AI를 어떻게 정의해야 할까?

첫 번째 섹션에서는 AI의 정의와 몇 가지 예를 살펴보면서 AI의 개념에 익숙해질 것입니다.

이미 눈치채셨겠지만, AI는 현재 “주요 화제”입니다. AI에 대한 언론 보도와 공개 토론은 거의 피할 수 없습니다. 그러나 AI가 사람마다 다른 의미를 갖는다는 사실도 알아차렸을 것입니다. 어떤 사람에게 AI는 인간의 지능을 뛰어넘는 인공생명체에 관한 것이고, 다른 사람에게는 거의 모든 데이터 처리 기술을 AI라고 부를 수 있습니다.

먼저 AI가 무엇인지, 어떻게 정의할 수 있는지, 다른 분야나 기술이 밀접하게 관련되어 있는지에 대해 논의하겠습니다. 하지만 그렇게 하기 전에 AI의 다양한 측면을 설명하는 AI의 세 가지 응용 프로그램을 강조하겠습니다. 우리는 이해를 심화하기 위해 과정 전반에 걸쳐 각각의 내용을 다시 살펴보겠습니다.

적용분야 1. 자율주행차

자율주행차에는 A에서 B까지 가장 편리한 경로를 찾기 위한 검색과 계획, 장애물을 식별하기 위한 컴퓨터 비전, 복잡하고 역동적인 환경에 대처하기 위한 불확실성에 따른 의사결정 등 다양한 AI 기술의 조합이 필요합니다. 사고를 방지하려면 이들 각각이 거의 완벽한 정밀도로 작동해야 합니다.

배송 로봇, 비행 드론, 자율 선박 등 다른 자율 시스템에도 동일한 기술이 사용됩니다.

시사점: 시스템의 신뢰성이 인간 수준을 넘어설수록 도로 안전은 결국 향상되어야 합니다. 상품 이동 시 물류 체인의 효율성이 향상됩니다. 인간은 감독 역할을 맡아 기계가 운전을 담당하는 동안 무슨 일이 일어나고 있는지 감시합니다. 교통은 우리 일상생활에서 너무나 중요한 요소이기 때문에 우리가 아직 생각해보지 못한 시사점도 있을 가능성이 높습니다.

적용 사례 2. 콘텐츠 추천

우리가 일상에서 접하는 많은 정보는 개인화된 것입니다. 예로는 Facebook, X, Instagram, TikTok 및 기타 소셜 미디어 콘텐츠가 있습니다. 온라인 광고; Spotify의 음악 추천; Netflix, Max 및 기타 스트리밍 서비스에서 영화 추천. 신문사, 방송사 등의 많은 온라인 출판사 웹사이트와 구글 등의 검색 엔진 역시 자신들이 제공하는 콘텐츠를 개인화하고 있습니다.

New York Times나 China Daily의 인쇄본 첫 페이지는 모든 독자에게 동일하지만 온라인 버전의 첫 페이지는 사용자마다 다릅니다. 여러분이 보는 콘텐츠를 결정하는 알고리즘은 AI를 기반으로 합니다.

시사점: 많은 회사가 알고리즘의 세부 사항을 공개하고 싶어하지 않지만 기본 원칙을 알고 있으면 잠재적인 의미를 이해하는 데 도움이 됩니다. 여기에는 소위 필터 버블, 반향실, 트롤 공장, 가짜 뉴스 및 새로운 형태의 선전이 포함됩니다.

적용 사례 3. 이미지 및 비디오 처리

얼굴 인식은 이미 사람에 따른 사진 정리, 소셜 미디어의 자동 태그 지정, 여권 심사 등 많은 고객, 비즈니스 및 정부 애플리케이션에서 사용되는 필수품입니다. 유사한 기술을 사용하여 자율주행 자동차 주변의 다른 자동차와 장애물을 인식하거나 야생동물 개체수를 추정할 수 있습니다.

AI는 시각적 콘텐츠를 생성하거나 변경하는 데에도 사용될 수 있습니다. 오늘날 이미 사용 중인 예로는 개인 사진을 빈센트 반 고흐가 그린 것처럼 보이도록 조정할 수 있는 스타일 전송, 아바타, 반지의 제왕과 같은 영화에서 컴퓨터로 생성된 캐릭터, 애니메이션 캐릭터가 실제 인간 배우가 만든 동작을 복제하는 인기 있는 Pixar 애니메이션 등이 있습니다.

시사점: 이러한 기술이 발전하고 널리 보급되면서 실제 장면과 구별할 수 없는 자연스러워 보이는 가짜 사건 비디오를 만드는 것이 훨씬 쉬워졌습니다. 이는 '보는 것이 곧 믿는 것'이라는 개념에 도전하는 것입니다.

AI란 무엇이고, 무엇이 AI가 아닌가? 쉬운 질문이 아닙니다!

미디어에서 AI가 인기를 얻는 것은 부분적으로 사람들이 다른 이름으로 불렸던 사물을 지칭할 때 이 용어를 사용하기 시작했다는 사실에 기인합니다. 통계 및 비즈니스 분석부터 수동으로 인코딩된 AI라는 if-then 규칙에 이르기까지 거의 모든 것을 볼 수 있습니다. 왜 그럴까요? AI에 대한 대중의 인식이 왜 그렇게 모호합니까? 몇 가지 이유를 살펴보겠습니다.

그렇다면 더 유용한 정의는 무엇일까요?

"컴퓨터가 아직 할 수 없는 것"이라는 농담보다 더 유용한 정의를 시도하려면 AI의 특징인 속성(이 경우 자율성과 적응성)을 나열하는 것이 좋습니다.

말은 오해를 불러일으킬 수 있다

AI를 정의하고 이야기할 때 우리가 사용하는 많은 단어가 오해의 소지가 있을 수 있으므로 주의해야 합니다. 일반적인 예로는 학습, 이해, 지능이 있습니다.

예를 들어 시스템이 지능적이라고 말할 수도 있습니다. 아마도 정확한 탐색 지침을 제공하거나 피부 병변 사진에서 흑색종 징후를 감지하기 때문일 것입니다. 우리가 이런 말을 들을 때, "지능형"이라는 단어는 지능적인 사람이 수행할 수 있는 모든 작업(식료품 가게에 가서 저녁 요리하기, 빨래하고 개기 등)을 시스템이 수행할 수 있다는 것을 쉽게 암시합니다.

마찬가지로, 컴퓨터 비전 시스템이 이미지를 다른 자동차, 보행자, 건물, 도로 등과 같은 별개의 개체로 분할할 수 있기 때문에 이미지를 이해한다고 말할 때 "이해"라는 단어는 사람이 도로 사진이 인쇄된 티셔츠를 입고 있더라도 해당 도로에서(그리고 사람 위를) 운전하는 것은 옳지 않다는 것도 시스템이 이해한다는 것을 쉽게 암시합니다.

위의 두 경우 모두 우리는 틀렸습니다.

지능은 온도처럼 단일 차원이 아니라는 점을 인식하는 것이 중요합니다. 오늘의 기온을 어제의 기온과 비교하거나 헬싱키의 기온과 로마의 기온을 비교하여 어느 것이 더 높고 어느 것이 낮은지 알 수 있습니다. 우리는 지능에 따라 사람들의 순위를 매기는 것이 가능하다고 생각하는 경향이 있습니다. 이것이 바로 지능지수(IQ)가 하는 일입니다. 그러나 AI의 맥락에서 서로 다른 AI 시스템을 지능 측면에서 단일 축이나 차원으로 비교할 수 없다는 것은 분명합니다. 체스 게임 알고리즘이 스팸 필터보다 더 지능적인가요, 아니면 음악 추천 시스템이 자율주행차보다 더 지능적인가요? 이러한 질문은 의미가 없습니다. 이는 인공 지능이 좁기 때문입니다(이 장 끝에서 좁은 AI의 의미로 돌아갈 것입니다). 하나의 문제를 해결할 수 있다는 것은 다른 문제를 해결할 수 있는 능력에 대해 아무것도 알려주지 않습니다.

‘AI를 활용한 기능’이라고 말할 수 있지만 "AI"는 말할 수 없는 이유

AI와 비 AI로의 분류는 명확한 예-아니오 이분법이 아닙니다. 일부 방법은 분명히 AI이고 다른 방법은 분명히 AI가 아니지만 소금 한 꼬집처럼 AI가 약간 포함된 방법도 있습니다. 따라서 때로는 무언가가 AI인지 아닌지를 논쟁하는 것보다 "AI다움"(행복이나 경이로움과 같은)에 대해 이야기하는 것이 더 적절할 수 있습니다.

이런 주의에도 불구하고 AI를 셀 수 있는 명사로 사용하는 것은 흔한 일입니다. 예를 들어, 웨어러블의 데이터라는 헤드라인은 AI가 당뇨병의 징후를 발견하도록 가르치는 데 도움이 되었습니다. 이는 데이터의 중요성을 강조하고 시스템이 진단 및 치료 결정을 내리기보다는 당뇨병의 징후만 감지할 수 있다는 점을 분명히 하기 때문에 꽤 좋은 헤드라인입니다. 그리고 Google의 인공 지능이 인간이 만든 어떤 것보다 뛰어난 AI를 구축했다는 것과 같은 말은 절대로 말해서는 안 됩니다. 이는 우리가 본 것 중 가장 오해의 소지가 있는 AI 헤드라인 중 하나입니다(헤드라인은 Google Research에서 제공한 것이 아닙니다).

AI를 셀 수 있는 명사로 사용하는 것은 물론 달리 말하는 것이 의미가 있다면 큰 문제는 아니지만, 전문가처럼 말하고 싶다면 "AI"라는 말을 피하고 대신 "AI 기법"이라고 말하세요.