적인 AI의 예는 대부분 딥 러닝 과 자연어 처리를 기반으로 합니다. 이러한 기술을 사용하면 많은 양의 데이터를 처리하고이 데이터의 패턴을 인식하여 매우 구체적인 작업에 대해 컴퓨터를 교육 할 수 있습니다.
인공 지능의 역사
"인공 지능"이라는 용어는 1956 년에 만들어졌지만 더 많은 양의 데이터, 고도로 개발 된 알고리즘, 컴퓨팅 성능 및 데이터 저장 기능의 향상 덕분에 AI가 점점 더 중요 해지고 있습니다.
1950 년대 AI에 대한 초기 연구는 문제 해결 및 상징적 방법과 같은 문제에 초점을 맞추 었습니다. 1960 년대에 미국 국방부는이 작업에 관심을 가지기 시작하여 기본적인 인간 사고를 모방하도록 컴퓨터를 훈련 시켰습니다. 예를 들어, DARPA (Defense Advanced Research Projects Agency)는 1970 년대에 로드맵 프로젝트를 수행하고 모든 사람들이 Siri, Alexa 또는 Cortana에 대해 이야기하기 훨씬 전인 2003 년에 지능형 개인 비서를 만들었습니다.
이러한 초기 작업은 예를 들어 인간의 능력을 보완하고 확장하는 데 사용할 수있는 의사 결정 지원 시스템 및 지능형 검색 시스템의 형태로 오늘날 컴퓨터의 자동화 및 형식적 사고 능력을위한 기반을 마련했습니다.
할리우드 영화와 공상 과학 소설은 인간과 같은 로봇 형태의 인공 지능이 어떻게 세상을 장악하는지 설명 할 수 있습니다. 사실 현재의 AI 기술은 그다지 무섭지도 똑똑하지도 않습니다. 대신 AI는 모든 산업 분야에서 많은 특정 이점을 가지고 있습니다. 의료, 소매 및 기타 산업에서 인공 지능의 트렌드를 주도하는 사례에 대해 알아 보려면 계속 읽어보십시오.
인공 지능이 왜 그렇게 중요한가요?
AI는 반복 학습 및 데이터 검색을 자동화합니다. 그러나 AI는 로봇 공학을 사용하는 하드웨어 기반 자동화와 다릅니다. AI는 수동 작업을 자동화하는 데 사용되는 것이 아니라 많은 양의 데이터로 자주 발생하는 컴퓨터 제어 작업을 안정적으로 피로없이 수행합니다. 그럼에도 불구하고 인간의 지능은 이러한 유형의 자동화 (예 : 시스템 설정 및 올바른 질문 결정)에 없어서는 안될 필수 요소입니다.
AI는 기존 제품을 더 스마트하게 만듭니다 . 매우 드물게 판매용 독립형 AI 애플리케이션이있을 것입니다. 대신 AI 기능이 차세대 Apple 제품의 Siri와 같이 이미 사용중인 제품에 추가됩니다. 많은 양의 데이터와 결합 된 자동화, 채팅 플랫폼, 봇 및 지능형 머신은 보안 인텔리전스에서 자산 분석에 이르기까지 가정과 직장의 많은 기술을 향상시킬 수 있습니다.
점진적 학습 알고리즘 덕분에 AI는 적응 가능 하므로 프로그래밍이 궁극적으로 데이터를 통해 수행 될 수 있습니다. AI는 데이터에서 구조와 규칙 성을 찾습니다. 이것은 알고리즘에 기능을 제공하고 분류 자 또는 술어가됩니다. 알고리즘이 체스 게임을 스스로 가르 칠 수있는 것처럼, 다음에 온라인에서 어떤 제품을 제공해야하는지 스스로 가르 칠 수 있습니다. 그리고 새로운 데이터가 들어 오자마자 모델이 변경됩니다. 이를 가능하게하는 한 가지 AI 기술은 역 전파입니다. 모델의 원래 답이 불충분하면 재 학습되고 새 데이터가 제공됩니다.
AI를 사용하면 숨겨진 레이어가 많을 수있는 신경망을 사용하여 더 많은 양의 데이터를 더 깊이 분석 할 수 있습니다. 불과 몇 년 전까지 만해도 5 개의 숨겨진 레이어가있는 사기 탐지 시스템을 구축하는 것은 거의 불가능했을 것입니다. 매우 높은 컴퓨팅 성능과 빅 데이터 덕분에 오늘날 상황은 매우 다릅니다. 모델이 데이터를 기반으로 학습하기 때문에 딥 러닝 모델을 학습하려면 많은 양의 데이터가 필요합니다. 이러한 모델에 더 많은 데이터를 제공할수록 더 정확 해집니다.
AI는 심층 신경망 덕분에 최대 정확도를 달성했습니다 . 지금까지는 거의 불가능했습니다. 예를 들어 Alexa, Google 검색 및 Google 포토와의 모든 상호 작용은 딥 러닝을 기반으로하며 이러한 기능을 많이 사용할수록 더 정확 해집니다. 의학에서 딥 러닝, 이미지 분류 및 물체 인식 분야의 AI 방법은 잘 훈련 된 방사선 전문의와 마찬가지로 MRI 이미지의 암 진단에서 동일한 정확도를 달성합니다.
AI는 데이터의 잠재력을 최대한 활용합니다. 자가 학습 알고리즘을 사용하면 데이터 자체가 지적 재산이 될 수 있습니다. 답은 데이터에 있습니다. AI는이를 찾는 데 도움이됩니다. 오늘날 데이터가 그 어느 때보 다 더 큰 역할을 수행함에 따라 비즈니스에 경쟁 우위를 제공 할 수 있습니다. 경쟁이 치열한 산업에서는 최고의 데이터를 가진 회사가 승리합니다. 모두 유사한 절차를 사용하더라도.