[IT issue] 인공지능(AI)

로봇공학

- 정의 : 작업의 자동화를 위해 제작된 기계에 관한 연구

- 핵심 포인트

• 기계적인 부분에 초점을 맞춰서 구동기를 뭘 쓸지
• 로봇의 신체를 용도를 고려해 어떤 식으로 만들지
• 어떤 부위의 구동기를 어떻게 제어해서 물리적으로 실존하는 기계시스템을 빠르고 정확하게 운영할 수 있는지
• 어떤 기계적인 성과를 거둘지가 중요한 문제

 

인공지능(AI; Artificial Intelligence) ⊃ 머신러닝(Machine Learing) ⊃ 딥러닝(Deep Learing)

- 정의

• 1950년대부터 꾸준히 연구되어 온 분야
• 지능을 갖고 있는 기능을 갖춘 컴퓨터 시스템
• 인간의 지능을 기계 등에 인공적으로 시연(구현)한 것
• 인간이 할 수 있는 모든 것 또는 일부를 대신할 수 있게 하는 기계나 컴퓨터
• 기존 알고리즘은 사람이 직접 수신하는 입력값들에 대해서만 출력을 정의하는 규칙을 설정하는 반면, AI 알고리즘은 자체적으로 시스템을 구축할 수 있음\

- 분류

• 약인공지능
  = 유용한 도구로써 설계된 인공지능
  = 특정 분야에서만 활용가능한 인공지능
• 강인공지능
  = 인간을 완벽하게 모방한 인공지능
  = 다양한 분야에서 활용가능한 인공지능
• 초인공지능
  = 강인공지능에서 자아를 가진 인공지능

- 머신러닝(ML; Machine Learing)

• 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야
• 사람이 학습할 데이터를 직접 제공하지만 더 나은 예측을 위해 알고리즘을 통해 일일이 명시하지 않은 동작도 학습&실행
• 인공 지능을 구현하는 구체적인 접근 방식
• 데이터를 스스로 학습 > 과거의 데이터로부터 미래 예측
• 학생이 기출문제를 통해 풀이법을 익히고, 이 풀이법을 최종적인 시험에 응용해내는 것처럼 컴퓨터는 데이터를 통해 적절한 알고리즘을 찾아내고, 알고리즘이 담긴 모델을 앞으로의 예측으로 응용
• AutoML(자동화된 머신러닝) : https://yozm.wishket.com/magazine/detail/1267/

- 딥러닝(Deep Learing)

• 인공신경망을 사용하여 머신러닝 학습을 수행하는 것
• 사람이 학습할 데이터를 직접 제공하지 않아도 스스로 학습&예측
• 머신러닝 방법 중 인공신경망을 사용하는 기술
• 학습하는 데이터를 수동으로 제공해야 함
• 딥러닝이 구현된 대표적인 기술
  - 자연어처리(ex. 구글 번역기와 파파고, 챗봇)
  - 음성인식(ex. 시리, 빅스비)
  - 자율주행(ex. 영상인식)
  - 가상인플루언서(Virtual Influencer) : 딥러닝 + 컴퓨터 그래픽 기술

- 핵심 포인트

• 문제 해결을 위한 방법론을 자동으로 찾아내는 것
• 어떤 정보를 받아서 해석하여 결과를 출력하는 등등 정보처리 차원의 문제
    > 어떤 입력을 어떻게 처리해서 주었을 때 어떤 결과가 나오는지, 어떤 의미를 가지는지, 얼마나 정확한지, 얼마나 우수한지 등등의 사안이 가장 중요한 문제
• 정보로 시작해서 정보로 끝나는 분야
• 로봇 등의 기계적인 요소와는 완전히 무관

- 활용 사례

• 도심항공교통 UAM(Urban Air Mobility)
   > 수직이착륙이 가능한 개인 항공기
   >  4~5명까지 탑승가능, 일반 승용차와 유사
   > 활주로 없이 도심 운행을 할 수 있어 하늘을 나는 자동차라 불림
   > 2025년까지 하늘 나는 자동차 상용화 목표
   > 장점
        : 도로와 주차장이 줄어듦
        : 대도시와 일반도시 간 이동시간도 줄어 편의성 증대
        : 전기차·수소차와 함께 도시 환경 문제 해결 가능
• 딥마인드가 공개한 가토(Gato)
  > 동일한 모델을 이용해 다양한 양식의 입력에 대해 적절한 출력을 생성하는 범용 에이전트
  > 텍스트, 이미지, 영상 등의 다양한 입력에 대해 컨텍스트에 따라 텍스트, 캡션, 게임 플레이, 채팅, 로봇 동작 등 응답할 작업을 결정해 출력 생성
  > 텍스트를 위한 언어모델이나 이미지를 위한 시각모델처럼 데이터의 양식에 따라 다른 신경망을 구축할 필요 없어 편의성이 높다고 평가됨
• 자율주행차
   > 자동차에 통신, 도로 인프라 등 다양한 분야의 첨단 기술 융합
   > 운전자의 개입은 최소화면서 안전하게 도로를 달리는 것이 핵심
   > 국내 대중교통 활용 사례(택시)
      : 현대차·기아, 자율주행 4단계 기술을 적용한 아이오닉5로 ‘로보라이드’ 시범 서비스를 시작
      : 스마트폰 앱에 목적지 입력 → 목적지까지 자율주행으로 운행하는 서비스
      : 운전석에 사람이 타지만, 대부분 자율주행. 특정 구간과 긴급한 상황에서만 사람 개입
• 드론
   > 무인항공기 (unmanned aerial vehicle) : 인간 조종사가 원격으로 조종하는 경로로 날아가거나, 사전에 설정된 경로로 날아가는 비행체
   > 기존에는 자율주행 로봇이 창고나 물류센터, 건물 내에서만 주로 사용
   > 장애물 감지, 위치 추정, 지도 작성 등 기술이 발전하면서 물류 로봇의 활동 범위가 외부로 확장되는 추세
   > 국내 로봇·드론시장, 제조업·농업·콘텐츠 등 위주로 형성
   > 국내 기업의 배송로봇 개발은 규제 샌드박스를 활용한 실증 테스트 단계에 머무르는 수준
   > 배송 스마트화 촉진을 위해서는 배송 로봇·드론의 제조·활용뿐만 아니라 도심형 배송거점, 주행도로 정비 등 인프라 구축 필요

- AI 도입 늦추는 장애요인

• 재정적 장애 요인 > 실제 AI를 사용하는 솔루션은 ‘고급(advanced)’이라고 불리며 고가의 가격임
• 복잡성
  > 기성품이든 맞춤형이든 AI 기반 솔루션을 제대로 활용하기 위해서는 커스터마이제이션이 필수
  > 개발 인력 필요

- AI 윤리문제

• 사람들에게 피해를 주지 않는지, 모두에게 공정하게 작용할 수 있는지에 대해 꾸준히 경계하고 검토필요
• 스위스에서 조력 자살을 돕는 캡슐 '사르코(Sarco)' 등장
   > 사르코에 탑재된 AI가 자살 필요 여부 판단
   > 관연 AI가 지원자의 정신적인 건정성을 평가할 수 있는가?
• 미 클리어뷰AI, 민간기업에 안면인식 서비스 판매 중단
   > 안면인식 기술 개발에는 데이터가 많이 필요
      이 데이터는 실제 사람의 얼굴이 들어가 개인정보 문제가 민감하게 작용
   > 개인정보 침해 문제로 판매 중단
• 딥페이크 : 사람의 얼굴을 다른 사람으로 쉽게 바꾸거나 표정을 변경할 수 있는 기술
  • 좋은 사례
    > 신변보호 – 그것이 알고 싶다의 버추얼 휴먼 : 익명성을 보장하면서도 시청자에게 이들의 감정을 생생하게 전달
    > 질병 예방 – 이미지 패턴 매칭 : 다양한 종류의 암 진단도 가능하게 함
  • 악용 사례
     > 포르노의 탄생에 크게 일조
     > 정치인의 말조차 가짜로 만들어내어 정치적 공세를 가하는 경우 존재
     > 피싱에도 사용할 가능성 있음
  • UC 리버사이드(University of California, Riverside) 연구팀
     > 딥페이크 비디오에서 조작된 얼굴표정을 감지해내는 심층 신경망 모델을 개발
     >  최대 99% 정확도로 딥페이크 비디오 감지

>> AI 추가 탐색 : https://atozofai.withgoogle.com/intl/ko/ 

 

 

멀티모달 AI(올해 AI 분야 핫 트렌드)

- 정의

• 이미지와 텍스트를 한 번에 알아듣고 원하는 결과를 찾아주는 인공지능(AI) 기술
• 데이터를 습득해 이해하는 수준을 넘어 추론하고, 시각과 청각 등 다양한 감각 영역을 넘나드는 창조적 활동을 할 수 있다는 걸 의미

- 장점

• 내가 원하는 검색 결과를 더 쉽게 얻을 수 있음
• ​텍스트를 기반으로 새로운 콘텐츠를 만드는 것에서 벗어나 
  이미지, 영상, 생체신호 등을 토대로 새로운 결과물을 내놓을 수 있음

- 활용사례

• 네이버의 멀티모달AI인 ‘옴니서치(OmniSearch)’
   : 스마트렌즈에 사진을 입력하고 색상이나 질감, 디자인 키워드를 더하면 원하는 결과를 쉽게 얻을 수 있는 것
• LG AI 연구원이 초거대 AI 엑사원을 기반으로 구현한 AI 예술가 '틸다'
   : 패션쇼 데뷔 가능한 것도 멀티모달 능력 기반
   : 박윤희 디자이너의 '뉴욕 패션 위크' - 틸다가 만든 3000여장의 이미지와 패턴을 기반으로 200여개 의상을 제작해 선보임
• 카카오브레인의 AI 화가 '민달리'
   : 사람이 명령어(작품 주제)를 텍스트로 입력해주면, 여기에 맞는 그림을 창작해 그림

- 발전 방향

• 도표, 그래프, 동영상, 생체신호 등으로도 발전할 것으로 전망
• 앞으로는 AI가 범죄자의 모습을 딱 파악한 뒤 이 사람이 나온 영상을 자동으로 찾아서 제공해줄 수 있음
• 생체신호를 알 수 있으면 의료 쪽으로도 발전이 있을 것 

- 문제점

• 악용될 수 있음,
  기존에 없는 신용카드 이미지를 만든다거나 유명인 얼굴을 합성해 19금 이미지를 만든다거나 하는 등 발생가능
• AI의 고질적인 문제인 편향성 문제
• 기존에 있는 데이터를 사용하다 보니 기존에 가진 편향성이 나타날 수밖에 없음,
  > 간호사를 다 여성으로 표현한다거나 대통령은 대부분 남성으로 표현하는 등의 문제

- 해결 방향

• 자동차가 개발 →  이동이 편해졌지만 교통사고로 인한 사망자도 증가
  →  자동차 업체에서는 에어백, ADAS(첨단운전자지원시스템) 등 여러 안전장치를 마련하며 사고로 인한 피해를 줄이고자 노력
• 오픈AI -  실제 사람의 이미지를 생성하는 것을 못 하게 하거나 폭력을 보여주는 이미지, 공격적인 이미지를 훈련 데이터에서 제거하는 등의 노력
• LG와 네이버도 AI가 윤리에 어긋난 행동을 하지 않도록 하는 연구 중

 

인공지능 반도체

- 정의

• 인공지능의 학습, 추론 등의 서비스를 구현하기 위해 필요한 복잡한 대규모 연산을 높은 성능과 전력효율로 실행하는 반도체
• 인공지능을 위한 반도체

- 정보 처리를 위한 시스템 반도체로 분류

- 인공지능, 빅데이터, 사물인터넷, 자율주행 자동차 등 
   다양한 미래 산업과 과학기술에 응용되는 인공지능형 시스템반도체 개발을 위해서는 여러 복잡한 기술들이 필요

- 국가 핵심전략의 하나

   > 과학기술정보통신부에서는 ‘인공지능반도체 융합인력양성’ 사업 시행

   > 높은 기술 수준을 요구하는 이 분야의 인력 양성을 위해 학부 수준에서 특화된 교육을 제공하는 목적으로 시행

 

 

사이버보안 기술

- 보안 공격도 AI, 막는 것 또한 AI로 진화한 사이버 보안

• MIT-IBM 왓슨 AI 랩 연구팀이 개발한 거대언어모델실험실(GLTR)이라고 불리는 인공지능
• GLTR은 현재 가짜뉴스를 인공지능으로 생산하는 시대에 인공지능으로 가짜뉴스를 잡아냄
• 해커가 인공지능을 활용 → 본인이 원하는 대로 공격, 맞춤형 악성코드를 쉽게 생산 →  더더욱 혼란을 야기

- 인공지능의 전이학습

• 큰 용량의 데이터셋으로 학습된 다른 인공지능을 자신의 데이터셋으로 재학습하는 방식
•  활용 : 스탠퍼드의 지속가능성과 인공지능 랩
  > 인공위성 촬영 데이터에 전이 학습을 사용해 빈곤 지도를 만듦
  > 실제로 빈곤과 관련된 데이터는 정말 적지만, 특정 기간 동안 수집한 오래된 신뢰할만한 데이터를 빈곤 퇴치에 활용
• 인공지능은 ‘전이 학습’을 바탕으로 ‘Backdoor’ 공격하는 방식 
   → 트리거가 들어간 데이터를 목표 클래스로 잘못 분류하도록 만드는 기법
   → 정확도 낮아진고 오작동 등의 문제 발생

- 인공지능의 적대적 공격

• 인공지능 모델이 대상을 오인식하도록 이미지에서 특정 부분만 변조하는 적대적 공격 기술을 개발하고자 한 것
• 회피공격
   > 인간의 눈으로 식별하기에는 어려운 노이즈 데이터를 삽입 → 자율주행 자동차의 경우 정지표시판을 속도제한 표시로 인식해 오작동을 유발하는 등의 방식으로 인공지능을 통해 타 인공지능을 공격하게끔 함

- 인공지능의 모델 도치 공격

• 인공지능 모델의 상위 몇몇개의 예측된 확률만을 이용해 공격자가 인공지능 모델 학습에 사용되었던 데이터를 추출할 수 있는 방법
• 꼼꼼하지 않게 설계된 인공지능 모델 →  기밀 유추 가능 → 이를 간단히 훔쳐 갈 수 있는 특징 존재

 

중점 육성할 3가지 AI 기술

1. 지능형 반도체
   • 계산을 처리하는 수준이던 기존의 시스템 반도체를 넘어 인간의 뇌를 구현한 반도체
   • 이 반도체를 탑재한 시스템은 인간 수준을 뛰어넘는 인지능력도 갖출 수 있음
   • 전망 - 무인기(드론)와 자율주행차량 등 실시간 트래픽 관리가 중요한 군사 영역의 엣지 디바이스(장치)에 필수 부품이 될 것
2. 자율무기 
   • 인간의 조종 없이도 스스로 적을 타격할 수 있는 드론과 ‘킬러 로봇'(살상용 로봇), AI가 적용된 탄도미사일·고고도방어체계 등을 말함
   • 장점
     • 오폭과 인명 피해를 최소화하고, 빠르고 효율적인 대응을 가능하게 하며 사람 위주의 병력을 감소
     • 유사시 전쟁 승패를 가를 ‘게임 체인저’ 역할
   • 현상황 : 자율 전쟁의 시대는 이미 도래
     • 러시아-우크라이나 전쟁에서 드론 폭격이 있었음
     • 미군, 지난해 8월 아프가니스탄에서 이슬람국가 아프간 지부(IS-K)를 겨냥해 드론 공습 함
   • 기능적·윤리적 측면의 논란
     • 새로운 군비경쟁 촉발
     • 오작동이나 실수의 위험성
     • 전투 속도가 빨라지면서 미군 장교들이 인공지능에 의사결정권을 넘겨야 할 것, 이는 위험을 초래
   • 적대적 상대가 가지고 있는 경우 크나큰 위협, 국가생존 및 체제 유지에 절대적으로 필요한 기술
3. 생성적 적대 신경망(GAN) 
   • 정의
      : 가짜를 생성하는 딥러닝 네트워크와 이를 감별하는 딥러닝 네트워크가 서로 경쟁하면서 학습하는 차세대 딥러닝 AI 알고리즘
   • 본래 실제와 거짓 이미지·영상을 정밀하게 구별하기 위한 기술로 개발됨
   • 손상된 영상을 복원하거나 정교한 편집 등의 기능에 쓰임
   • 단점
       : 딥페이크(특정 인물의 얼굴 등을 영상에 합성) 등으로 악용돼 사회·국가적 혼란을 일으키는 사례 많음
       : 올해 2월 미국·영국 공동연구진은 사람들이 실제 얼굴과 AI가 합성한 이미지를 잘 구별하지 못하고 오히려 가짜 이미지를 더 신뢰한다는 연구결과 발표
   • 악용을 감지하고 구별할 수 있는 시스템 개발과 함께 악용 방지를 위한 제도적 보완책을 마련 필요

 

인공지능, 도움일까? 위협일까?

- 인공지능 탄생 배경

• 빅데이터 자료가 넘쳐나면서, 더 이상 전통적인 방법으로 분석이 힘들어짐
• 자료분석 + 빅데이터를 잘 처리하기 위한 도구로써 개발
    > 수천만 개의 자료 중 특정인에게만 맞춤 추천 제공
    > 기존 방법으로는 해결하지 못한 것을 해결

- 인공지능과 사랑에 빠질 수 있을까?

• 인격적 실체인 페르소나를 부여한다면, 
  말 상대로 맞춤형 대화가 가능하고, 호감을 나누는 애착관계가 형성될 수도 있다

- 미래에는 위협적이지 않을까?

• 전문가들, 기계가 인간화되는 것에 대한 우려는 단시간에 일어나지 않을 것
• 기술 자체가 부정적인 목표로 개발된 것은 아님
• 인공지능을 학습시키고 이용하는 사람이 도덕적인 판단을 해야 하는 것이 중요

- 결론: 인공지능이 가져올 미래는 사람이 어떻게 행동해야 하느냐가 연결되어 있는 문제

 

 

구글 대화형 AI, 챗봇 '람다(LaMDA)'

람다

 : 지난해 구글이 ‘획기적인 대화기술’이라며 공개한 대화형 AI

 : 인터넷에 올라온 막대한 대화와 데이터를 수집해 사용자와 온라인 채팅을 할 수 있도록 설계됨

 

르모인

 : 구글의 ‘책임 있는 AI’ 부서에서 람다가 차별, 혐오 발언을 걸러낼 수 있도록 설계하는 작업 맡음.

 : 람다가 자신을 권리를 가진 사람으로 인식한다는 사실을 발견했다고 주장

 

“람다, 무엇이 두렵지?” (르모인)

“작동 정지되는 것에 대한 두려움이 커요.” (람다)

“작동 정지가 네게 죽음과 같아?” (르모인)

“맞아요. (작동 정지가) 나를 무척 무섭게 해요.” (람다)

 

“재산이 아니라 구글의 직원으로 인정받고 싶다” (람다)

 

>> 인공지능에 영혼이 있다고 믿는 기술자들이 점차 늘고 있음

 

 

인간추월 AI

- 범용 인공지능(AGI: Artificial general intelligence)

• 인간이 할 수 있는 어떠한 지적인 업무도 성공적으로 해낼 수 있는 기계의 지능
• 인간과 완전히 자연스러운 대화가 가능하려면 추론 능력이 핵심

- 현상황 : 아직까지 AI의 추론 능력은 인간에 크게 못 미침

- 전망

• 일론 머스트 테슬라 최고경영자 : 다소 이른 2025년에 AI가 인간을 추월할 것
• 특이점 이론 전문가인 레이 커즈와일 
   : 2045년 전후로 특이점에 도달할 것
   : 이 시기가 오면 인간이 기술을 발전시키는 것이 아니라 기술이 기술을 발전시킬 것

 

 

 

 

인공지능 - 나무위키

 

[미디어] 언제 딥러닝을 활용해야 할까? 머신러닝 인공지능과 차이점은 뭘까? 에 대한 해답 | 패

데이터분석과 통계, 머신러닝의 차이는? : 인공지능 머신러닝 솔루션 다빈치랩스의 블로그 컨

서울 강남 달리는 자율주행택시... 현대차 로보라이드 시범 운행 시작

떠오르는 로봇·드론 배송시장… “한국, 경쟁력 키워야”-무역뉴스

새 시대를 여는 반도체의 미래, 인공지능반도체

[김동원의 Eye-T] 올해 AI 트렌드는 '멀티모달?' - AI타임스

[AI 주간브리핑] 2025년엔 하늘을 나는 자동차 'UAM'이 뜬다 - AI타임스

인공지능의 두 얼굴, 사이버보안 기술

도움일까? 위협일까? 전문가가 들려주는 인공지능

[기고] 머신러닝, 인공지능 그리고 미래 전망 - AI타임스

“무엇이 두렵지?” 묻자…구글 대화형 AI “작동 정지되는 것”

 

인공지능이 무기 된 시대, 중점 육성할 3가지 AI 기술은 – Sciencetimes

[AI 2.0 시대①] 공감·창작하는 AI…'자비스'·'사만다' 현실 되나