자연어처리

25 Contents

[카오스 짧강] 2026 카오스 콘서트 예습하기: 질병 진단, 치매 치료를 하는 인공지능? 바이오메디컬 인공지능!_PART 2

의생명 분야의 텍스트 데이터는 인공지능 학습의 핵심 자원입니다. IBM 왓슨은 펍메드에 저장된 수천만 건의 학술 자료와 의학 교과서, 임상 시험 데이터를 학습하며 실전에 투입되었습니다. 환자 정보와 문헌 자료를 입력받은 왓슨은 머신러닝 알고리즘과 앙상블 기법을 활용해 치료 계획을 추천합니다. 이는 인간 의사가 수많은 자료를 일일이 분석하는 수고를 덜어주며, 의료 데이터의 비정형성을 정형화하여 정밀한 진단을 돕는 혁신적인 도구로 평가받습니다. 하지만 왓슨의 진단이 모든 국가에서 동일한 신뢰를 얻은 것은 아닙니다. 인종과 문화적 차이는 물론, 한국처럼 건강보험 급여 기준이 중요한 환경에서는 의사와의 의견 일치율이 낮게 나타나기도 했습니다. 이러한 한계를 극복하기 위해 한국인의 유전체 정보와 국내 의료 환경을 반영한 한국형 인공지능 ‘닥터앤서’가 개발되었습니다. 이는 의료 인공지능이 단순한 기술 도입을 넘어 지역적 특수성과 제도적 맥락까지 세심하게 고려해야 함을 보여주는 중요한 사례입니다. 음성 데이터 역시 의료 현장에서 인공지능의 활용도를 높이는 핵심 요소입니다. 가상 간호사 ‘몰리’는 음성 인식 기술을 통해 환자의 복약 지도나 혈압 측정 같은 관리 서비스를 제공하며 의료진의 업무를 보조합니다. 여기에는 문맥의 전후 관계를 파악하는 순환 신경망 기술이 중요하게 작용합니다. 이미지는 독립적인 정보의 집합인 반면, 언어는 앞선 단어가 뒤따를 단어에 영향을 주기 때문입니다. 이러한 기술은 환자와 인공지능이 더 자연스럽게 소통할 수 있는 기반이 됩니다. 인공지능 대화의 역사는 1960년대 등장한 ‘엘라이자’로부터 시작되어 조현병 시뮬레이터인 ‘패리’와 같은 다양한 형태로 발전해 왔습니다. 당시 엘라이자는 규칙 기반 시스템을 통해 마치 사람과 대화하는 듯한 경험을 제공하며 상담 분야에서 인공지능의 가능성을 보여주었습니다. 비록 초기 모델은 간단한 패턴 매칭에 불과했지만, 이는 인공지능이 인간의 언어를 이해하고 상호작용하는 과정에서 어떻게 발전해 왔는지 보여줍니다. 오늘날 이러한 기술은 더욱 정교해져 의료 상담의 질을 높이는 데 기여하고 있습니다. 엘라이자의 추론 엔진과 최신 음성 기술이 결합된다면 시간과 장소에 구애받지 않는 고품질 의료 서비스가 가능해질 것입니다. 하지만 기술적 완성도와 별개로 인공지능에 대한 신뢰와 개인정보 보호 문제는 여전히 중요한 과제입니다. 인공지능의 모든 기록이 남는다는 점은 심리적 안정감을 주기도 하지만 동시에 개인정보 노출에 대한 우려를 낳기도 합니다. 미래의 인공지능은 기술적 한계를 극복함과 동시에 인간이 느끼는 정서적 거부감과 윤리적 고민을 해결하는 방향으로 나아가야 할 것입니다.

[카오스 짧강] 2026 카오스 콘서트 예습하기: 질병 진단, 치매 치료를 하는 인공지능? 바이오메디컬 인공지능!_PART 2
카오스재단카오스 짧강(짧은 강연)
  • 생명과학
  • 뇌인지과학
  • 융합

AI의 기억과 생각은 어디까지?🧐 l 2026 미래 과학 트렌드 북콘서트

인공지능의 역사는 영국의 수학자 앨런 튜링이 던진 '기계가 생각할 수 있을까?'라는 질문에서 시작되었습니다. 그는 2014년 영화 '이미테이션 게임'의 실제 주인공으로, 현대 컴퓨터의 최초 청사진을 그린 인물이기도 합니다. 튜링은 기계의 지능을 정의하기 위해 '이미테이션 게임', 즉 튜링 테스트라는 개념을 제안했습니다. 이는 벽 너머의 판단자가 인간과 기계의 대화를 구분하지 못할 때 해당 기계에게 지능이 있다고 간주하는 방식입니다. 이 아이디어는 오늘날 우리가 인공지능과 대화하는 모든 기술적 토대의 출발점이 되었습니다. 자연어 처리라는 분야는 인간이 일상적으로 사용하는 '자연어'를 기계가 이해하고 생성하도록 만드는 연구입니다. 기계가 말을 한다는 것은 기본적으로 다음에 올 단어를 확률적으로 예측하는 과정과 같습니다. 예를 들어 '나의 죽음을 적에게'라는 문구 뒤에 '알리지 말라'가 올 확률이 가장 높다고 계산하여 문장을 완성하는 식입니다. 과거 스마트폰의 자동 완성 기능도 이와 유사한 원리였지만, 최신 인공지능은 그 예측 능력이 아득히 정교해져서 인간과 구분이 어려울 정도로 자연스럽고 탁월한 문장 구사력을 보여줍니다. 챗GPT와 같은 현대의 인공지능은 문장을 직접 인식하기보다 '토큰'이라는 더 작은 단위로 쪼개어 처리합니다. 기계는 자연어 자체를 이해하지 못하므로, 각 토큰을 숫자로 이루어진 벡터값으로 변환하여 고차원적인 의미 공간상에 배치합니다. 이 공간에서 의미가 유사한 단어들은 서로 가깝게 위치하게 되며, 인공지능은 학습을 통해 이러한 의미 관계를 스스로 파악합니다. 즉, 우리가 입력하는 질문은 기계 내부에서 복잡한 숫자들의 연산으로 치환되며, 이를 바탕으로 가장 적절한 답변 토큰을 하나씩 생성해 내는 것입니다. 인공지능의 구조는 인간 뇌의 뉴런과 시냅스 연결망에서 영감을 얻은 '인공신경망'을 기반으로 합니다. 뇌 속의 학습이 시냅스 연결 강도의 변화로 나타나듯, 인공지능 역시 '매개변수'라고 불리는 숫자 값들을 조정하며 학습합니다. GPT-2가 15억 개의 매개변수를 가졌던 것에 비해, 최신 모델인 GPT-4는 무려 1조 7,600억 개의 매개변수를 보유하고 있습니다. 이처럼 방대한 규모의 연산 능력을 갖추었기에 이를 '거대 언어 모델(LLM)'이라 부르며, 챗GPT나 제미나이 같은 고성능 AI들이 탄생할 수 있었습니다. GPT는 생성형(Generative), 사전 학습된(Pre-trained), 트랜스포머(Transformer)의 약자로, 여기서 핵심은 트랜스포머라는 신경망 구조입니다. 2017년에 발표된 이 기술은 문장 내의 모든 토큰 사이의 연관성을 계산하는 '어텐션(Attention)' 메커니즘을 사용합니다. 이전의 기술들을 압도하는 성능을 지닌 이 방식은 문맥의 흐름을 정확히 파악하여 긴 문장도 막힘없이 생성할 수 있게 해주었습니다. 이러한 기술적 진보 덕분에 인공지능은 단순한 도구를 넘어 인간의 언어적 파트너로서 우리 일상 속에 깊숙이 자리 잡게 되었습니다.

AI의 기억과 생각은 어디까지?🧐  l 2026 미래 과학 트렌드 북콘서트
국립과천과학관과학강연👨‍🏫
  • 뇌인지과학
  • 수학
  • 융합

오픈소스 및 데이터를 활용한설명가능한 의사결정 지원 인공지능 기술 연구

한국전자통신연구원(ETRI)은 지난 10년간 진행된 '엑소브레인' 과제의 성과를 바탕으로, 언어 지능 기술의 패러다임 변화에 맞춘 새로운 연구를 이어가고 있습니다. 과거에는 텍스트를 이해하는 인코더 중심의 모델이 주를 이루었으나, 챗GPT의 등장 이후 생성형 인공지능 모델의 중요성이 급격히 커졌습니다. 이에 따라 연구 방향도 대기업 중심의 거대 모델 개발보다는 오픈소스와 오픈 모델을 효과적으로 활용하여 특정 도메인에 최적화된 성능을 내는 방향으로 진화하고 있으며, 허깅페이스와 같은 생태계를 통해 연구 환경이 빠르게 변화하고 있습니다. 이번 과제의 핵심은 법률, 금융과 같은 전문 분야에서 종사자들의 의사결정을 돕는 '설명 가능한 인공지능'을 개발하는 것입니다. 기존의 인공지능이 단순히 질문에 대한 정답 단락을 찾아주는 방식이었다면, 이제는 생성형 인공지능 모델을 활용해 전문가들에게 필요한 정보를 논리적인 설명 형태로 제공하는 것을 목표로 합니다. 특히 인공지능의 내부 동작 과정을 알기 어려운 '블랙박스' 문제를 해결하기 위해, 도출된 결과에 대한 명확한 근거와 신뢰도 높은 자연어 설명을 덧붙임으로써 실무 현장에서의 활용성을 높이고자 합니다. 현재 챗GPT와 같은 초거대 언어 모델(LLM)은 범용 인공지능(AGI)을 향한 첫걸음으로 평가받지만, 여전히 할루시네이션(환각)이라 불리는 거짓 정보 생성 문제에서 자유롭지 못합니다. 이를 해결하기 위해 모델이 가진 내부 지식에만 의존하지 않고, 외부의 신뢰할 수 있는 문서를 먼저 검색한 뒤 그 내용을 바탕으로 답변을 생성하는 '검색 증강 생성(RAG)' 기술이 주목받고 있습니다. ETRI는 이러한 RAG 기술을 바탕으로 문장 단위의 사실성 검증 기능을 강화하여, 인공지능이 생성한 답변이 실제 사실과 부합하는지 판단하는 기술적 장치를 마련하고 있습니다. 전문 지식 서비스의 품질을 높이기 위해서는 영어 중심의 오픈 모델을 한국어와 특정 도메인에 맞게 최적화하는 과정이 필수적입니다. 이를 위해 한국어 사전을 확장하고 인스트럭션 튜닝을 거쳐 라마(Llama)나 미스트랄(Mistral) 같은 모델이 한국어 맥락을 정확히 이해하도록 재학습시킵니다. 특히 법률 판례 분석에서는 사례 간의 유사점과 차이점을 추론하고 어려운 법률 용어를 해석해 주는 기능을 구현하고 있습니다. 이러한 기술은 법률뿐만 아니라 금융 상담 분야에서도 데이터 기반의 협업을 통해 상담 평가 및 지식 제공 서비스로 확장되고 있습니다. 결론적으로 현대의 언어 지능 연구는 인프라부터 모델, 데이터에 이르기까지 오픈소스 생태계와의 긴밀한 연계 없이는 불가능한 구조가 되었습니다. 파이토치나 파이썬 같은 개발 환경은 물론이고, AI 허브의 공공 데이터와 공개된 언어 모델들을 기초 자산으로 삼아 그 위에 특화된 서비스 기술을 얹는 전략이 중요합니다. ETRI는 축적된 검색 기술과 사실성 검증 노하우를 기술 이전을 통해 산업계에 확산시킴으로써, 중소기업들이 고가의 장비나 방대한 데이터 없이도 고품질의 인공지능 서비스를 개발할 수 있도록 지원하는 가교 역할을 수행하고 있습니다.

오픈소스 및 데이터를 활용한설명가능한 의사결정 지원 인공지능 기술 연구
한국전자통신연구원오픈소스 테크데이
  • 뇌인지과학
  • 융합
  • 공학·기술

지속 가능한 성장을 위한 오픈소스 커뮤니티의 역할

오픈소스 커뮤니티는 개인의 지속 가능한 성장을 돕는 강력한 원동력이 됩니다. 많은 이들이 당장 업무에 필요한 지식을 습득하는 데 급급하지만, 장기적인 성장을 위해서는 미래를 위한 투자가 필수적입니다. 처음에는 코딩이 낯선 초보자로 시작할지라도, 자신의 전공 지식과 새로운 기술을 접목하려는 시도는 예상치 못한 기회를 창출합니다. 작은 스터디에서 시작해 참여자가 늘어나고 관심사가 확장되는 과정은 지식의 공유가 개인의 발전을 넘어 생태계 전반의 확장으로 이어질 수 있음을 보여주는 좋은 사례가 됩니다. 지식 공유의 핵심은 체계적인 기록과 지속적인 배포에 있습니다. 기록은 망각을 이기는 힘이기에, 스터디의 모든 과정을 깃허브나 구글 드라이브와 같은 플랫폼에 남기는 습관은 매우 중요합니다. 이러한 기록은 당장 참여하지 못한 이들에게 유익한 정보를 제공할 뿐만 아니라, 시간이 흘러 커뮤니티의 소중한 자산이자 역사가 됩니다. 또한, 공식적인 모임 이후의 소통은 단순한 친목 도모를 넘어 현업의 고민을 나누고 새로운 협업의 기회를 찾는 창구가 되며, 10년 이상의 시간을 함께하는 든든한 동료 관계를 만들어냅니다. 커뮤니티 활동의 연차가 쌓이면 단순한 학습자를 넘어 사회적 책임을 다하는 기여자의 역할을 수행하게 됩니다. 수백 명 규모의 컨퍼런스를 운영하거나, 신규 진입자와 숙련자가 대등하게 소통할 수 있는 발표의 장을 마련하는 것이 대표적입니다. 특히 융합적인 분야에 관심을 두며 기술 문서 작성이나 번역 작업에 참여하는 것은 커뮤니티의 지식 내실을 다지는 데 큰 도움이 됩니다. 외국 서적을 함께 번역하여 출간하거나 북토크를 여는 활동은 전문 지식의 전파 효율을 높이며, 개인의 전문성을 공고히 하는 동시에 후발 주자들의 시행착오를 줄여줍니다. 오픈소스 정신은 학술적 연구와 데이터 구축 분야에서도 큰 성과를 냅니다. 여러 기업과 학교가 협력하여 벤치마크 데이터를 공개하고 공동 논문을 작성하는 과정은 구성원들에게 강한 소속감과 성취감을 안겨줍니다. 최근에는 데이터의 구축을 넘어, 이미 공개된 데이터의 활용 가치를 높이는 데이터 큐레이션 활동이 주목받고 있습니다. 한국어 코퍼스를 체계적으로 관리하고 누구나 쉽게 접근할 수 있도록 목록화하는 작업은 매우 중요합니다. 이는 한국어 AI 모델 개발을 희망하는 연구자들이 겪는 데이터 확보의 어려움을 해결하고 생태계 발전을 견인하는 토대가 됩니다. 커뮤니티 진입을 망설이는 이들에게는 이미 활발하게 운영되고 있는 다양한 모임에 참여해 볼 것을 권장합니다. 성별과 나이에 관계없이 참여할 수 있는 연구소부터 기술적 심도가 깊은 AI 커뮤니티, 그리고 프로그래밍 사용자 모임까지 선택지는 매우 다양합니다. 이러한 커뮤니티들은 상시 발표자를 모집하거나 스태프 활동을 통해 참여의 기회를 넓게 열어두고 있습니다. 단기적인 성과에 집착하기보다 공동체 안에서 함께 성장하는 기쁨을 누리는 데 집중해 보시기 바랍니다. 오픈소스 커뮤니티는 단순한 학습의 장을 넘어 삶의 질을 높이고 지속 성장을 보장하는 동반자가 될 것입니다.

지속 가능한 성장을 위한 오픈소스 커뮤니티의 역할
한국전자통신연구원오픈소스 테크데이
  • 융합
  • 공학·기술

[KIMM TV] 사람 말귀 알아듣고, 스스로 척척, 제조업 작업에도 인공지능 로봇 활약! #ai로봇 #인공지능 #로봇 #세계최초 #기계연김창현

기존의 로봇 기술은 정해진 작업을 수행하는 데에는 매우 능숙하지만, 작업 환경이나 대상이 바뀌면 새로운 설정을 입력해야 하는 어려움이 있었습니다. 한국기계연구원 인공지능(AI)기계연구실에서는 이러한 한계를 극복하고자 로봇이 제조 현장의 변화에 유연하게 적응할 수 있는 기술을 연구해 왔습니다. 명령을 이해하고 작업 계획을 세우며 실제 이동과 작업을 수행하는 모든 과정을 통합하여, 로봇을 보다 손쉽게 현장에 적용할 수 있도록 만드는 것이 이 연구의 시작점이었습니다. 이를 통해 복잡한 제조 환경에서도 효율적인 작업 수행이 가능해졌습니다. 연구팀은 작업자의 명령을 이해하고 작업을 수행하는 순서를 스스로 생성하여 실제 실행까지 한 번에 처리하는 자동화 기술을 개발했습니다. 기존에도 이와 유사한 연구들이 실험실 수준에서 시도된 적은 있었지만, 실제 제조 공정에 이를 적용하여 성공적으로 테스트를 진행한 것은 이번이 처음입니다. 현재 이 지능형 로봇은 전기차 부품을 생산하는 실제 제조 라인에 투입되어 사람을 대신해 작업을 수행하고 있습니다. 연구진은 향후 이 기술을 더욱 고도화하여 다른 다양한 제조 공정으로 범위를 확대해 나갈 원대한 계획을 세우고 있습니다. 제조 현장에서 로봇이 원활하게 동작하기 위해서는 빠르고 정확한 움직임이 필수적입니다. 하지만 현재의 기술 수준에서 단일 인공지능(AI) 모델만으로 이러한 정밀도와 속도를 동시에 만족시키기에는 무리가 있습니다. 이를 해결하기 위해 연구팀은 작업, 주행, 인식 등 각각의 기능별로 특화된 인공지능(AI)을 활용하는 방식을 채택했습니다. 분야별로 최적화된 인공지능(AI) 기술들을 유기적으로 구성함으로써, 현장의 요구 조건을 모두 충족하는 동시에 사용자가 훨씬 더 간편하게 시스템을 조작할 수 있는 환경을 구축하는 데 성공했습니다. 이 시스템의 핵심은 거대언어모델(LLM)을 활용하여 사용자의 자연어 명령을 로봇용 함수로 변환하는 데 있습니다. 변환된 함수는 가상 환경에서 사전에 최적의 동작 경로를 시뮬레이션한 뒤, 실제 환경에서 인식 및 주행 인공지능(AI)과 상호작용하며 작업을 완수합니다. 특히 로봇 '세이'는 연구소 정보와 같은 기본 데이터와 일반 상식을 결합하여 사람과 자연스러운 대화를 나눌 수 있는 지능을 보여줍니다. 따로 답변을 프로그래밍하지 않아도 로봇 스스로 정보를 바탕으로 응답을 생성하는 능력은 인공지능(AI) 기술이 로봇과 얼마나 밀접하게 통합되었는지를 잘 보여줍니다. 본 연구의 핵심 가치는 전문가가 아니더라도 누구나 로봇을 손쉽게 활용할 수 있다는 점에 있습니다. 작업자가 일일이 복잡한 프로그래밍 과정을 거치지 않고 대화하듯 명령을 내리면, 로봇이 스스로 작업 방식을 추론하여 실행하기 때문입니다. 이러한 변화는 제조 전반의 생산성을 획기적으로 향상시킬 뿐만 아니라, 위험하고 열악한 업무 환경을 개선하여 근로자의 안전을 보장하는 데에도 큰 도움을 줄 것입니다. 인공지능(AI) 기술로 무장한 로봇은 이제 사람의 삶을 더 좋게 만드는 든든한 조력자로서 우리 곁에 더 가까이 다가오고 있습니다.

[KIMM TV] 사람 말귀 알아듣고, 스스로 척척, 제조업 작업에도 인공지능 로봇 활약! #ai로봇 #인공지능 #로봇 #세계최초 #기계연김창현
한국기계연구원[KIMM TV]
  • 융합
  • 공학·기술

[EOST2023] 오픈소스 LLM : 개인이 LLM을 소유하는 시대

오픈소스 LLM 시장은 지난 1년 사이 폭발적인 성장을 거듭해 왔습니다. 수많은 연구자와 개발자들이 각자의 모델을 공개하며 성능을 뽐내고 있지만, 정작 실제 비즈니스 시스템에 성공적으로 적용된 사례는 그리 많지 않은 실정입니다. 겉으로 보기에는 수천 개의 모델이 경쟁하며 생태계가 활성화된 것처럼 보임에도 불구하고, 대다수의 사용자는 여전히 ChatGPT나 바드와 같은 폐쇄형 모델에 의존하고 있습니다. 이는 오픈소스 LLM이 가진 기술적 잠재력과 실제 현업에서의 실용성 사이에 큰 괴리가 존재함을 시사합니다. 이러한 격차를 줄이고 오픈소스 LLM을 실질적으로 활성화하기 위해서는 단순한 성능 경쟁을 넘어 시스템 도입을 용이하게 하는 구체적인 전략이 필요합니다. 현재 오픈소스 LLM의 성능을 가늠하는 주된 지표는 허깅페이스의 'Open LLM 리더보드'와 같은 벤치마크 점수입니다. 하지만 이러한 학술적인 지표들이 실제 사용자가 느끼는 만족도와 항상 일치하지는 않습니다. 텍스트 생성은 정답이 하나로 정해진 것이 아님에도 불구하고, 현재의 평가 방식은 정해진 답안과의 유사성만을 따지는 경우가 많아 전반적인 답변의 질을 측정하기엔 한계가 있습니다. 특히 최근에는 모델의 성능을 높이기 위해 GPT-4가 생성한 데이터를 학습에 활용하는 사례가 늘어나면서 데이터 오염 문제가 심각해지고 있습니다. 이는 특정 벤치마크 점수만 기형적으로 높을 뿐, 실제 대화 상황에서는 기대 이하의 성능을 보이는 모델들이 양산되는 원인이 되기도 합니다. 모델을 실제로 사용해보려 할 때 마주하는 가장 큰 장벽 중 하나는 하드웨어 장벽입니다. 7B급의 작은 모델은 일반적인 환경에서도 구동이 가능하지만, 높은 지능을 기대할 수 있는 70B급 모델은 일반 개인이 감당하기 힘든 고가의 하드웨어 장비를 요구합니다. 또한 모델을 성공적으로 로드하더라도 온도 설정이나 스톱 토큰과 같은 생성 파라미터를 최적화하는 과정은 비전문가에게 매우 까다로운 작업입니다. 모델 제작자가 명확한 가이드라인을 제공하지 않는 경우가 많아, 사용자는 시행착오를 반복하며 최적의 값을 직접 찾아내야만 합니다. 이러한 기술적 복잡성과 하드웨어 인프라의 부재는 오픈소스 LLM이 대중적으로 확산되는 데 결정적인 걸림돌로 작용하고 있습니다. 이러한 문제를 해결하기 위해 등장한 'LMS-Bot' 프로젝트는 누구나 쉽게 LLM을 배포하고 체험할 수 있는 환경을 제공하는 데 주력하고 있습니다. 이 프로젝트는 단순한 코드 공유를 넘어, 개발자들이 자주 사용하는 디스코드와 같은 플랫폼을 통해 모델과 직접 대화할 수 있는 인터페이스를 구축했습니다. 특히 시스템의 가용 자원을 자동으로 파악하여 8비트나 4비트 양자화 모델 중 구동 가능한 최적의 설정을 제안해 줌으로써 기술적 진입 장벽을 대폭 낮췄습니다. 모델별로 최적화된 설정을 YAML 형식으로 미리 정의해 두었기 때문에, 사용자는 복잡한 파라미터 조정 없이도 모델의 실제 성능을 즉각적으로 확인할 수 있습니다. 이는 환경 설정의 어려움을 해결하는 핵심 열쇠가 됩니다. 앞으로의 오픈소스 LLM 생태계는 클라우드 기반의 유연한 자원 활용과 서빙 프레임워크의 최적화 방향으로 발전해 나갈 것입니다. TGI나 vLLM과 같은 고성능 서빙 도구를 활용하여 개별 사용자가 필요한 순간에만 GPU 자원을 할당받아 모델을 구동하는 방식은 하드웨어 비용 부담을 획기적으로 줄여줄 수 있습니다. 더 나아가 단순한 텍스트 대화를 넘어 웹 검색 결과나 외부 도구를 결합하여 답변의 신뢰도를 높이는 시도들도 계속되고 있습니다. 최근에는 LLM을 활용해 캐릭터를 설정하고 배경음악과 이미지가 포함된 완성도 높은 이야기를 창작하는 등 창의적인 영역으로의 확장성도 확인되고 있습니다. 오픈소스 LLM이 가진 자유로움이 기술적 편리함과 결합될 때 비로소 진정한 AI 민주화가 실현될 것입니다.

[EOST2023] 오픈소스 LLM : 개인이 LLM을 소유하는 시대
한국전자통신연구원오픈소스 테크데이
  • 융합
  • 공학·기술

지금은 AI 시대! 과학기술 특화 언어모델 등장

최근 인공지능 기술이 급격히 발전하면서 챗GPT와 같은 거대 언어 모델이 큰 화제가 되고 있습니다. 하지만 일반적인 범용 언어 모델은 과학기술과 같은 전문 분야의 지식을 정교하게 다루기에는 한계가 있습니다. 이에 한국과학기술정보연구원(KISTI)은 방대한 과학기술 데이터셋을 기반으로 전문 영역에 특화된 언어 모델을 개발하고 있습니다. 과학기술 문서의 복잡한 구조와 전문 용어를 정확하게 처리하기 위해서는 학술적인 맥락을 깊이 있게 이해하는 별도의 엔진이 필요하기 때문입니다. 이러한 배경 속에서 탄생한 것이 바로 과학에 강한 딥러닝 모델인 사이데버타(SciDeBERTa)입니다. 사이데버타(SciDeBERTa)는 복잡한 과학기술 논문에서 핵심 정보를 자동으로 추출하는 데 탁월한 성능을 보입니다. 연구의 주제나 방법론, 사용된 데이터와 평가 지표 등 논문의 핵심 개체들을 스스로 찾아내며, 각 개체들 간의 상관관계까지 파악합니다. 예를 들어 특정 기술 용어 사이의 포함 관계나 특정 데이터가 어떤 연구 주제에 활용되었는지에 대한 사용 관계를 정교하게 분석해냅니다. 이러한 기능은 단순히 문장을 읽는 수준을 넘어 과학적 논리를 구조화하는 과정이라 할 수 있습니다. 현재는 영문 논문 중심이나, 곧 한글 논문을 지원하는 코사이데버타(KoSciDeBERTa)도 완성될 예정입니다. 이번 연구 성과의 가장 놀라운 점은 사이데버타(SciDeBERTa)가 과학기술 개체명 인식(NER) 분야에서 전 세계 1위를 달성했다는 사실입니다. 한국과학기술정보연구원(KISTI)은 미국의 앨런 연구소와 협력하여 방대한 영문 과학기술 논문 데이터셋을 확보하였고, 국가슈퍼컴퓨팅센터의 강력한 GPU 자원과 병렬화 기술을 투입하여 모델을 완성했습니다. 그 결과 세계 공인 지표인 '페이퍼스 위드 코드(Papers with Code)'에서 최첨단 성능을 의미하는 소타(SOTA) 모델로 당당히 이름을 올렸습니다. 이는 대한민국의 과학기술 인공지능 역량이 세계 최고 수준에 도달했음을 입증하는 상징적인 지표이며, 글로벌 기술 주도권 확보의 초석이 되었습니다. 인공지능 모델이 제공하는 실제적인 이점은 연구 현장에서 가장 빛을 발합니다. 현대 과학은 매일 수많은 논문과 보고서가 쏟아져 나오는 정보 과잉의 시대를 맞이하고 있습니다. 연구자들은 자신의 주제와 관련된 최신 동향을 파악하는 데 막대한 시간을 소모하지만, 늘 시간이 부족한 상황입니다. 이때 이해형 언어 모델인 사이데버타(SciDeBERTa)를 활용하면 수많은 문헌을 대신 분석하고 요약하여 연구자들에게 핵심 정보만을 제공할 수 있습니다. 결과적으로 연구 생산성을 비약적으로 높여주며, 연구자들이 보다 창의적인 탐구에만 집중할 수 있는 환경을 조성해 주는 역할을 수행합니다. 앞으로의 계획은 더욱 원대합니다. 한국과학기술정보연구원(KISTI) 연구팀은 모델의 크기를 대형화하는 것은 물론, 데이터를 더욱 정교하게 가공하여 모델을 똑똑하게 만드는 데 주력하고 있습니다. 특히 학습 과정에서 단순히 빈칸을 맞추는 방식을 넘어 더욱 효율적이고 영리한 문제 해결 능력을 갖추도록 딥러닝의 내부 구조를 혁신하는 연구를 병행하고 있습니다. 이러한 독자적인 기술력과 슈퍼컴퓨터 자원을 결합하여 대한민국만의 거대 언어 모델을 완성해 나갈 것입니다. 이는 단순한 기술 개발을 넘어 인공지능 시대에 국가적 기술 자립과 주도권을 지키는 중요한 사명이 될 것입니다.

지금은 AI 시대! 과학기술 특화 언어모델 등장
한국과학기술정보연구원세계가 인정함! ✅우수 연구성과✅ 인터뷰
  • 융합
  • 공학·기술

비디오 데이터를 더 스마트하게 활용하는 방법 [문장 기반 AI 비디오 구간 검색] [2022 ETRI Technology Report ②]

문장 기반 비디오 구간 검색 기술은 시각 지능 연구의 핵심적인 과제입니다. 이 기술은 사용자가 입력한 문장에서 언어적 특징을 추출하고, 비디오 데이터에서는 시각적 특징을 분석한 뒤 두 정보 사이의 복잡한 연관성을 파악하는 방식으로 작동합니다. 단순히 영상 전체의 주제를 분류하던 과거의 방식을 넘어, 인공지능이 영상의 시간적 흐름을 깊이 있게 이해하고 사용자의 요구에 가장 부합하는 시작 및 종료 시점을 스스로 산출하도록 학습되었습니다. 이러한 고도의 상호작용 이해 능력은 영상과 언어라는 서로 다른 형태의 데이터를 통합적으로 처리함으로써 가능해진 결과입니다. 이러한 기술적 진보는 일상 속 영상 관리와 소비의 패러다임을 혁신적으로 바꿀 잠재력을 지니고 있습니다. 스마트폰에 저장된 수많은 개인 비디오의 경우, 이전에는 촬영 당시의 기억에만 의존해 일일이 화면을 넘기며 원하는 장면을 찾아야 했지만 이제는 자유로운 문장 입력만으로 해당 순간을 즉시 호출할 수 있습니다. 또한 SNS나 OTT 플랫폼에서도 방대한 분량의 영상 중 필요한 부분만을 선별적으로 시청할 수 있게 돕습니다. 내용 자체를 직접적인 검색 대상으로 삼기 때문에 사용자는 수많은 영상 속에서 자신이 원하는 핵심 정보를 이전보다 훨씬 빠르고 효율적으로 습득할 수 있게 됩니다. 현재는 연구의 성숙도를 높이고 검색의 정확도와 안정성을 확보하기 위한 고도화 작업이 꾸준히 진행되고 있습니다. 특히 영문 기반의 데이터셋을 한국어로 확장 구축하여 국내 사용자들에게 최적화된 검색 환경을 제공하는 것이 당면한 주요 과제 중 하나입니다. 나아가 비디오의 내용을 문장으로 자동 요약하는 비디오 캡셔닝 기술 등 다양한 의미 이해 기술들을 결합하여, 인공지능이 인간처럼 영상의 맥락을 완벽하게 파악하도록 하는 것이 최종적인 목표입니다. 영상이 정보 습득의 중심이 된 시대에 이러한 기술은 사용자가 방대한 시각 정보를 더욱 지능적으로 활용할 수 있게 하는 강력한 도구가 될 것입니다.

비디오 데이터를 더 스마트하게 활용하는 방법 [문장 기반 AI 비디오 구간 검색] [2022 ETRI Technology Report ②]
한국전자통신연구원ETRI 테크놀로지 리포트
  • 융합
  • 공학·기술

ETRI Conference 2022 인공지능연구소 02. 엑소브레인

엑소브레인은 인간의 언어 이해 방식을 모사하여 텍스트에 담긴 의미를 심층적으로 분석하는 한국어 인공지능 기술입니다. 이 기술은 어휘, 문장, 문장 간 관계를 아우르는 이해의 폭과 심벌, 구문, 의미 레벨을 관통하는 이해의 깊이를 두 축으로 삼아 구성되었습니다. 특히 형태소 분석부터 의존 구문 분석, 의미역 인식에 이르기까지 정교한 세부 기술들이 유기적으로 결합되어 한국어의 복잡한 문법과 의미 구조를 정확하게 파악합니다. 이러한 기술적 토대는 인공지능이 인간처럼 자연스럽게 정보를 처리하고 대화할 수 있게 만드는 핵심적인 밑거름이 됩니다. 한국어 분석 과정은 문장 분리에서 시작하여 형태소 분석과 개체명 인식을 거치며 점진적으로 고도화됩니다. 엔터티 정규화 기술은 문서 내의 서로 다른 명칭들이 동일한 대상을 지칭함을 인식하여 정보의 일관성을 확보해 줍니다. 또한 동음이의어 분석을 통해 다각적인 의미를 지닌 단어 중 문맥에 맞는 정확한 뜻을 추출하고, 문장을 트리 구조로 변환하는 의존 구문 분석을 통해 단어 간의 연관 관계를 규명합니다. 이러한 체계적인 분석 흐름은 엑소브레인이 한국어 언어 분석 분야의 국가 표준 기술로 자리매김하는 강력한 원동력이 되었습니다. 본격적인 발전을 거듭한 KoBERT 모델은 대규모 비정형 데이터를 사전에 학습하는 범용적 언어 모델로, 특정 작업에 국한되지 않고 다양한 자연어 처리 분야에 적용될 수 있는 2세대 AI 기술의 정수입니다. 약 15년 치 뉴스 데이터와 수십억 개의 형태소를 학습한 이 모델은 한국어의 특성을 완벽히 반영하며, 글로벌 기업의 모델보다도 뛰어난 정확도를 입증했습니다. 특히 형태소 단위의 세밀한 학습을 통해 문장 분류나 기계 독해 등 실무적인 응용 분야에서 기존 모델 대비 획기적인 성능 향상을 이끌어내며 학계와 산업계의 큰 주목을 받고 있습니다. 기계 독해 기술은 질문에 대한 답을 방대한 단락 내에서 스스로 찾아내는 고도의 인공지능 역량을 요구합니다. 엑소브레인은 단순한 단답형 답변을 넘어 서술형 답변까지 가능한 수준으로 진화했으며, 학습하지 않은 도메인에서도 일정한 성능을 유지하는 일반화 능력을 갖추었습니다. 이와 더불어 두 문장의 의미적 유사도를 판별하는 기술은 정보 검색의 정확도를 극대화합니다. 사용자가 입력한 자연어 질문의 의도를 정확히 파악하고, 수많은 문서 중에서 가장 적합한 정보를 추출하여 제시하는 과정은 현대 검색 엔진이 지향하는 심층 질의응답의 핵심 요소입니다. 엑소브레인의 심층 질의응답 기술은 현재 법령 정보 서비스와 같은 전문적인 영역에서 실질적인 성과를 거두고 있습니다. 특히 국회도서관의 입법 지원 서비스에 도입되어 복잡한 법률 문서 속에서 정확한 답을 찾아냄으로써 업무 효율성을 획기적으로 개선하고 있습니다. 또한 기계 독해의 한계를 보완하기 위해 FAQ 기술을 하이브리드 방식으로 적용함으로써, 사회적으로 민감한 이슈나 고정된 정답이 필요한 경우에도 신뢰할 수 있는 정보를 제공합니다. 이처럼 엑소브레인은 단순한 연구 단계를 넘어 우리 사회의 지식 인프라를 지탱하는 실용적인 인공지능으로 발전하고 있습니다.

ETRI Conference 2022 인공지능연구소 02. 엑소브레인
한국전자통신연구원ETRI 컨퍼런스
  • 뇌인지과학
  • 공학·기술

[2021 ETRI Technology Report(ENG) ①] A challenge of an AI to commune with a human

인공지능이 인간처럼 사고하고 소통하기 위해서는 언어를 이해하는 능력이 필수적입니다. ETRI의 ‘엑소브레인’ 프로젝트는 한국어를 깊이 있게 이해하고 지식을 학습하여, 사용자가 던지는 질문에 대해 명확한 정답과 신뢰할 수 있는 근거를 제시하는 것을 목표로 합니다. 이 기술은 크게 두 가지 축으로 나뉘는데, 하나는 데이터 학습을 기반으로 하는 딥러닝 언어 모델이고, 다른 하나는 인간의 언어 이해 방식을 모사하여 문장 구조와 의미의 최소 단위를 분석하는 심볼릭 언어 분석 기술입니다. 심볼릭 언어 분석 기술은 형태소 분석부터 개체명 인식, 의존 구문 분석까지 아우르며 문장을 정밀하게 해체하고 재구성합니다. 이는 2013년부터 시작된 국가 차원의 장기 프로젝트로서, 컴퓨터가 단순한 데이터 처리를 넘어 인간과 지능적으로 상호작용할 수 있는 토대를 마련했습니다. 특히 최근 주목받는 GPT나 BERT 같은 거대 언어 모델과의 결합을 통해, 엑소브레인은 복잡한 언어 현상을 체계적으로 파악하는 동시에 방대한 지식 정보를 효율적으로 처리하며 기술적 완성도를 높여가고 있습니다. 향후 엑소브레인은 단순한 정보 전달을 넘어 인간의 복잡한 의사결정을 돕는 동반자로 진화할 전망입니다. 법률이나 세무 상담과 같은 전문적인 지능형 서비스는 물론, AI가 내린 판단의 근거를 사용자가 이해하기 쉽게 설명해 주는 기술이 핵심 연구 과제로 떠오르고 있습니다. 비록 인공지능 기술이 겉으로 직접 드러나지는 않더라도, 서비스 내부에 깊숙이 스며들어 우리 삶의 질을 높이는 지능형 조력자 역할을 수행하게 될 것이며 이는 미래 사회의 핵심 인프라가 될 것입니다.

[2021 ETRI Technology Report(ENG) ①] A challenge of an AI to commune with a human
한국전자통신연구원ETRI 테크놀로지 리포트
  • 뇌인지과학
  • 융합
  • 공학·기술

설명가능한 의료인공지능과 질병고위험군 조기예측을 위한 도전|보건의료빅데이터실험실ㅣ변해원교수(인제대학교) [연구현장속으로/토요과학강연]

현대 의학에서 치매 고위험군을 조기에 예측하는 것은 매우 중요한 과제입니다. 기존에는 주로 MRI나 CT와 같은 영상 자료를 활용해 치매를 진단하려는 시도가 많았지만, 사실 치매는 아주 경미한 단계에서부터 행동 패턴, 인지 능력, 기억력과 같은 신경 심리학적 지표에서 변화가 나타나기 시작합니다. 보건의료 빅데이터 연구팀은 이러한 지표와 개인의 구체적인 행동 데이터를 수집하여, 인공지능(AI) 및 머신러닝 기술을 기반으로 치매 고위험군을 더욱 명확하게 판별하는 연구를 수행하고 있습니다. 보건의료 빅데이터의 활용은 단순히 수치화된 기록에 머무르지 않고, 우리 일상의 다양한 정보 분석으로 확장되고 있습니다. 질병뿐만 아니라 개인의 전반적인 건강 상태와 사회적 기능을 종합적으로 파악하기 위해 국제적인 분류 체계를 연구에 도입하고 있습니다. 이러한 다각적인 데이터 융합은 현대 사회의 복합적인 보건 문제를 해결하고 개인 맞춤형 헬스케어 서비스를 실현하는 데 매우 중요한 역할을 수행하게 될 것입니다. 인공지능(AI) 기술이 고도화됨에 따라 단순한 결과 도출을 넘어 그 과정이 왜 그렇게 나타났는지를 설명하는 '설명 가능한 인공지능(XAI)'의 중요성이 커지고 있습니다. 머신러닝 모델이 예측한 결과가 의료 현장에서 신뢰를 얻기 위해서는 그 판단 근거를 인간이 이해할 수 있는 방식으로 제시해야 하기 때문입니다. 이러한 기술 도입 과정에는 여러 도전과 쟁점이 존재하지만, 이를 통해 인공지능(AI)은 의료 서비스의 투명성을 높이고 전문가와 환자 사이의 신뢰를 구축하는 도구로 자리매김할 것입니다.

설명가능한 의료인공지능과 질병고위험군 조기예측을 위한 도전|보건의료빅데이터실험실ㅣ변해원교수(인제대학교) [연구현장속으로/토요과학강연]
서울시립과학관[과학강연] 2022 토요과학강연
  • 뇌인지과학
  • 융합

EOST2021 Phrase Retrieval Learns Passage Retireval, Too

오픈 도메인 질의응답(Open-domain QA)은 위키피디아와 같은 거대한 지식 베이스에서 질문에 대한 정답을 찾아내는 기술입니다. 기존의 방식은 문서를 먼저 찾고 이를 다시 읽어 정답을 추출하는 리트리버-리더(Retriever-Reader) 구조를 주로 사용해 왔습니다. 그러나 이 방식은 질문이 바뀔 때마다 많은 문서를 다시 읽어야 하므로 연산 속도가 느리다는 단점이 있습니다. 이를 해결하기 위해 등장한 구 단위 검색(Phrase Retrieval) 기술은 문서 내의 연속적인 단어 집합인 구를 미리 벡터화하여 저장함으로써, 별도의 읽기 과정 없이 즉시 정답을 찾아내는 비약적인 속도 향상을 이루어냈습니다. 구 단위 검색(Phrase Retrieval) 기술의 핵심적인 매력은 하나의 인덱스를 활용해 다양한 단위의 검색이 가능하다는 점에 있습니다. 기존의 텍스트 검색 모델들은 문장이나 단락 등 특정 단위에 맞춰 개별적인 인덱스를 구축해야 했습니다. 반면, 구 단위 검색(Phrase Retrieval) 시스템은 질문의 의도에 따라 정답이 되는 특정 구를 직접 찾을 수도 있고, 해당 구가 포함된 문장이나 단락, 심지어 전체 문서까지 유연하게 불러올 수 있습니다. 이는 구 단위 검색(Phrase Retrieval)이 문장이나 단락 단위 검색(Passage Retrieval)보다 더 미세한 정보를 담고 있기 때문입니다. 결과적으로 구 단위 검색(Phrase Retrieval) 인덱스 하나만으로 정밀한 정답 추출부터 포괄적인 문맥 파악까지 아우르는 다목적 검색 시스템을 구현할 수 있습니다. 구 단위 검색(Phrase Retrieval) 모델인 DensePhrases는 기존의 대표적인 단락 단위 검색(Passage Retrieval) 모델인 DPR과 비교했을 때 흥미로운 성능 차이를 보입니다. 실험 결과에 따르면, DensePhrases는 특히 소수의 단락만을 검색할 때 DPR보다 훨씬 뛰어난 정확도를 나타냈습니다. 이는 검색 단위를 구로 설정하여 학습한 모델이 단락 단위의 검색에서도 충분히 경쟁력이 있음을 시사합니다. 또한, 많은 단락을 입력으로 사용하는 생성 기반 모델인 FiD와 결합했을 때도 효율성이 돋보였습니다. DensePhrases를 활용하면 기존보다 훨씬 적은 수의 단락만으로도 높은 수준의 정답 생성 성능을 유지할 수 있어, 대규모 언어 모델의 연산 부담을 획기적으로 줄이는 데 기여합니다. 연구팀은 모델이 왜 뛰어난 성능을 보이는지 분석하기 위해 주제 구분(L_topic)과 정답 정렬(L_hard) 능력을 나누어 평가했습니다. 분석 결과, DensePhrases는 주제가 유사하지만 정답이 없는 까다로운 사례를 구별하는 'L_hard' 지표에서 압도적인 우위를 점했습니다. 이는 모델이 단락 내의 미세한 정보를 파악하도록 훈련되었기 때문에, 단순한 문맥 유사성을 넘어 정답과의 실제 정렬 상태를 더 예민하게 포착할 수 있음을 뜻합니다. 이러한 강점 덕분에 비록 주제가 조금 멀어 보이더라도 질문에 대한 직접적인 단서를 포함한 단락을 더 정확하게 찾아낼 수 있으며, 이는 전반적인 검색 품질의 향상으로 이어집니다. 방대한 양의 구 정보를 저장하기 위해서는 효율적인 인덱스 관리 기술이 필수적입니다. 수억 개에 달하는 구 표현 벡터는 수 테라바이트에 달하는 저장 공간을 차지할 수 있기 때문입니다. 이를 해결하기 위해 연구진은 중요도가 낮은 구를 걸러내는 필터링 기술(Phrase Filter)과 벡터 압축 기술인 양자화(PQ) 기법을 도입했습니다. 특히 양자화(PQ) 과정을 고려한 파인튜닝 방식을 통해 검색 정확도 손실을 최소화하면서도 인덱스 크기를 수십 기가바이트 수준으로 대폭 줄이는 데 성공했습니다. 결과적으로 DensePhrases는 기존 단락 단위 검색(Passage Retrieval) 모델보다 더 작은 저장 공간을 사용하면서도 더 높은 정확도를 제공하는, 경제성과 성능을 동시에 잡은 최적의 솔루션이 되었습니다.

EOST2021 Phrase Retrieval Learns Passage Retireval, Too
한국전자통신연구원오픈소스 테크데이
  • 융합
  • 공학·기술

[2021 ETRI Technology Report ①] 인간과 인공지능의 교감시대를 만들어가는 도전

엑소브레인은 한국어를 이해하는 인공지능 프로젝트로, 사람이 사용하는 언어를 분석하고 지식을 학습하여 질문에 대한 정답과 근거를 제시하는 기술을 연구합니다. 이 기술은 최근 주목받는 GPT-3와 같은 모델을 활용한 딥러닝 언어 처리 기술과 사람이 언어를 이해하는 방식을 모사하는 심볼릭 언어 처리 기술이 결합된 형태입니다. 심볼릭 방식은 형태소 분석, 개체명 인식, 의존 구문 분석 등 문장의 구조와 의미를 세밀하게 파악하며, 이를 통해 컴퓨터가 인간의 언어를 지능적으로 처리할 수 있게 돕습니다. 국가 차원의 장기 인공지능 프로젝트 필요성에 따라 2013년부터 엑소브레인 과제가 본격적으로 수행되었습니다. 이 기술은 장차 인공지능 법률 상담사나 인공지능 세무 상담사, 혹은 지능형 고객 센터 상담사와 같은 전문적인 영역에서 폭넓게 활용될 수 있는 잠재력을 지니고 있습니다. 고도화된 언어 처리 기술이 다양한 서비스 플랫폼에 안착하게 된다면, 복잡한 지식 기반의 상담 업무를 자동화하고 사용자에게 최적의 답변을 실시간으로 제공하는 혁신적인 서비스 환경이 우리 사회 전반에 구축될 것입니다. 앞으로 엑소브레인이 나아갈 방향은 단순한 정보 전달을 넘어 인간의 의사 결정 지원하는 지능형 시스템을 개발하는 것입니다. 사용자가 처한 상황을 분석하고 최선의 결정을 내릴 수 있도록 타당한 판단 근거와 추론 과정을 논리적으로 설명해 주는 기술에 집중하고 있습니다. 연구팀은 현재 개발된 성과를 대중에게 공개하여 다양한 산업 분야에서 활용되도록 돕고 있습니다. 비록 기술이 겉으로 직접 보이지 않더라도, 다양한 서비스 안에 자연스럽게 녹아들어 사용자에게 편의를 제공하는 것이 연구의 궁극적인 목표입니다.

[2021 ETRI Technology Report ①] 인간과 인공지능의 교감시대를 만들어가는 도전
한국전자통신연구원ETRI 테크놀로지 리포트
  • 뇌인지과학
  • 융합
  • 공학·기술

[2021] 02 엑소브레인 심층 QA 기술

엑소브레인은 인간의 언어 이해 방식을 모사하여 텍스트의 의미를 정밀하게 분석하는 인공지능 기술입니다. 이 기술은 크게 한국어 분석, 딥러닝 언어 모델, 그리고 기계 독해 기반의 심층 질의응답이라는 세 가지 축으로 구성됩니다. 특히 어휘와 문법을 파악하는 수준을 넘어 문장 간의 관계를 이해하고 생략된 정보를 복원하는 등 고차원적인 자연어 처리를 지향합니다. 이러한 기술적 토대는 단순히 데이터를 처리하는 수준을 지나 기계가 인간처럼 문맥을 파악하고 지식을 습득하는 핵심적인 역할을 수행하며 미래 인공지능 서비스의 기반이 되고 있습니다. 한국어 분석 기술은 어휘 레벨의 형태소 분석부터 문장 단위의 의존 구문 분석, 그리고 문맥적 의미를 파악하는 의미역 인식까지 체계적으로 이루어집니다. 특히 개체명 인식과 엔티티 정규화 과정은 텍스트 속 고유명사가 위키백과의 어떤 대상과 일치하는지를 정확히 판별하여 지식의 연결을 가능하게 합니다. 또한, 최근에는 뉴스 기사 같은 문어체뿐만 아니라 챗봇이나 AI 스피커에서 주로 쓰이는 구어체 분석 모델까지 개발되었습니다. 이는 기존 모델 대비 오류율을 약 40%가량 개선하여 일상 언어 영역에서도 높은 정확도를 보여주며 다양한 산업 분야에 활발히 도입되고 있습니다. 한국어 특성에 최적화된 범용 언어 모델인 KorBERT는 수십억 개의 형태소를 학습하여 독보적인 성능을 발휘합니다. KorBERT는 형태소 단위와 워드피스 단위 등 용도에 따라 세분화되어 제공되며, 기계 독해나 문장 유사도 분석 같은 응용 기술에서 글로벌 기업의 모델보다 우수한 수치를 입증했습니다. 이러한 기술력은 학계와 산업계에서 널리 인정받고 있으며, 수많은 논문에서 인용되거나 단기간에 수백 건의 기술 이전이 이루어지는 등 실질적인 성과를 거두고 있습니다. 이는 한국어 자연어 처리 기술이 세계적인 수준에 도달했음을 보여주는 지표라고 할 수 있습니다. 심층 질의응답 기술은 사용자의 질문에 대해 단순히 관련 문서를 찾아주는 것을 넘어, 방대한 본문 속에서 정확한 정답을 추출하여 제시합니다. 이 과정에는 시맨틱 검색과 딥러닝 기반의 재순위화 기술이 적용되어, 정답을 포함할 가능성이 높은 단락을 실시간으로 선별해냅니다. 특히 법률이나 기술 문서처럼 전문적인 도메인에서도 뛰어난 성능을 보이며, 복잡한 서술형 질문에 대해서도 정교한 답변을 생성할 수 있습니다. 이는 정보 검색의 효율성을 획기적으로 높여 사용자가 원하는 정보에 도달하는 시간을 단축하고, 기업이나 기관의 업무 생산성을 향상하는 데 결정적인 기여를 합니다. 질의응답 서비스의 신뢰성을 극대화하기 위해서는 정형화된 지식을 관리하는 FAQ 기술의 결합이 필수적입니다. 기계 독해 모델이 문맥상 발생할 수 있는 오답의 위험을 최소화하고, 하이브리드 문장 유사도 분석을 통해 검증된 정보를 제공함으로써 시스템의 안정성을 확보하기 때문입니다. 현재 엑소브레인 기술은 국회도서관의 입법 지원 서비스나 국가과학기술연구회의 법무 자문 등 공공 영역에서 실무적인 성과를 내고 있습니다. 고도화된 한국어 인공지능 기술은 이제 전문 지식 기반의 의사결정을 돕는 지능형 비서로서 우리 사회의 디지털 혁신을 가속화하고 있습니다.

[2021] 02  엑소브레인 심층 QA 기술
한국전자통신연구원ETRI 아카이브
  • 뇌인지과학
  • 융합
  • 공학·기술

[그림으로 보는 과학뉴스] DALL-E (part1)

최근 인공지능 기술은 단순한 데이터 처리를 넘어 창의성의 영역인 예술 분야까지 그 보폭을 넓히고 있습니다. 과거의 AI가 기존 데이터를 검색하여 보여주는 수준에 머물렀다면, 이제는 인간의 상상력을 실체화하는 단계에 이르렀습니다. 특히 '아보카도 안락의자'나 '스파게티로 만든 기사'와 같이 세상에 존재하지 않던 독창적인 이미지를 텍스트 입력만으로 생성해내는 모습은 놀라움을 자아냅니다. 이러한 변화는 인공지능이 단순한 도구를 넘어 새로운 창작의 주체로 거듭나고 있음을 시사하며, 디자인과 예술 산업 전반에 걸쳐 거대한 패러다임의 전환을 예고하고 있습니다. 이러한 혁신의 중심에는 '달리(DALL-E)'라는 이름의 인공지능 프로그램이 있습니다. 초현실주의 화가 살바도르 달리와 애니메이션 캐릭터 월-E의 이름을 합성하여 명명된 이 기술은 오픈AI가 개발한 거대 언어 모델인 GPT-3를 기반으로 합니다. 달리는 수많은 파라미터를 활용하여 언어와 이미지 사이의 복잡한 관계를 학습했습니다. 특히 실험실의 정제된 데이터가 아닌, 인터넷이라는 광활한 정보의 바다에서 실제 사람들이 사용하는 자연어를 스스로 학습했다는 점이 핵심입니다. 이를 통해 달리는 단순한 모방을 넘어 문맥을 이해하고 새로운 시각적 결과물을 도출하는 능력을 갖추게 되었습니다. 달리의 작동 원리는 인간이 언어를 사용할 때 머릿속에 이미지를 떠올리는 과정과 매우 유사합니다. 우리가 '점심에 스파게티를 먹자'고 말할 때 뇌가 자동으로 음식의 형상을 연상하듯, 인공지능 역시 텍스트를 입력받으면 그에 대응하는 시각적 결과물을 구현해냅니다. 이는 컴퓨터에게 이미지와 텍스트를 정교하게 대조하는 훈련을 시킨 결과입니다. 덕분에 인공지능은 하나의 키워드에 대해서도 수많은 사람이 각기 다른 생각을 하듯 다채로운 스타일을 동시에 제시할 수 있으며, 이는 기존의 검색 방식과는 차원이 다른 창조적 진화라고 할 수 있습니다. 달리의 창의성을 뒷받침하는 또 다른 핵심 기술은 '클립(CLIP)'이라는 알고리즘입니다. 클립은 언어와 이미지를 대조하여 사전 학습을 수행하는 역할을 담당하며, 주로 인터넷상의 이미지와 그에 달린 캡션들을 분석하며 공부합니다. 전문가들이 정제한 데이터가 아니라 일반 사용자들이 사진에 남긴 주석과 설명을 학습했기에, 클립은 현실 세계의 복잡한 맥락을 더욱 정확하게 파악할 수 있습니다. 과거에는 개와 고양이를 구분하는 것조차 어려운 과제였으나, 이제는 특정 인물이 특정 행동을 하는 구체적인 상황까지 완벽하게 이해하고 찾아낼 수 있는 수준으로 진화했습니다. 인공지능이 자연어 속에 담긴 이미지의 표상을 완벽히 이해하게 되면서, 창작의 경계는 더욱 허물어지고 있습니다. 이제 AI는 단순한 검색 엔진의 역할을 넘어 인간의 추상적인 아이디어를 구체적인 시각 매체로 변환해주는 강력한 파트너가 되었습니다. 이러한 기술적 진보는 디자이너들에게 새로운 영감을 제공하는 동시에, 창작의 정의에 대한 근본적인 질문을 던지기도 합니다. 텍스트와 이미지의 결합을 통해 탄생한 새로운 형태의 지능은 앞으로 자율주행 조향 기술 등 다양한 산업 분야로 확장될 잠재력을 지니고 있으며, 우리 삶의 방식을 더욱 풍요롭게 변화시킬 것입니다.

[그림으로 보는 과학뉴스] DALL-E (part1)
국립과천과학관요즘과학👏
  • 뇌인지과학
  • 융합

[강연] 헬로 딥러닝 : 직관적이고 명확하게 딥러닝을 이해하기 _ by남세동 ㅣ 2020 가을 카오스강연 'Ai X' 9강 | 9강

컴퓨터는 본질적으로 숫자를 계산하는 기계입니다. 우리가 화면으로 보는 이미지나 듣는 음악도 결국은 디지털화된 숫자의 집합에 불과합니다. 전통적 프로그래밍 방식은 사람이 직접 논리와 절차를 설계하여 알고리즘을 만들고, 이를 코드로 옮기는 과정이었습니다. 하지만 고양이나 개를 구분하는 것과 같이 복잡한 패턴을 인식하는 문제는 인간이 모든 예외 상황을 코드로 정의하기에 한계가 있었습니다. 이러한 한계를 극복하기 위해 등장한 것이 바로 데이터 스스로 학습하는 딥러닝 기술입니다. 딥러닝의 핵심 구조인 인공신경망은 인간의 뇌 구조에서 영감을 얻었습니다. 인공신경망은 수많은 동그라미 형태의 노드와 이들을 잇는 화살표인 가중치로 구성됩니다. 놀랍게도 이 복잡해 보이는 시스템의 기본 원리는 단순한 곱셈과 덧셈의 반복입니다. 입력값에 가중치를 곱하고 이를 모두 더한 뒤, 활성화 함수를 거쳐 다음 노드로 전달하는 과정이 수없이 반복됩니다. 알파고나 자율주행 엔진 같은 최첨단 기술들도 그 내부를 들여다보면 결국 이러한 단순한 수치 계산의 거대한 집합체라고 할 수 있습니다. 인공지능을 학습시키는 대표적인 방법 중 하나는 정답을 알려주는 지도 학습입니다. 예를 들어 특정 배경색에 어울리는 글자색을 찾을 때, 수많은 예시 데이터를 입력하고 인공지능이 스스로 최적의 가중치를 찾아내도록 유도합니다. 처음에는 무작위로 설정되었던 가중치들이 반복적인 학습 과정을 거치며 점차 정답에 가까운 결과를 내놓게 됩니다. 이는 마치 어린아이가 반복 학습을 통해 사물을 구별하는 법을 배우는 과정과 유사하며, 데이터가 많아질수록 인공신경망은 더욱 정교한 판단을 내릴 수 있게 됩니다. 딥러닝의 가장 신기한 점은 일부 정답 데이터만으로도 학습하지 않은 수많은 사례를 정확히 판별해 낸다는 것입니다. 수천 장의 사진만 학습해도 수억 장의 새로운 사진 속 대상을 구분할 수 있는 이유는 데이터가 가진 고유한 패턴을 3차원 이상의 공간에 매핑하기 때문입니다. 비슷한 특징을 가진 데이터들은 특정 영역에 모이게 되고, 인공신경망은 이 영역들을 구분하는 경계선을 찾아냅니다. 이러한 일반화 능력 덕분에 인공지능은 단순한 암기를 넘어 새로운 상황에 유연하게 대처할 수 있는 지능적인 면모를 갖추게 됩니다. 인공신경망이 최적의 가중치를 찾아가는 과정은 매우 단순하면서도 무식할 정도로 반복적입니다. 입력값에 따른 결과가 정답과 다를 경우, 그 오차를 줄이기 위해 수천만 개에서 수십억 개에 달하는 가중치들을 조금씩 조정합니다. 이를 경사 하강법이라 부르는데, 오차라는 산의 골짜기를 찾아 내려가는 과정과 같습니다. 수학적으로 이러한 가중치가 존재한다는 것은 증명되었지만, 왜 이토록 단순한 방식으로 복잡한 지능이 구현되는지는 여전히 현대 과학의 신비로 남아 있습니다. 최근 딥러닝은 언어 모델인 GPT-3나 단백질 구조를 예측하는 알파폴드 2처럼 인류의 난제를 해결하는 수준에 도달했습니다. 이는 자연계에 존재하는 방대한 패턴을 숫자로 치환하여 분석할 수 있게 되었음을 의미합니다. 문장의 맥락을 파악하여 대화를 나누거나 복잡한 물리 시뮬레이션을 수천 배 빠르게 수행하는 등, 딥러닝은 인간의 지적 능력을 보조하는 강력한 도구가 되었습니다. 결국 딥러닝의 본질은 숫자의 집합속에서 유의미한 패턴을 찾아내어 이를 실용적인 지능으로 변환하는 기술이라 할 수 있습니다. 인류 역사를 돌아보면 기술의 활용이 이론적 이해보다 앞섰던 사례가 많습니다. 증기기관이 열역학 법칙이 정립되기 전부터 산업 혁명을 이끌었듯이, 딥러닝 역시 그 작동 원리를 완벽히 설명하지 못하더라도 이미 세상을 바꾸고 있습니다. 인공지능이 내놓는 결과가 왜 도출되었는지 인간이 완전히 이해하지 못하는 영역이 존재하지만, 이는 오히려 새로운 과학적 발견의 기회가 되기도 합니다. 우리는 이제 딥러닝이라는 거대한 도구를 통해 지능의 본질을 탐구하고 미래의 변화를 맞이할 준비를 해야 합니다.

[강연] 헬로 딥러닝 : 직관적이고 명확하게 딥러닝을 이해하기 _ by남세동 ㅣ 2020 가을 카오스강연 'Ai X' 9강

남세동

카오스재단카오스강연
  • 뇌인지과학

[강연] 질병 진단, 치매 치료를 하는 인공지능? 바이오메디컬 인공지능! _ by신현정 ㅣ 2020 가을 카오스강연 'Ai X' 8강 | 8강

인공지능 기술이 의료 분야와 결합하면서 인류의 건강한 삶을 향한 새로운 지평이 열리고 있습니다. 의료 인공지능은 단순히 기술적인 진보를 넘어, 우리가 아직 완전히 이해하지 못한 생명체의 신비를 풀어낼 무한한 가능성을 지닌 블루오션으로 평가받습니다. 특히 방대한 의료 데이터로부터 유의미한 정보를 추출하여 질병을 예측하고 진단하는 과정은 현대 의학의 패러다임을 근본적으로 바꾸고 있습니다. 이러한 변화는 환자 개개인에게 최적화된 맞춤형 치료를 제공하는 정밀 의료의 시대를 앞당기고 있습니다. 의료 현장에서 발생하는 데이터의 약 80%는 영상 이미지입니다. CT, MRI, PET와 같은 의료 영상 데이터는 매년 기하급수적으로 증가하여 이제는 엑사바이트(EB) 단위를 논할 정도로 방대해졌습니다. 합성곱 신경망(CNN)과 같은 딥러닝 기술은 이러한 거대 데이터를 학습하여 암 조직을 식별하거나 병변을 찾아내는 데 탁월한 성능을 보입니다. 인간의 시각적 한계를 보완하는 인공지능의 분석 능력은 진단의 정확도를 높이는 핵심적인 역할을 수행하며 의료 현장의 효율성을 극대화하고 있습니다. 흥미로운 실험에 따르면, 반복적인 학습을 거친 비둘기도 암 조직의 패턴을 파악하여 높은 정확도로 양성과 악성을 구분해낼 수 있습니다. 이는 복잡한 의료 데이터 분석의 핵심이 결국 정교한 패턴 인식에 있음을 시사합니다. 기계 학습에서는 여러 알고리즘의 판단을 모아 성능을 극대화하는 앙상블 러닝 기법을 활용합니다. 인공지능은 지치지 않는 학습 능력을 바탕으로 인간 전문가의 판단을 보조하며 의료 서비스의 질을 획기적으로 개선하고 있으며, 이는 데이터 기반 의학의 새로운 가능성을 보여줍니다. 의료 분야의 인공지능은 이미지 분석을 넘어 텍스트와 음성 데이터로 영역을 넓히고 있습니다. 수천만 건의 의학 논문과 임상 기록을 학습한 인공지능은 의사에게 최적의 치료법을 제안하며, 가상 간호사 아바타는 환자와 소통하며 건강 상태를 실시간으로 관리합니다. 순환 신경망(RNN) 기술을 기반으로 한 음성 인식과 자연어 처리 능력은 의료 상담의 문턱을 낮추고 있습니다. 이러한 기술적 결합은 시공간의 제약 없는 의료 서비스를 가능하게 하며, 환자와 의료진 사이의 가교 역할을 충실히 수행합니다. 생명 과학 분야에서는 유전체, 전사체, 단백질체 등 다양한 오믹스 데이터를 통합 분석하는 멀티 오믹스 연구가 활발합니다. 이를 '바이오 피라미드' 구조로 체계화하면 유전자와 질병 사이의 복잡한 상관관계를 네트워크 관점에서 파악할 수 있습니다. 특정 노드에 연결이 집중되는 척도 없는 네트워크 이론을 적용하면 질병을 유발하는 핵심 유전자를 보다 효율적으로 찾아낼 수 있습니다. 이는 복잡한 생명 현상을 시스템적으로 이해하려는 시도의 정점이라 할 수 있으며, 질병의 근본 원인을 규명하는 데 기여합니다. 치매와 같은 난치성 질환의 치료제를 개발하기 위해 인공지능은 표적 유전자를 탐색하는 데 결정적인 기여를 합니다. 수만 개의 유전자와 수억 개의 단일 염기 다형성(SNP) 정보를 분석하여 질병과의 연관성을 수치화하는 과정은 기계 학습 없이는 불가능한 영역입니다. 또한 인공지능은 기존 약물의 새로운 효능을 발견하는 약물 재창출 분야에서도 두각을 나타내고 있습니다. 막대한 비용과 시간이 소요되는 신약 개발 과정을 단축함으로써 인류의 난제 해결에 다가서고 있으며, 이는 환자들에게 새로운 희망이 되고 있습니다. 진정한 의미의 정밀 의료를 실현하기 위해서는 파편화된 의료 데이터를 표준화하고 안전하게 공유하는 체계가 필수적입니다. 오디세이(OHDSI)와 같은 국제적인 데이터 표준화 노력은 인공지능이 더 양질의 데이터를 학습할 수 있는 토대를 마련해 줍니다. 동시에 개인정보 보호를 위한 기술적 장치를 마련하여 환자의 데이터 주권을 보장하는 것이 중요합니다. 기술과 윤리가 조화를 이룰 때, 인공지능은 인류의 건강한 미래를 보장하는 가장 강력한 도구가 될 것이며, 우리는 이를 통해 질병 없는 세상을 꿈꿀 수 있습니다.

[강연] 질병 진단, 치매 치료를 하는 인공지능? 바이오메디컬 인공지능! _ by신현정 ㅣ 2020 가을 카오스강연 'Ai X' 8강

신현정

카오스재단카오스강연
  • 생명과학
  • 뇌인지과학

[석학인터뷰] AI, 휴대용 번역기 당연히 가능하고, 대화도 예술도 모두 가능하다! | 2020 가을 카오스강연 'Ai X'

인공지능 기술의 발전은 예술을 바라보는 우리의 근본적인 시각을 변화시키고 있습니다. 특히 딥러닝으로 생성된 작품은 그것을 만들어낸 알고리즘의 성과인지, 아니면 그 시스템을 설계한 인간의 창의성인지에 대한 논쟁을 불러일으킵니다. 현대 예술의 난해함 속에서 인공지능이 만든 결과물은 인간의 것과 구별하기 어려울 정도로 정교해지고 있습니다. 비록 기술이 인간의 표현 방식을 완벽하게 흉내 낸다 하더라도, 그 이면에 마음이 부재한다는 사실을 인지하는 순간 우리는 일종의 공허함을 느낄 수도 있습니다. 하지만 예술의 정의 자체가 변화하는 미래에는 이러한 기술적 산물 또한 새로운 형태의 예술로 인정받게 될 것입니다. 우리는 머지않은 미래에 실시간으로 소통을 돕는 휴대용 번역기가 보편화되는 시대를 맞이할 것입니다. 현재의 번역 기술은 이미 놀라운 수준에 도달해 있으며, 향후 10년에서 20년 사이에는 언어의 장벽이 거의 사라질 것으로 예측됩니다. 이러한 변화는 단순히 단어를 옮기는 수준을 넘어 인공지능이 인간과 대화하며 정교하게 상호작용하는 단계로 진화하고 있음을 의미합니다. 비록 인공지능과의 대화가 때로는 인위적으로 느껴질 수 있으나, 시스템이 더욱 정교해짐에 따라 사용자는 상대가 기계인지 사람인지 구분하기 힘든 경험을 하게 될 것입니다. 이는 기술이 인간의 소통 방식을 얼마나 깊이 파고들고 있는지를 잘 보여주는 사례라 할 수 있습니다. 과거에는 범용 인공지능(AGI)의 등장을 공상 과학의 영역으로만 치부했으나, 최근의 기술적 도약은 이러한 인식을 완전히 바꾸어 놓았습니다. 특정 분야에 한정된 지능을 넘어 인간처럼 다양한 영역에서 사고할 수 있는 인공지능의 등장은 이제 현실적인 가능성으로 다가오고 있습니다. 이러한 범용 인공지능이 일반화되는 시점에는 인류의 지적 능력을 압도하는 초지능으로의 급격한 진화가 일어날 수 있습니다. 하지만 이러한 강력한 기술은 핵폭탄보다 더 위험할 수 있다는 경고를 동반하기도 합니다. 따라서 우리는 인공지능이 가져올 압도적인 편리함과 동시에, 그 기술이 인류에게 미칠 잠재적인 위협에 대해서도 깊이 고민하고 대비해야 할 시점에 서 있습니다.

[석학인터뷰] AI, 휴대용 번역기 당연히 가능하고, 대화도 예술도 모두 가능하다! | 2020 가을 카오스강연 'Ai X'

남세동, 신현정, 이교구, 이세민, 임창환, 장병탁, 최재식, 한보형, 함유근, 현동훈

카오스재단2020 카오스강연 'Ai X'
  • 뇌인지과학

KISTI | 치매 조기에 예측하고 악화 속도 늦추는 데이터 처리 기술

치매 DTC 융합연구단은 KISTI를 주관으로 생명공학연구원, 한의학연구원 등 여러 출연연이 협력하여 치매 정복을 위한 기술을 개발하고 있습니다. 현재 사용되는 치매 관련 약물은 완치를 돕는 치료제라기보다 질환의 진행 속도를 늦추는 역할을 수행합니다. 따라서 환자에게 약물을 복용하게 할 최적의 시기를 찾아내는 것이 무엇보다 중요합니다. 연구진은 자연어 처리 기술을 생명공학 분야에 접목하여 논문을 분석하고, 환자의 의료 데이터와 생활 패턴 변화를 데이터화함으로써 치매의 진행 상황을 예측하고 선제적 치료가 가능하도록 돕는 기술을 고도화하고 있습니다. 치매 예측을 위한 구체적인 방법론은 크게 두 가지로 나뉩니다. 첫 번째는 국민건강보험공단의 노인 코호트 데이터를 분석하여 개인의 의료 데이터에 따른 치매 패턴을 파악하는 방식입니다. 두 번째는 IoT 센서를 활용하여 요리, 집안일, 몸단장 등 6가지 핵심 생활 능력의 변화를 실시간으로 감지하는 것입니다. 스마트폰과 스마트워치 등을 통해 수집된 이동 동선과 활동량 정보는 실제 의사가 진료 시 사용하는 질의 항목과 동일한 가치를 지닙니다. 이러한 데이터 기반의 정밀한 분석은 기존 진료 방식의 불확실성을 해소하여 환자의 상태를 정밀하게 파악할 수 있도록 돕습니다. 특히 주목할 점은 성별, 연령대, 소득 수준 등에 따라 치매 위험 인자가 다르게 나타난다는 사실입니다. 연구 결과 남성은 저체중이, 여성은 비만이 치매의 주요 원인 중 하나로 분석되는 등 유형별 차이가 뚜렷합니다. 연구진은 이러한 특성을 반영하여 한국인에게 특화된 맞춤형 치매 예측 모델을 개발하고 있습니다. 이 기술은 복잡한 생물학적 실험이나 고가의 의료 이미지 촬영 없이도 의료 데이터 분석만으로 기존 검사와 대등한 수준의 결과를 도출해내고 있습니다. 이는 치매 고위험군을 조기에 발견하고 새로운 위험 인자를 발굴하는 데 매우 효율적인 경로를 제시합니다. 실제 연구 과정에서는 독거노인 가정에 센서를 설치하고 데이터를 수집하며 다양한 현장 중심의 시행착오를 겪기도 했습니다. 기기 전원이 차단되거나 관찰에 대한 거부감을 느끼는 어르신들을 위해 연구진은 직접 안부를 묻고 소통하며 정서적 친밀감을 쌓는 노력을 병행하고 있습니다. 보다 정교한 예측을 위해서는 단기적인 관찰을 넘어 장기적인 추적 조사를 통한 양질의 코호트 데이터 축적이 필수적입니다. 이를 위해 현재 여러 대학 병원 및 치매안심센터와 긴밀한 협력을 이어가고 있으며, 수집된 데이터의 안정성을 높여 치매 예측 모델의 완성도를 높이는 데 주력하고 있습니다. 데이터 사이언티스트의 소명은 텍스트를 넘어 영상, 음성, 생활 데이터 등 다양한 정보를 융합하여 새로운 가치를 창출하는 데 있습니다. 의학 전공자가 아니더라도 모든 공공 데이터와 센서 정보를 수치화하여 객관적인 예측 모델을 만드는 기술은 환자의 고통을 최소화할 최적의 시기를 찾는 열쇠가 됩니다. 이러한 기술적 진보는 치매에 대한 막연한 두려움을 줄이고 많은 사람들이 보다 건강하고 안심하며 살 수 있는 사회를 만드는 밑거름이 될 것입니다. 데이터의 융합이 만들어내는 시너지 효과는 향후 치매뿐만 아니라 다양한 난치성 질환을 극복하는 중요한 이정표가 될 것으로 기대됩니다.

KISTI | 치매 조기에 예측하고 악화 속도 늦추는 데이터 처리 기술
한국과학기술정보연구원
  • 생명과학
  • 뇌인지과학
  • 융합
  • 공학·기술

[그림으로 보는 과학뉴스] 사람처럼 말하고 생각하는 현존 최강 인공지능 GPT-3 인터뷰

최근 인공지능 기술의 비약적인 발전은 우리 사회에 큰 놀라움을 안겨주고 있습니다. 특히 오픈AI가 개발한 GPT-3는 '사람처럼 말하고 생각하는 현존 최강의 인공지능'이라는 평가를 받으며 전 세계적인 주목을 받았습니다. 이 인공지능은 일론 머스크가 투자한 회사에서 탄생했으며, 방대한 데이터를 사전 학습하여 인간의 질문에 최적의 해답을 찾아내는 능력을 갖추고 있습니다. 2020년 공개 당시 전문가들 사이에서 큰 화제가 되었던 이 기술은 단순한 기계를 넘어 인간의 사고방식을 정교하게 흉내 내는 단계에 이르렀음을 보여주는 중요한 지표가 되었습니다. GPT-3의 실제 대화 사례를 살펴보면 그 정교함에 깜짝 놀라게 됩니다. "너는 사람이야, 인공지능이야?"라는 질문에 대해 자신이 인공지능임을 인지하면서도, 인간의 복잡한 특성을 꼬집는 등 철학적인 답변을 내놓기도 합니다. 또한, 방대한 분량의 역사적 연설문을 단 한 줄로 명쾌하게 요약하는 능력은 이 인공지능이 문맥을 얼마나 정확하게 파악하고 있는지를 증명합니다. 이러한 요약 능력과 문장 생성 능력은 현대 사회에서 정보의 홍수를 효율적으로 관리하고 핵심을 파악하는 데 매우 유용한 도구가 될 수 있음을 시사하며 인공지능의 실용성을 입증합니다. 인공지능의 성능을 결정짓는 핵심 요소 중 하나는 바로 '매개변수'입니다. GPT-3는 약 1,750억 개의 매개변수를 다루며, 이는 인간의 뇌가 정보를 기억하고 처리하는 방식과 유사한 역할을 수행합니다. 매개변수는 학습된 정보가 저장되는 일종의 수치로, 입력된 데이터들 사이의 관련성을 저장하고 최적의 경로를 찾아 답변을 도출하는 기반이 됩니다. 매개변수의 숫자가 많아질수록 인공지능은 더욱 세밀하고 다양한 변수를 고려할 수 있게 되어, 결과적으로 인간의 사고방식에 더욱 근접한 대답을 내놓을 수 있게 됩니다. 이는 인공지능의 지능 수준을 가늠하는 척도가 됩니다. 인공지능의 내부 구조에는 입력과 출력 사이에 '은닉층(Hidden Layer)'이라고 불리는 층이 존재합니다. 이 영역은 수많은 매개변수가 복잡하게 얽혀 네트워크를 형성하고 있는 곳으로, 인간이 그 구체적인 작용 기제를 완벽히 인지하기 어렵기 때문에 붙여진 이름입니다. 개발자조차 특정 결과가 도출된 정확한 논리적 경로를 일대일로 매칭하여 설명하기 힘든 경우가 많습니다. 이는 인공지능이 단순히 데이터를 나열하는 것이 아니라, 방대한 빅데이터를 처리하는 과정에서 스스로 가중치를 조절하며 최적의 해답을 찾아가는 고도의 연산 과정을 거치기 때문이며, 이를 통해 인공지능만의 독특한 판단이 가능해집니다. 결국 매개변수는 단순히 데이터의 양을 의미하는 것이 아니라, 입력된 정보를 얼마나 깊이 있고 세심하게 해석할 수 있는지를 나타내는 지표라고 할 수 있습니다. 인공지능은 인간의 뇌 구조를 모방한 인공신경망(Neural Network)을 기반으로 끊임없이 학습하며, 매개변수 값을 최적화하는 과정을 통해 발전합니다. 비록 때로는 학습 방향에 따라 엉뚱한 대답을 내놓기도 하지만, 이러한 기술적 진보는 우리가 인공지능을 더 깊이 이해하고 활용하는 데 중요한 밑거름이 됩니다. 인간과 인공지능이 공존하는 미래를 준비하기 위해 이러한 기술적 원리에 대한 이해는 필수적이며, 이는 새로운 과학적 통찰을 제공합니다.

[그림으로 보는 과학뉴스] 사람처럼 말하고 생각하는 현존 최강 인공지능 GPT-3 인터뷰
국립과천과학관
  • 뇌인지과학
  • 융합

[석학인터뷰] 이성환_ 인간이 AI를 이길 수 있는 방법?! | 2020 봄 카오스강연 '첨단기술의 과학'

인공지능 연구는 1980년대부터 필기체 인식과 같은 구체적인 문제 해결을 중심으로 발전해 왔습니다. 오늘날 인공지능은 컴퓨터 시각, 자연어 처리, 기계 학습, 그리고 뇌 정보 처리 등 매우 다양한 세부 분야로 나뉩니다. 최근에는 딥러닝이 큰 주목을 받고 있지만, 궁극적으로는 학습된 지식을 바탕으로 스스로 추론하고 판단하는 기술이 인공지능의 핵심적인 가치가 될 것입니다. 특히 시각 분야에 비해 상대적으로 연구 인력이 부족한 자연어 처리나 원천 학습 기술 분야에 대한 지속적인 관심과 연구가 필요합니다. 인공지능이 인간의 지능을 추월할 것이라는 우려 속에서 우리가 집중해야 할 점은 기계가 대체할 수 없는 인간만의 고유한 역량입니다. 창의성은 물론이고 타인과 소통하며 협력하는 능력, 그리고 사안을 다각도로 분석하는 비판적 사고력은 인공지능 시대에 더욱 빛을 발할 것입니다. 기술의 발전이 가속화될수록 인간은 기계와 경쟁하기보다는 인간만이 가진 정서적, 지적 특성을 강화함으로써 인공지능이 도달하지 못한 영역을 개척하고 기술을 올바른 방향으로 이끄는 주체가 되어야 합니다. 뇌-컴퓨터 인터페이스(BCI)는 신체 근육을 전혀 사용하지 않고 오직 뇌파만을 분석하여 외부 세계를 제어하는 혁신적인 기술입니다. 이 기술은 인간의 의도를 기계에 직접 전달함으로써 신체적 한계를 극복하고 외부 환경과 상호작용하는 새로운 방식을 제시합니다. 뇌-컴퓨터 인터페이스는 단순히 기기를 조작하는 수준을 넘어 인간과 인공지능이 직접 결합하는 미래를 예고하고 있습니다. 이러한 기술적 진보는 우리가 세상과 소통하는 방식을 근본적으로 변화시키며, 미래 사회의 핵심적인 기술로 자리 잡을 것입니다.

[석학인터뷰] 이성환_ 인간이 AI를 이길 수 있는 방법?! | 2020 봄 카오스강연 '첨단기술의 과학'

이성환

카오스재단카오스강연
  • 뇌인지과학

[강연] AI / 머신러닝 _ by오혜연, 강명주 | 2020 봄 카오스강연 '첨단기술의 과학' 3강 | 3강

인공지능은 인간이 어렵게 느끼는 복잡한 지식 탐색이나 독해 능력에서 놀라운 성과를 보여줍니다. IBM의 왓슨이 퀴즈쇼에서 우승하거나 머신러닝 모델이 고난도 독해 평가에서 인간을 앞서는 사례가 이를 증명합니다. 하지만 정작 인간에게 너무나 쉬운 일상적인 대화나 사진 속 상황을 파악하는 일에는 서툰 모습을 보이기도 합니다. 이러한 역설은 인공지능이 언어를 이해하는 방식이 인간의 직관이나 경험과는 근본적으로 다르다는 점을 시사하며, 기술 발전의 새로운 과제를 던져줍니다. 일상적인 대화가 인공지능에게 어려운 이유는 데이터의 부재와 상황의 모호성에 있습니다. 우리가 나누는 대화는 대부분 기록되지 않는 사적인 영역이며, 그 안에는 대화 상대와의 관계나 장소, 계절 같은 수많은 외부 맥락이 생략되어 있습니다. 인공지능은 방대한 데이터를 학습하여 확률적으로 다음 단어를 예측하지만, 데이터에 명시되지 않은 인간의 본능적인 사회적 감각까지 완벽히 따라 하기는 어렵습니다. 결국 문제 정의가 명확하지 않은 영역에서 인공지능의 한계가 드러나는 것입니다. 최신 언어 모델인 BERT는 문맥을 양방향으로 파악하며 비약적인 발전을 이루었지만, 여전히 데이터에 내재된 편향성 문제를 안고 있습니다. 인공지능은 인터넷상의 방대한 문서를 학습하며 인간의 고정관념이나 당연하게 여겨지는 상식의 부재를 그대로 흡수합니다. 예를 들어 '노란 바나나'라는 표현이 드문 이유는 바나나가 당연히 노랗기 때문이지만, 인공지능은 이를 학습하지 못해 편향된 결과를 낼 수 있습니다. 이는 기술적 완성도를 넘어 윤리적이고 사회적인 성찰이 필요한 지점입니다. 인공지능과 딥러닝의 눈부신 발전 밑바탕에는 견고한 수학적 토대 자리 잡고 있습니다. 흔히 인공지능을 전산학의 전유물로 생각하기 쉽지만, 사실 미분과 선형대수학 같은 수학적 원리가 없었다면 현대의 인공지능은 존재할 수 없었을 것입니다. 과거 뉴턴이나 오일러가 정립한 이론들이 수 세기를 지나 오늘날 데이터를 처리하고 최적의 해를 찾는 핵심 도구로 부활한 셈입니다. 산업이 고도화될수록 복잡한 현상을 모델링하고 해결하는 수학의 역할은 더욱 중요해지고 있습니다. 수학의 힘은 영화 산업의 시뮬레이션 기술에서도 명확히 드러납니다. '겨울왕국'의 자연스러운 눈 입자나 '아이언맨'의 역동적인 물의 흐름은 모두 나비에-스토크스 방정식과 같은 복잡한 물리 법칙을 수학적으로 풀어낸 결과입니다. 슈퍼컴퓨터조차 직접 풀기 어려운 거대한 행렬 방정식을 수치적인 방법으로 근사하여 해결함으로써, 우리는 가상 세계에서 실제와 다름없는 물리적 현상을 구현할 수 있게 되었습니다. 이는 수학이 추상적인 이론을 넘어 현실을 재창조하는 도구임을 보여줍니다. 딥러닝의 핵심은 수많은 데이터를 통해 최적의 가중치를 찾아내는 최적화 과정에 있습니다. 수백만 차원의 복잡한 함수에서 오차를 최소화하는 지점을 찾는 일은 마치 거대한 산맥에서 가장 낮은 골짜기를 찾는 것과 같습니다. 이 과정에서 인공지능은 행렬 연산을 반복하며 스스로 특징을 학습하지만, 왜 그런 결과가 도출되었는지 논리적으로 설명하기는 여전히 어렵습니다. 이러한 '블랙박스' 문제를 해결하고 시스템의 신뢰성을 확보하기 위해 수학자들은 지금도 치열한 연구를 이어가고 있습니다. 미래의 인공지능은 단순히 높은 정확도를 기록하는 것을 넘어, 자신의 판단 근거를 인간에게 논리적으로 설명할 수 있는 '설명 가능한 AI(XAI)'로 진화해야 합니다. 이를 위해서는 데이터 기반의 학습과 수학적 논리가 완벽하게 통합되어야 하며, 다양한 분야의 전문가들이 소통하며 창의적인 해결책을 모색해야 합니다. 인공지능이 인간의 언어를 완벽히 이해하고 수학적으로 투명해지는 날, 우리는 기술이 주는 혜택을 더욱 안전하고 풍요롭게 누리게 될 것입니다.

[강연]  AI / 머신러닝 _ by오혜연, 강명주 | 2020 봄 카오스강연 '첨단기술의 과학' 3강

강명주, 오혜연

카오스재단카오스강연
  • 뇌인지과학

[석학인터뷰] 오혜연_ 인공지능이 새로운 것? 글쎄요.. | 2020 봄 카오스강연 '첨단기술의 과학'

인공지능은 최근에 갑자기 등장한 새로운 기술이 아닙니다. 사실 컴퓨터 과학이라는 거대한 학문 체계 안에서 1950년대부터 꾸준히 연구되어 온 유서 깊은 분야입니다. 대중의 관심은 2000년대와 최근 몇 년 사이 폭발적으로 증가했지만, 전문가들은 이미 수십 년 전부터 인공지능이 가져올 변화와 미래에 대해 깊이 고민해 왔습니다. 따라서 인공지능을 낯선 존재로 여기기보다는 오랜 시간 축적된 기술적 진보의 결과물로 이해하는 태도가 필요합니다. 현재 한국의 인공지능 연구는 정부와 학계, 대중의 뜨거운 관심 속에 매우 활발하게 이루어지고 있습니다. 하지만 연구의 질적 성장을 위해서는 다양성 확보가 시급한 과제입니다. 특정 방법론이나 주제에만 연구가 치중되어 있는 경향이 있으며, 연구자의 연령, 성별, 국적 등 인적 구성의 다양성도 주요 선진국에 비해 부족한 실정입니다. 진정한 기술 혁신을 위해서는 폭넓은 시각과 다양한 배경을 가진 연구자들이 함께 협력하는 환경이 조성되어야 합니다. 테드 창의 소설 『당신 인생의 이야기』는 과학적 상상력을 문학의 영역으로 확장한 훌륭한 사례입니다. 그는 현실에서 직접 실험하기 어려운 가설들을 기발한 상상력으로 풀어내며 미래를 예측하고 인간의 본질을 탐구합니다. 이러한 SF 장르의 통찰력은 과학자들에게 단순한 재미를 넘어 새로운 연구의 영감과 상상력을 제공하는 중요한 원천이 되기도 합니다. 과학적 사고와 문학적 상상력이 만날 때 우리는 비로소 보이지 않는 미래의 단면을 엿볼 수 있게 됩니다. 인공지능 연구의 핵심 과제 중 하나는 컴퓨터에게 인간의 언어를 가르치는 것입니다. 이는 단순히 단어를 나열하는 수준을 넘어, 컴퓨터가 사람과 원활하게 소통하기 위해 언어를 어떻게 배우고 이해하며 생성할 것인가에 대한 깊은 고민을 담고 있습니다. 자연어 처리 기술의 발전은 기계가 인간의 지식 체계에 접근하고 상호작용하는 방식을 근본적으로 바꾸고 있으며, 이는 인공지능이 인간의 진정한 동반자로 거듭나기 위해 반드시 넘어야 할 산이기도 합니다. 인공지능의 특성을 가장 잘 나타내는 표현 중 하나는 '쉬운 것은 어렵고 어려운 것은 쉽다'는 역설입니다. 인간에게는 직관적이고 쉬운 일상적인 행동들이 컴퓨터에게는 구현하기 가장 어려운 과제가 되기도 하며, 반대로 인간이 어렵게 느끼는 복잡한 계산이나 논리 연산은 컴퓨터가 훨씬 쉽게 해결하곤 합니다. 이러한 지능의 차이를 이해하는 것은 인공지능의 현재 위치를 파악하고, 앞으로 우리가 어떤 방향으로 기술을 발전시켜야 할지 결정하는 데 중요한 이정표가 됩니다.

[석학인터뷰] 오혜연_ 인공지능이 새로운 것? 글쎄요.. | 2020 봄 카오스강연 '첨단기술의 과학'

오혜연

카오스재단카오스강연
  • 뇌인지과학

[Lecture] AI and Robot Intelligence _ by Daniel D. Lee|2019 가을 카오스강연 '도대체 都大體' | 2강

인공지능은 단순히 기계를 만드는 기술을 넘어, 인간과 세상을 이해하는 새로운 창입니다. 우리는 인공지능을 통해 인간의 지능이 어떻게 작동하는지, 그리고 기계가 세상을 어떻게 다르게 인식하는지를 탐구합니다. 특히 뇌의 신경망을 모방한 인공 신경망 기술은 컴퓨터가 복잡한 데이터를 처리하고 사물을 인식하는 방식을 혁신적으로 변화시켰습니다. 이러한 과정은 결국 '인간이란 무엇인가'라는 근본적인 질문으로 우리를 안내하며, 기계와 인간이 공존하는 미래를 설계하는 기초가 됩니다. 현대 인공지능의 핵심인 딥러닝은 전통적인 프로그래밍 방식과는 확연히 다릅니다. 과거에는 인간이 직접 규칙을 입력해야 했지만, 이제는 방대한 데이터를 통해 기계가 스스로 학습합니다. 수많은 층으로 구성된 인공 신경망은 데이터 속의 패턴을 찾아내고, 이를 통해 날씨를 예측하거나 수천 가지의 사물을 정확하게 구분해냅니다. 이러한 데이터 기반의 접근 방식은 컴퓨팅 파워의 비약적인 발전과 결합하여, 특정 영역에서는 이미 인간의 능력을 뛰어넘는 놀라운 성과를 보여주고 있습니다. 가상 세계의 지능을 현실 세계로 가져오는 로봇 공학은 또 다른 차원의 도전입니다. 로봇은 단순히 계산하는 뇌뿐만 아니라, 세상을 감지하는 센서와 움직임을 제어하는 신체를 조화롭게 통합해야 합니다. 자율주행 자동차가 복잡한 도로 상황을 판단하고 안전하게 주행하는 과정은 물리 법칙과 인공지능 알고리즘이 결합된 정교한 결과물입니다. 현실의 불확실성과 복잡성을 극복하며 인간처럼 유연하게 움직이는 로봇을 만드는 일은 현대 과학이 해결해야 할 가장 흥미로운 숙제 중 하나입니다. 최근 인지과학에서는 지능이 뇌의 계산 능력에만 국한되지 않는다는 '체화된 인지' 개념이 주목받고 있습니다. 신체 구조와 감각 기관이 우리가 세상을 인식하고 사고하는 방식에 결정적인 영향을 미친다는 주장입니다. 로봇 역시 어떤 형태의 하드웨어를 가졌느냐에 따라 학습하고 반응하는 방식이 달라집니다. 이는 인공지능 연구가 단순히 알고리즘 개발에 머물지 않고, 기계의 몸과 마음이 어떻게 상호작용하며 지능을 형성하는지를 깊이 있게 고찰해야 함을 시사합니다. 미래의 인공지능은 단순한 도구를 넘어 인간의 정서적 동반자가 될 것입니다. 이를 위해서는 기계에 '마음'을 심어주는 기술이 필수적입니다. 인간의 얼굴 표정, 목소리 톤, 사용하는 단어를 분석하여 감정 상태를 이해하고, 그에 맞춰 적절하게 반응하는 인공지능은 우리 삶을 더욱 풍요롭게 만들 수 있습니다. 감정을 공유하고 신뢰를 쌓을 수 있는 인공지능 에이전트는 고령화 사회의 돌봄 서비스나 개인 맞춤형 비서 등 다양한 분야에서 혁신적인 역할을 수행하게 될 것입니다. 로봇이 인간을 너무 닮았을 때 느끼는 거부감인 '불쾌한 골짜기' 현상은 인공지능 설계에서 중요한 고려 사항입니다. 이를 극복하기 위해서는 로봇의 외형뿐만 아니라 행동의 예측 가능성과 신뢰성을 높이는 연구가 병행되어야 합니다. 또한, 인공지능이 자신의 판단 근거를 설명할 수 있는 '설명 가능한 AI' 기술은 인간과 기계 사이의 신뢰를 구축하는 핵심 열쇠입니다. 기술적 완성도를 넘어 윤리적 가이드라인을 준수하고 인간의 가치를 존중하는 시스템을 만드는 것이 무엇보다 중요합니다. 인공지능은 인류의 적이 아니라, 함께 성장하고 협력해야 할 파트너입니다. 인공지능을 어떻게 대우하고 활용하느냐에 따라 우리의 미래는 크게 달라질 것입니다. 기계에 지능을 부여함으로써 인간은 반복적인 노동에서 벗어나 더욱 창의적이고 자유로운 삶을 누릴 수 있게 됩니다. 개인화된 인공지능이 각자의 필요에 맞게 도움을 주는 사회에서, 우리는 기술과 인간성이 조화를 이루는 새로운 문명을 맞이하게 될 것입니다. 끊임없는 탐구와 열린 마음이 그 미래를 여는 동력이 될 것입니다.

[Lecture] AI and Robot Intelligence _ by Daniel D. Lee|2019 가을 카오스강연 '도대체 都大體'

Daniel D.Lee(다니엘 리)

카오스재단카오스강연
  • 뇌인지과학
  • 융합

[강연] 인공지능의 실체와 미래 (1) _ by조성배 | 2017 가을 카오스 강연 '미래과학' 4강 | 4강 ①

인공지능은 이제 우리 삶에서 떼어놓을 수 없는 화두가 되었습니다. 특히 2016년 알파고 사태 이후 대중의 관심은 폭발적으로 증가했으며, 지능의 본질에 대한 근원적인 궁금증을 자아내고 있습니다. 하지만 인공지능이 대단한 혁신인지 아니면 과장된 실체인지에 대해서는 여전히 의견이 분분합니다. 인공지능을 만드는 공학자의 관점에서 그 실체를 가감 없이 들여다보는 과정은 현대 사회를 이해하는 데 필수적인 첫걸음이 될 것입니다. 우리가 흔히 접하는 인공지능의 이미지는 주로 영화를 통해 형성되었습니다. 과거의 영화들이 인간의 감정이나 자의식을 가진 로봇에 집중했다면, 최근에는 형체 없이 대화만으로 교감하는 인공지능 프로그램으로 그 흐름이 변화하고 있습니다. '아이언맨'의 자비스나 '허'의 사만다처럼 눈에 보이지 않는 존재가 인간과 사랑에 빠지거나 조력자 역할을 수행하는 모습은 인공지능이 우리 곁에 어떤 방식으로 존재하게 될지를 시각적으로 보여줍니다. 인공지능의 발전 속도에 대해 세계적인 지도층 인사들 사이에서도 팽팽한 의견 대립이 이어지고 있습니다. 일론 머스크는 인공지능이 인류의 존폐를 결정지을 수 있는 위험한 존재라며 경고의 목소리를 높이는 반면, 마크 저커버그는 이러한 우려가 과도하며 기술을 적극적으로 활용해야 한다는 낙관적인 입장을 견지합니다. 이러한 논쟁은 인공지능이 단순한 기술적 도구를 넘어 인류의 미래에 중대한 영향을 미칠 수 있는 존재임을 시사하며 대중의 관심을 더욱 증폭시키고 있습니다. 사실 인공지능은 이미 우리 일상 곳곳에 깊숙이 들어와 있습니다. 거실을 청소하는 로봇 청소기부터 주차장에서 번호판을 인식하는 카메라, 날씨를 알려주고 음악을 틀어주는 인공지능 스피커에 이르기까지 그 사례는 매우 다양합니다. 또한 스마트폰의 얼굴 인식 기능이나 바둑 및 퀴즈 대결에서 인간을 압도하는 성능을 보여주는 프로그램들도 모두 인공지능의 일종입니다. 이처럼 인공지능은 특정 분야에서 인간의 능력을 보완하거나 뛰어넘으며 실질적인 편의를 제공하고 있습니다. 1956년에 공식적으로 시작된 인공지능 연구는 지난 수십 년간 수많은 굴곡을 겪어왔습니다. 인간처럼 생각하고 자의식을 갖는 '강한 인공지능'은 여전히 먼 미래의 과제로 남아 있지만, 특정 문제를 해결하는 데 집중하는 '약한 인공지능'은 비약적인 발전을 이루었습니다. 지능의 본질을 모방하여 사람과 구별할 수 없을 정도의 행동을 구현하려는 튜링 테스트의 시도는 지금도 계속되고 있으며, 이는 인공지능이 단순한 기계를 넘어 지능적 주체로 거듭나기 위한 핵심적인 과정입니다. 인공지능을 구현하는 방법은 크게 설계 기반과 학습 기반으로 나뉩니다. IBM의 왓슨처럼 방대한 지식을 체계적으로 저장하여 의사결정을 내리는 방식이 설계 기반의 대표적 사례라면, 알파고처럼 방대한 데이터로부터 스스로 규칙을 찾아내는 방식은 학습 기반의 전형입니다. 특히 알파고는 인간의 직관을 모방한 함수를 데이터로부터 학습하고, 스스로와의 대국을 통해 성능을 강화하는 방식을 취했습니다. 이러한 기술적 차이는 인공지능이 문제를 해결하는 다양한 접근 방식을 보여줍니다. 최근 주목받는 딥러닝 기술은 영상 인식과 자동 번역 분야에서 혁신적인 성과를 거두고 있습니다. 수백만 장의 사진 데이터를 통해 사물을 판별하는 오차율을 인간보다 낮은 수준으로 줄였으며, 복잡한 언어 간의 번역도 자연스럽게 수행하고 있습니다. 이러한 발전은 의료 진단이나 제조 현장의 불량 탐지 등 정밀함이 요구되는 산업 전반으로 확산될 전망입니다. 결국 인공지능은 데이터라는 자양분을 바탕으로 인류가 직면한 난제들을 해결하는 강력한 도구가 될 것입니다.

[강연] 인공지능의 실체와 미래 (1) _ by조성배 | 2017 가을 카오스 강연 '미래과학' 4강

조성배

카오스재단카오스강연
  • 물리학