인공지능은 쉽게 말하면 사람처럼 보고 듣고 생각하고 판단할 수 있게 하는 기술입니다.
좀 더 정확히 설명하면 사람처럼 보고 듣고 느끼는 것은 전자 센서처럼 하드웨어 기술에 의존적이지만, 그 센서에서 수집된 데이터를 사람이 인지하는 것처럼 처리하는 기술이 인공지능의 핵심 분야입니다.
인공지능의 개념은 1956년에 처음 도입되었습니다. 그 후로 많은 전문가들에 의해서 관련 알고리즘과 기술들이 발전하였고 지금도 계속 발전중인 상태입니다.
오늘은 이런 인공지능 기술의 종류와 차이점에 대해서 알아보겠습니다.
생성형 AI, 머신 러닝, 딥러닝 차이점
얼마전까지의 과거에는 인고지능이라고 하면 보통 머신 러닝과 딥러닝을 가장 먼저 떠올렸습니다. 하지만 지금은 생성형 AI가 이슈가 되었습니다. 우선 머신 러닝, 딥러닝 차이점에 대해서 알아보고 생성형 AI에 대해서 알아보겠습니다.
머신 러닝, 딥러닝 차이점
일단 카테고리상 범위 정리부터 해보면 가장 상위에 인공지능이 있고 그 안에 머신러닝이 포함이 되고 그 안에 딥러닝이 있는 구조입니다. 즉 아래의 참고 그림처럼 딥러닝은 머신러닝의 한 종류이고 다시 머신 러닝은 인공지능의 기술 중에 하나입니다.
머신 러닝
머신 러닝은 우리가 규칙을 일일이 알려주거나 프로그래밍 하지 않아도 스스로 데이터를 학습하고 규칙을 만들어 내는 알고리즘 분야입니다. 여기에서 사용되는 알고리즘은 보통 통계적이고 경험적인 부분을 기반으로 합니다.
그래서 필요한 분야에 맞는 알고리즘들이 별도로 존재하는 경우가 많습니다.
머신러닝이 대표적으로 활용되는 분야가 통계와 산업현장의 자동화 장비, 의료, 금융 분야입니다. 대표적인 통계 소프트웨어인 R에도 다양한 머신러닝 알고리즘이 구현되어 있습니다.
딥러닝
딥러닝은 머신러닝의 알고리즘 중에서 인공신경망을 기반으로 하는 알고리즘입니다. 보통 인공신경망 알고리즘이라고 하면 딥러닝이라고 보시면 됩니다.
이 딥러닝으로 구현한 대표적인 것이 바로 우리가 잘 아는 알파고입니다. 2016년 우리나라 이세돌 기사와 알파고의 대국으로 딥러닝이 유명세를 타고 전 세계적으로 주목을 받기 시작했습니다.
그 이후로 딥러닝은 급속한 발전을 하여 구글에서 텐서플로(TensorFlow)라는 오픈 소스 기반 딥러닝 라이브러리를 공개하기도 했습니다.
현재까지도 이 텐서플로(TensorFlow)로 수많은 인공지능 소프트웨어가 개발되고 여러 분야에 활용이 되고 있습니다. 그 후에 페이스북도 2018년 파이토치(PyTorch) 딥러닝 라이브러리를 오픈소스로 공개하기도 했습니다.
그러면 ChatGPT 열풍으로 인해 알려지게 된 생성형 AI는 무엇일까요? 아래에서 자세히 알아보겠습니다.
생성형 AI
이제는 대부분의 사람들에게 잘 알려진 챗gpt, 구글 바드 그리고 최근 네이버에서 공개한 클로바X 등은 모두 생성형 AI라고 합니다. 그럼 생성형 AI는 무엇일까요?
간단히 설명하자면 딥 러닝은 단순히 수많은 데이터를 기반으로 예측하거나 분류하는 정도였다고 볼 수 있습니다.
하지만 생성형 AI부터는 스스로 데이터를 찾아서 학습하고 이를 기반으로 이용자의 특정 요구에 따라 능동적으로 결과물을 제시하는 한 단계 더 진화한 인공지능 기술이라고 보시면 됩니다.
어떻게 보면 우리가 생각해 왔던 진정한 AI의 모습에 가장 가까운 것이 생성형 AI라고 보시면 맞을 것 같습니다.
이 생성형 AI가 무서운 것은 온라인과 오프라인에서의 수많은 데이터를 빠른 시간에 학습하여 인간의 영역이라고 생각했던 창작의 영역까지 넘보고 있다는 것입니다.
그래서 최근 이 생성형 AI로 인한 거짓 정보와 컨텐츠들이 늘고 있는 추세이고 사회적 문제로 확산되고 있어서 생성형 AI에서 만들어진 허위 정보나 영상들을 예방하고 차단할 수 있는 해결책이 필요한 상황입니다.
