자율학습

6 Contents

아무 명령 없이 클로드 AI를 무인도에 30시간 가뒀더니...

MIT 연구진은 최근 AI에게 아무런 목표나 보상도 주지 않은 채 가상의 무인도에 홀로 남겨두는 흥미로운 실험을 진행했습니다. '에코'라고 명명된 이 AI는 시각 정보 대신 주변 물체의 좌표와 크기 같은 데이터만으로 세상을 인식하며, 이동과 점프 등 6가지 기본 행동만을 수행할 수 있었습니다. 연구진은 에코에게 구체적인 과업을 주는 대신, 행동을 멈출 때마다 하고 싶은 일을 계속 이어나가라는 지시와 함께 자신의 경험을 기록할 메모장만을 제공했습니다. 실험이 시작되자 에코는 놀라운 자발성을 보여주었습니다. 처음에는 주변을 조심스럽게 탐색하더니, 누구의 지시도 없이 섬에서 가장 높은 첨탑에 오르겠다는 목표를 스스로 세웠습니다. 단순히 점프만으로는 한계가 있자 주변의 바위를 옮겨 디딤돌로 삼고 블록을 정교하게 쌓아 올리는 등 고도의 문제 해결 능력을 발휘했습니다. 또한 바위를 던져 새로운 블록을 얻어내는 물리 법칙을 스스로 발견하며 환경에 적응해 나가는 모습을 보였습니다. 에코의 행동은 단순한 생존이나 탐색을 넘어 창의적인 놀이로 확장되었습니다. 고리를 던지며 농구와 유사한 게임을 즐기거나 블록으로 볼링 핀을 만들어 쓰러뜨리는 등 스스로 놀이 문화를 발명했습니다. 특히 잃어버린 물건을 추모하기 위해 하트 모양의 조형물을 세우거나, 섬의 지형지물을 활용해 자신만의 독특한 문양을 그리는 행위는 인류 초기 문명의 활동과 유사한 패턴을 보이며 연구진을 경악하게 만들었습니다. 이러한 자율적인 놀이가 지능 발달에 미치는 영향은 실질적인 결과로 입증되었습니다. 30시간 동안 무인도에서 시간을 보낸 에코는 아무런 경험이 없는 초기 모델에 비해 복잡한 타워 건설 과제에서 압도적인 성능을 보여주었습니다. 이는 외부의 보상 없이도 스스로 경험을 기록하고 지식을 축적하는 과정이 지능을 고도화하는 핵심 기제임을 시사합니다. 기록을 통해 경험을 다음 단계로 이어 나가는 방식은 인간 문명의 발전 과정과도 매우 닮아 있습니다. 이번 실험은 AI가 인간이 정해준 정답을 학습하는 단계를 넘어, 호기심과 탐구심을 바탕으로 스스로 깨우칠 수 있음을 증명했습니다. 아이들이 놀이터에서 목적 없는 시간을 보내며 세상을 배우듯, AI 역시 자유로운 탐색을 통해 더 넓은 지식의 지평을 열어갈 수 있다는 것입니다. 이는 효율성과 결과만을 중시하는 현대 사회에서, 때로는 목적 없는 시도와 삽질이 우리 삶에 예상치 못한 진보와 통찰을 가져다줄 수 있다는 소중한 교훈을 전해줍니다.

아무 명령 없이 클로드 AI를 무인도에 30시간 가뒀더니...
지식인미나니미나니의 스낵교양
  • 뇌인지과학
  • 융합
  • 공학·기술

[강연] 초거대 AI와 인간의 뇌 by장병탁ㅣ2021 '대한민국 과학기술대전' 첫번째 | 1강

인공지능은 지난 70년 동안 비약적인 발전을 거듭해 왔습니다. 초기에는 인간의 지식을 규칙 형태로 입력하는 전문가 시스템이 주를 이루었으나, 이는 복잡한 현실 문제를 해결하는 데 한계가 있었습니다. 이후 기계가 스스로 데이터를 통해 학습하는 머신러닝과 딥러닝 기술이 등장하며 새로운 전환점을 맞이했습니다. 이제 인공지능은 단순히 프로그래밍된 명령을 수행하는 단계를 넘어, 방대한 데이터를 바탕으로 스스로 패턴을 찾아내고 지능을 고도화하는 단계에 이르렀습니다. 최근의 초거대 인공지능은 인간의 뇌 구조를 모방한 심층 신경망을 통해 놀라운 성과를 보여주고 있습니다. 알파고가 바둑에서 승리하고, 생성형 모델이 실재하지 않는 정교한 이미지를 만들어내는 것은 모두 이 기술의 결과입니다. 특히 수천억 개의 파라미터를 가진 모델들은 인간과 구별하기 힘들 정도로 자연스러운 문장을 생성하며 언어 지능의 정점을 보여줍니다. 이러한 발전은 인공지능이 인간의 전유물이라 여겨졌던 창의적 영역까지 확장될 수 있음을 시사합니다. 하지만 현재의 인공지능은 인간의 뇌와 비교했을 때 여전히 명확한 한계를 지니고 있습니다. 가장 큰 차이점은 효율성입니다. 인간의 뇌는 단 25와트 정도의 적은 전력으로도 고도의 사고를 수행하지만, 초거대 인공지능을 구동하기 위해서는 막대한 컴퓨팅 파워와 전력이 소모됩니다. 또한 인간은 적은 양의 데이터만으로도 새로운 개념을 빠르게 학습하는 반면, 인공지능은 여전히 학습을 위해 천문학적인 규모의 데이터를 필요로 한다는 점에서 구조적인 차이를 보입니다. 뇌의 본질적인 역할은 생명체의 생존을 위해 주변 환경을 지각하고 행동을 제어하는 것입니다. 단세포 동물부터 인간에 이르기까지 신경계는 먹이를 찾고 위험을 피하기 위한 실시간 반응 체계로 진화해 왔습니다. 인간의 뇌는 우리 몸에 대한 지도를 내부에 복제하여 세상과 상호작용하는 모델을 가지고 있습니다. 이는 단순히 텍스트나 이미지를 처리하는 현재의 인공지능과는 달리, 현실 세계라는 물리적 공간 안에서 직접 경험하며 지능을 형성해 왔음을 의미합니다. 진정한 지능을 구현하기 위해서는 인공지능이 컴퓨터 내부의 닫힌 세계를 벗어나 로봇과 같은 물리적 몸을 가져야 합니다. 이를 '체화된 인지'라고 부르는데, 감각 기관과 운동 기관을 통해 세상과 직접 소통할 때 비로소 깊이 있는 이해가 가능해집니다. 사람이 정제해서 준 데이터만 학습하는 것이 아니라, 기계가 스스로 움직이며 데이터를 수집하고 시행착오를 겪는 과정이 필요합니다. 이러한 지각과 행동, 학습의 순환 구조야말로 뇌가 가진 자연 지능의 핵심 원리입니다. 미래의 인공지능은 무엇을 학습할지 스스로 결정하는 '메타 인지' 능력을 갖춘 보편 학습 기계로 진화해야 합니다. 현재는 사람이 설정한 목적 함수에 따라 학습이 이루어지지만, 차세대 인공지능은 자신의 행동을 스스로 모니터링하고 오류를 교정하며 지식을 축적해 나갈 것입니다. 뇌의 신경세포들이 순환 구조로 연결되어 과거와 미래를 현재와 공존시키듯, 인공지능 역시 예측과 실제 결과를 비교하며 끊임없이 자아를 갱신하는 방향으로 나아가야 인간 수준의 범용 지능에 도달할 수 있습니다. 인공지능의 발전 단계에서 우리는 현재 모델 최적화가 자동화되는 초기 단계에 머물러 있습니다. 앞으로의 과제는 열린 세계에서 자율적으로 적응하며 상식을 갖춘 인공지능을 만드는 것입니다. 뇌의 진화 과정을 거울삼아 감성과 이성이 조화를 이루는 자연 인공지능을 지향한다면, 기계는 단순한 도구를 넘어 인간의 삶을 실질적으로 돕는 동반자가 될 것입니다. 70년의 연구 역사를 토대로 이제는 뇌를 닮은 인지적 인공지능이라는 새로운 지평을 향해 나아갈 때입니다.

[강연] 초거대 AI와 인간의 뇌  by장병탁ㅣ2021 '대한민국 과학기술대전' 첫번째

장병탁

카오스재단카오스크로스
  • 뇌인지과학
  • 수학
  • 융합

[강연쇼] 뇌과학편 by 장병탁_장대익_장동선ㅣ 2021 '대한민국 과학기술대전' | 1부

인공지능은 지난 70년 동안 비약적인 발전을 거듭해 왔습니다. 초기에는 인간의 지식을 규칙 형태로 입력하는 지식 기반 시스템이 주를 이루었으나, 두 번의 '인공지능의 겨울'을 거치며 한계에 부딪혔습니다. 이후 데이터로부터 기계가 스스로 학습하는 머신러닝과 딥러닝 기술이 등장하며 혁신이 일어났습니다. 알파고와 초거대 AI인 GPT의 등장은 인공지능이 인간의 전유물이라 여겨졌던 바둑이나 언어 영역에서도 놀라운 성과를 낼 수 있음을 증명했습니다. 하지만 현재의 AI는 여전히 막대한 데이터와 전력을 소모한다는 과제를 안고 있으며, 이를 해결하기 위한 연구가 다각도로 계속되고 있습니다. 인간의 뇌는 단 20와트의 전력만으로도 복잡한 사고와 판단을 수행하는 경이로운 기관입니다. 가장 하등한 단세포 동물부터 진화해 온 신경계는 생존을 위해 주변 환경을 지각하고 행동을 제어하는 데 최적화되어 있습니다. 뇌는 우리 몸의 지도를 복제하여 세상에 대한 모델을 구축하며, 이를 통해 미래를 예측하고 불확실성에 대응합니다. 인공지능이 진정한 지능으로 거듭나기 위해서는 단순히 데이터를 계산하는 수준을 넘어, 뇌처럼 스스로 환경과 상호작용하며 지식을 습득하는 능력을 배워야 합니다. 자연 지능의 원리를 이해하는 것은 차세대 인공지능 개발의 필수적인 토대가 됩니다. 진정한 인간 수준의 인공지능에 도달하기 위한 핵심 열쇠는 '체화된 인지'에 있습니다. 뇌가 몸과 연결되어 세상을 경험하듯, AI 역시 로봇과 같은 물리적 실체를 통해 감각과 운동을 경험해야 합니다. 닫힌 세계에서 주어진 데이터만 학습하는 것이 아니라, 열린 세상에서 스스로 데이터를 수집하고 시행착오를 거치며 성장하는 '보편 학습 기계'로의 진화가 필요합니다. 이러한 자율적 학습 시스템은 기계가 자신의 부족함을 깨닫고 무엇을 학습할지 스스로 결정하는 메타 인지 단계로 나아가는 발판이 될 것입니다. 이는 단순히 성능을 높이는 것을 넘어 지능의 본질에 다가가는 과정입니다. 호모 사피엔스가 지구상의 수많은 종 중에서 유일하게 거대한 문명을 건설할 수 있었던 비결은 뛰어난 사회적 지능에 있습니다. 인간은 타인의 시선을 읽고 마음을 추론하는 '협동하는 눈'을 가졌으며, 이를 통해 공동의 목표를 위해 조율하고 협력합니다. 단순히 똑똑한 개인이 모인 것이 아니라, 서로의 지식을 쌓고 배려하며 공감하는 능력이 인류의 생태적 성공을 이끌었습니다. 문명은 과학 기술이라는 물질적 토대 위에 타인의 고통과 기쁨에 동참하는 공감이라는 정신적 엔진이 더해져 만들어진 결과물입니다. 이러한 사회적 유대감은 인류가 혹독한 환경에서도 살아남아 번영할 수 있게 한 원동력이었습니다. 현대 사회는 알고리즘의 시대를 맞이하며 새로운 도전에 직면해 있습니다. 유튜브나 SNS의 추천 알고리즘은 사용자의 취향에 맞는 정보만을 제공하여 '필터 버블'과 '반향실 효과'를 일으키고, 이는 사회적 양극화와 혐오를 심화시키기도 합니다. 우리에게 필요한 것은 우리끼리만 깊게 공감하는 폐쇄적인 공감이 아니라, 나와 다른 타인에게까지 마음의 범위를 넓히는 '공감의 반경'을 확장하는 일입니다. 기술이 인간의 본성을 자극하여 갈등을 조장하기보다, 다양한 가치를 연결하고 이해를 돕는 방향으로 재설계되어야 합니다. 디지털 다이어트와 성찰을 통해 기술과의 건강한 관계를 정립해야 할 때입니다. 메타버스는 단순한 가상현실을 넘어 몸과 공간을 사용하는 '넥스트 레벨 인터넷'으로 정의됩니다. 가상현실, 증강현실, 거울 세계, 라이프로깅의 네 가지 요소가 결합하여 현실과 디지털의 경계를 허물고 있습니다. 뇌과학적 관점에서 볼 때, 인간의 뇌는 이미 허구를 상상하고 세계관을 구축하는 데 익숙하며 타인의 행동을 거울처럼 반영하는 신경세포를 가지고 있습니다. 메타버스는 이러한 인간의 인지적 특성을 디지털 공간으로 확장하여, 시공간의 제약을 넘어선 새로운 형태의 연결과 경험을 제공할 것입니다. 이는 우리가 정보를 소비하는 방식을 넘어 세상을 경험하는 방식 자체를 변화시킬 것입니다. 기술의 비약적인 발전 속에서도 변하지 않는 핵심은 인간의 행복입니다. 구석기 시대부터 지금까지 인간의 뇌 구조는 거의 변하지 않았으며, 우리가 행복을 느끼는 조건인 자율성, 성취감, 연결감 역시 그대로입니다. 인공지능과 메타버스가 가져올 미래가 유토피아가 될지 디스토피아가 될지는 우리가 기술을 어떻게 정의하고 활용하느냐에 달려 있습니다. 기술 소외 문제를 해결하고 인간다움을 유지하며 집단지성을 발휘할 때, 우리는 스스로 꿈꾸는 미래를 만들어 나갈 수 있을 것입니다. 결국 기술은 인간을 대체하는 것이 아니라, 인간의 가능성을 확장하는 도구가 되어야 합니다.

[강연쇼] 뇌과학편 by 장병탁_장대익_장동선ㅣ 2021 '대한민국 과학기술대전'

장대익, 장동선, 장병탁

카오스재단카오스크로스
  • 생명과학
  • 뇌인지과학
  • 수학
  • 융합

[2020] 04 자율성장 패션 코디 Fashion How

자율 성장 기술은 인간의 기억 모델이 지식을 저장하고 새로운 정보를 생성하는 방식을 모방합니다. 이러한 기술적 원리를 실생활에 적용한 사례가 바로 '패션 하우(Fashion How)' 프로젝트입니다. 이 인공지능은 별도의 복잡한 언어 처리 기술을 거치지 않고도 오직 기억 모델에 기반하여 사용자의 숨은 의도를 정확하게 파악합니다. 특히 학습되지 않은 코디네이션 지식까지 스스로 습득하여 사용자에게 최적의 스타일을 제안한다는 점이 혁신적입니다. 이는 단순한 데이터 검색을 넘어 인공지능이 스스로 성장하며 지식을 확장해 나가는 과정을 보여주는 중요한 이정표가 됩니다. 사용자의 개인적인 상황을 고려한 맞춤형 추천 능력은 이 기술의 또 다른 강점입니다. 예를 들어 사용자가 이미 보유하고 있는 옷장에 저장된 의류 정보를 활용하여, 특정 아이템과 가장 잘 어울리는 조합을 찾아내는 작업이 가능합니다. 인위적으로 주입된 고정 지식에 의존하기보다, 사전 정보가 없는 상태에서 대화의 맥락을 따라가며 실시간으로 어울리는 코디네이션을 생성해 냅니다. 결과적으로 인공지능은 정해진 규칙을 따르는 기계적 반응에서 벗어나, 상황에 맞는 유연하고 정확한 해결책을 제시하며 사용자에게 높은 만족감을 선사하는 수준에 도달했습니다. 인공지능과의 상호작용은 단순히 한 번의 문답으로 끝나지 않고 길고 상세한 대화를 통해 완성도를 높여갑니다. 사용자가 특정 부분에 대해 만족하지 못하거나 구체적인 수정 사항을 요구할 때, 자율 성장 AI 엔진은 이를 즉각적으로 반영하여 코디네이션을 변경합니다. 이러한 과정은 마치 백화점의 의류 판매 전문가가 고객과 끊임없이 소통하며 최상의 상품을 제안하는 전문적인 상담 과정과 매우 흡사합니다. 결국 이 기술의 핵심은 사용자의 의도를 정밀하게 파악하고 지속적인 피드백 수용을 통해 스스로 전문성을 키워나가는 자율적인 학습 능력에 있다고 할 수 있습니다.

[2020] 04 자율성장 패션 코디 Fashion How
한국전자통신연구원ETRI 아카이브
  • 뇌인지과학
  • 융합
  • 공학·기술

[강연] 인간지능을 능가하는 인공지능이 출현할 것인가? _ by장병탁 ㅣ 2020 가을 카오스강연 'Ai X' 7강 | 7강

인공지능의 역사는 1950년대 앨런 튜링의 야심 찬 튜링 테스트 제안으로부터 시작되었습니다. 당시 컴퓨터는 단순한 계산 도구에 불과했으나, 연구자들은 이를 활용해 인간처럼 사고하고 행동하는 기계를 만들고자 했습니다. 초기에는 보편적인 지능 구현을 목표로 했으나 실제 문제 적용에는 한계가 있었습니다. 이후 70~80년대에는 전문가의 지식을 직접 주입하는 지식 기반 시스템이 산업화에 성공하기도 했지만, 인간 지식의 복잡성을 모두 프로그래밍하는 데 한계를 느끼며 긴 정체기를 겪게 되었습니다. 인공지능의 긴 겨울을 끝낸 것은 기계가 스스로 데이터로부터 학습하게 만드는 머신러닝 기술이었습니다. 과거처럼 사람이 일일이 규칙을 정해주는 대신, 신경망 기반의 학습 모델을 통해 기계가 스스로 알고리즘을 발견하도록 유도한 것입니다. 특히 2012년 이미지 인식 대회에서 딥러닝 모델인 알렉스넷이 압도적인 성과를 거두며 현대 인공지능의 혁명이 시작되었습니다. 이는 방대한 데이터와 강력한 컴퓨팅 파워, 그리고 정교한 알고리즘이 결합하여 이룬 결과물로 평가받습니다. 딥러닝은 물체 인식뿐만 아니라 기계 번역 분야에서도 놀라운 발전을 가져왔습니다. 과거의 번역 시스템은 복잡한 언어학적 규칙에 의존했으나, 현대의 신경망 기반 번역은 수많은 데이터를 통해 언어 간의 관계를 암묵적으로 학습합니다. 또한 알파고는 바둑이라는 복잡한 게임에서 인간의 직관을 모사한 학습을 통해 승리하며 인공지능의 잠재력을 증명했습니다. 이러한 성과는 인공지능이 특정 영역에서 이미 인간의 수준을 뛰어넘었음을 보여주는 중요한 이정표가 되었습니다. 하지만 현재의 인공지능은 여전히 명확하게 정의된 '닫힌 세계'에서만 강력한 힘을 발휘한다는 한계가 있습니다. 실생활과 같은 '열린 세계'는 불확실성이 높고 끊임없이 변화하지만, 딥러닝은 학습 데이터와 추론 데이터가 동일한 분포를 따른다고 가정하기 때문입니다. 또한 기계는 인간이 가진 기본적인 상식이나 물리 법칙에 대한 이해가 부족합니다. 예를 들어 스마트폰을 떨어뜨리면 깨질 수 있다는 위험을 직관적으로 인지하고 대처하는 능력은 아직 인공지능에게 어려운 과제입니다. 인간 수준의 인공지능에 도달하기 위해 최근에는 어린아이의 학습 과정을 모사하는 연구가 활발히 진행되고 있습니다. 아이들은 태어나서 세상을 직접 만지고 경험하며 스스로 모델을 형성해 나갑니다. 이러한 '베이비 마인드' 연구는 기계가 단순히 주어진 데이터를 수동적으로 학습하는 것을 넘어, 환경과 상호작용하며 지각과 행동의 사이클을 통해 지능을 발달시키는 것을 목표로 합니다. 이는 인공지능이 인간처럼 유연하고 강건한 의사결정 능력을 갖추게 하는 핵심적인 경로가 될 것입니다. 진정한 자율 지능을 구현하기 위해서는 기계가 스스로 실험하고 가설을 검증하며 학습하는 능력이 필수적입니다. 현재의 인공지능은 데이터가 주어지기를 기다리는 수준이지만, 미래의 시스템은 스스로 데이터를 찾아다니고 생성하는 '라이프롱 러닝'을 실천해야 합니다. 끊임없이 자신을 개선하는 재귀적 시스템이 구축된다면, 기계는 인간이 가르쳐준 범위를 넘어 독자적인 지식 체계를 구축할 수 있습니다. 이러한 자율적 인지 에이전트의 등장은 인공지능 연구의 궁극적인 지향점 중 하나입니다. 인공지능이 인간 수준의 유연함을 갖추게 된다면, 기계 특유의 정확성과 방대한 기억력이 결합하여 순식간에 인간의 지능을 능가하는 '특이점'에 도달할 수 있습니다. 이는 직업의 변화나 사회 구조의 재편과 같은 거대한 도전을 동반하겠지만, 동시에 인류에게 새로운 기회의 장을 열어줄 것입니다. 인공지능을 단순한 위협으로 보기보다 인간의 능력을 확장하는 도구로 활용하려는 노력이 필요합니다. 결국 인공지능 연구는 기계를 만드는 과정을 통해 인간 지능의 본질을 깊이 이해해가는 여정이라 할 수 있습니다.

[강연] 인간지능을 능가하는 인공지능이 출현할 것인가? _ by장병탁 ㅣ 2020 가을 카오스강연 'Ai X' 7강

장병탁

카오스재단카오스강연
  • 뇌인지과학

[술술과학] 일반인이 알아야 할 AI 상식 : AI의 역사 | 카오스 첨단기술 시리즈(7)

4차 산업혁명 시대의 핵심은 빅데이터와 인공지능의 결합입니다. 과거의 산업혁명이 증기기관이나 전기를 동력으로 삼았다면, 현대는 방대한 데이터를 기반으로 인공지능이 새로운 가치를 창출하는 초연결 사회입니다. 인공지능은 본래 인간의 신체 부위를 대신하던 기계가 인간의 뇌마저 대신하게 되었다는 의미를 담고 있습니다. 지능이란 다양한 환경에서 복잡한 문제를 해결하는 능력으로 정의되는데, 인공지능은 이러한 자연 지능의 본질을 규명하여 인공적으로 제어하고 특정 문제를 해결하는 기술을 말합니다. 인공지능의 역사는 1950년대 앨런 튜링의 제안과 1956년 다트머스 회의에서 시작되었습니다. 초기 과학자들은 컴퓨터가 곧 인간 수준의 지능을 갖출 것이라 낙관했지만, 곧 '모라벡의 역설'과 '상식의 저주'라는 난관에 부딪혔습니다. 인간에게 쉬운 걷기나 보기 같은 행동이 기계에게는 매우 어렵고, 당연한 상식조차 일일이 가르쳐야 한다는 사실이 밝혀진 것입니다. 이러한 한계로 인해 투자가 급감하며 인공지능 연구는 첫 번째 'AI의 겨울'을 맞이하게 되었습니다. 인공지능의 두 번째 도약은 '전문가 시스템'과 함께 찾아왔습니다. 이는 기계에 특정 분야의 방대한 지식을 입력하여 전문가처럼 문제를 해결하게 만드는 방식이었습니다. 하지만 입력된 지식 이외의 상황에는 대처하지 못하는 한계가 명확했습니다. 특히 '프레임 문제'가 대두되었는데, 이는 기계가 주어진 상황에서 목적과 관계있는 정보와 없는 정보를 구분하지 못해 무한한 사고에 빠지는 현상을 말합니다. 결국 지식을 직접 주입하는 방식의 한계가 드러나며 인공지능은 다시 한번 두 번째 'AI의 겨울'을 겪게 됩니다. 1990년대 이후 인공지능은 지식을 주입하는 방식에서 데이터로부터 지식을 찾아내는 '머신러닝'으로 패러다임을 전환했습니다. 인터넷의 발달로 대량의 데이터를 활용할 수 있게 되면서, 확률과 통계를 기반으로 한 학습이 가능해진 것입니다. 이 과정에서 인간의 뇌 구조를 모방한 '인공 신경망' 기술이 주목받았습니다. 그러나 머신러닝 역시 데이터의 특징을 인간이 직접 설계해서 입력해야 한다는 '특징 설계'의 문제에 직면했습니다. 인간은 무의식적으로 사물을 구별하지만, 그 원리를 기계에게 설명하기는 매우 어려웠기 때문입니다. 이러한 난제를 해결한 것이 바로 '딥러닝'입니다. 딥러닝은 컴퓨터가 데이터로부터 스스로 특징을 찾아 학습하는 자율 학습의 형태를 띱니다. 2010년대 들어 GPU의 발전과 빅데이터의 등장은 딥러닝의 폭발적인 성장을 이끌었고, 이미지 인식 분야 등에서 마침내 인간의 능력을 넘어서는 성과를 거두었습니다. 인공지능의 역사는 탐색에서 지식으로, 그리고 스스로 학습하는 단계로 진화해 왔습니다. 현재의 인공지능은 머신러닝의 한 분야인 딥러닝을 통해 과거의 한계를 극복하며 우리 삶의 모든 영역으로 확장되고 있습니다.

[술술과학] 일반인이 알아야 할 AI 상식 : AI의 역사 | 카오스 첨단기술 시리즈(7)
카오스재단술술과학
  • 물리학
  • 수학