인공지능

인공지능(AI)은 1950년대부터 컴퓨팅의 일부였다. 그러나 AI 시스템이 이미지 분류나 구어 이해와 같은 유용한 작업을 수행할 수 있었던 것은 2000년 이후였다. 그리고 아주 최근에야 머신러닝이 발달하여 학생들이 이용할 수 있는 스마트폰과 태블릿에서 상당한 AI 연산을 할 수 있게 되었다. MIT는 앱 Inventor에 도구를 내장하고 있는데, 이 도구를 통해 초보 학생들도 10년 전에 고급 연구였을 AI 애플리케이션을 만들 수 있게 된다. 이를 통해 학생들이 AI의 가능성을 탐색할 수 있는 새로운 기회를 창출하고 디지털 미래의 창조자로서 학생들에게 힘을 실어준다. MIT App Inventor를 사용하는 AI에는 학생 탐색 및 프로젝트 작업에 대한 제안뿐만 아니라 튜토리얼 레슨도 포함되어 있다. 각 단원에는 강의 계획, 슬라이드, 유닛 개요, 평가 및 미국 컴퓨터 과학 교사(CSTA) K12 컴퓨터 표준에 대한 정렬 등 보충 교육 자료도 포함되어 있다. 모든 MIT App Inventor의 노력과 마찬가지로, 학생들이 자신의 아이디어를 인스턴스화하는 프로젝트와 프로그램을 만드는 능동적인 구성주의자 학습에 중점을 둔다.인공지능(AI)은 말 그대로 진화하고 있다. 연구진은 ‘적자 생존’ 등 다윈 진화에서 개념을 차용한 소프트웨어를 만들어 사람의 입력 없이 세대를 발전시키는 AI 프로그램을 구축했다. 이 프로그램은 수 십 년 동안 진행된 AI 연구를 며칠 만에 재현했고, 디자이너들은 언젠가는 AI에 대한 새로운 접근법을 발견할 수 있을 것이라고 생각한다.
“대부분의 사람들이 아기 걸음마를 하는 동안, 그들은 미지의 세계로 거대한 도약을 했다,”라고 오스틴 텍사스 대학의 컴퓨터 과학자인 Risto Miikkulainen은 말한다. “이것은 많은 미래 연구에 착수할 수 있는 논문들 중 하나이다.”
AI 알고리즘을 구축하는 데는 시간이 걸린다. 언어 번역과 자동차 운전에 사용되는 일반적인 유형의 기계 학습인 신경 네트워크를 이용하십시오. 이 네트워크들은 뇌의 구조를 느슨하게 모방하고 인공 뉴런들 사이의 연결 강도를 변화시킴으로써 훈련 데이터로부터 배운다. 작은 뉴런의 하위 순환은 도로 표지판 발견과 같은 특정한 작업을 수행하며, 연구원들은 뉴런들이 원활하게 함께 작동하도록 연결시키는 방법을 연구하는데 수 개월을 보낼 수 있다. 최근 몇 년 동안 과학자들은 몇 가지 단계를 자동화함으로써 그 과정을 가속화해왔다. 그러나 이 프로그램들은 여전히 인간이 디자인한 기성회로를 꿰매는 것에 의존하고 있다. 그것은 여전히 엔지니어들의 상상과 기존의 편견에 의해 생산량이 제한된다는 것을 의미한다. 그래서 구글의 컴퓨터 과학자인 Quoc Le와 동료들은 고등학생이 알 수 있는 기본적인 수학적 개념만을 사용하여 효과적으로 인간의 입력을 0으로 하는 AI 프로그램을 개발할 수 있는 프로그램을 개발했다. “우리의 궁극적인 목표는 연구자들조차 찾을 수 없었던 새로운 기계 학습 개념을 실제로 개발하는 것입니다,”라고 그는 말한다. 그 프로그램은 진화의 느슨한 근사치를 이용하여 알고리즘을 발견한다. 수학 연산을 무작위로 조합해 100개의 후보 알고리즘의 모집단을 만드는 것으로 시작한다. 그런 다음, 그것은 사진이 고양이와 트럭을 보여주는지 여부를 결정해야 하는 이미지 인식 문제 같은 간단한 작업으로 그들을 테스트한다. 각 사이클에서 프로그램은 알고리즘의 성능을 수작업으로 설계된 알고리즘과 비교한다. 최고 성능자의 복사본은 최고의 알고리즘을 약간 변형시키기 위해 코드의 일부를 임의로 교체, 편집 또는 삭제함으로써 “교체”된다. 이러한 “아이들”은 인구수에 더해지는 반면, 오래된 프로그램들은 도태된다. 주기가 반복되다. 이 시스템은 수천의 이러한 인구를 한 번에 만들어 내는데, 이것은 그것이 좋은 해결책을 찾을 때까지 1초에 수만 개의 알고리즘을 뒤뚱뒤뚱 거리게 한다. 이 프로그램은 또한 진화의 막다른 골목들을 막기 위해 때때로 집단들 간에 알고리즘을 교환하고, 자동으로 중복 알고리즘을 제거하는 것과 같은, 검색 속도를 높이기 위한 속임수를 사용한다. 지난 달 arXiv에 발표된 사전 인쇄 논문에서, 연구원들은 이 접근법이 신경망을 포함한 많은 고전적인 기계 학습 기법에 걸려들 수 있다는 것을 보여준다. 오늘날의 가장 진보된 알고리즘에 비해 해결책은 간단하지만, 그는 이 작업이 원칙의 증명이며 훨씬 더 복잡한 AI를 만들기 위해 확장될 수 있다고 낙관한다. 그러나 아인트호벤 공대의 컴퓨터 과학자인 호아킨 반쇼렌은 이 접근법이 최첨단 기술과 경쟁하기까지는 시간이 좀 걸릴 것이라고 생각한다. 그는 이 프로그램을 개선할 수 있는 한 가지 방법은 처음부터 시작하라고 요구하는 것이 아니라 인간이 발견한 몇 가지 요령과 기술로 이 프로그램을 파내는 것이라고 말한다. “우리는 학습된 기계 학습 개념으로 펌프를 프라이밍할 수 있다.” 그것은 르가 작업할 계획이다. 전체 알고리즘보다는 작은 문제에 초점을 맞추는 것 또한 유망하다고 그는 덧붙였다. 그의 그룹은 4월 6일 arXiv에 대한 또 다른 논문을 발표했는데, 이 논문들은 유사한 접근법을 사용하여 많은 신경망에서 사용되는 인기 있는 기성 부품을 재설계했다. 그러나 Le는 또한 도서관에서 수학적인 운영의 수를 늘리고 이 프로그램에 더 많은 컴퓨팅 자원을 할애하는 것이 완전히 새로운 AI 능력을 발견하게 할 수 있을 것이라고 믿는다. 그는 “그것이 우리가 정말 열정적인 방향”이라고 말한다. “인간이 알아내는 데 오랜 시간이 걸릴 정말 근본적인 것을 발견하는 것.” 미래는 인공지능(AI) 기술의 영향을 받는 우리 삶의 많은 부분을 보게 될 것이다. 기계는 반복 작업을 완전하게 정밀하게 실행할 수 있으며, 최근의 AI의 발달로 기계는 인간의 경험, 창의성, 독창성에 의존하는 것으로 생각되었던 작업을 이전에 수행할 수 있도록 하는 방법으로 학습하고 개선하며 계산된 결정을 내릴 수 있는 능력을 얻고 있다. AI 혁신은 현재 감정 행동, 인간의 건강, 상업, 통신, 이주 등에 대해 생성되고 있는 전례 없는 양의 데이터를 활용함으로써 유엔의 지속 가능한 개발 목표(SDG) 달성의 핵심이 될 것이다. ITU는 정부, 산학관이 새롭게 부상하는 AI 기술의 역량과 그에 따른 기술 표준화 및 정책 지침의 필요성에 대한 공통의 이해를 구축할 수 있는 중립적인 플랫폼을 제공할 예정이다.

인공지능

댓글 남기기

이메일은 공개되지 않습니다. 필수 입력창은 * 로 표시되어 있습니다