인공지능(AI)이란 무엇인가?

인공 지능(AI)은 기계, 특히 컴퓨터 시스템에 의한 인간 지능 프로세스의 시뮬레이션입니다. AI의 특정 응용 분야에는 전문가 시스템 , 자연어 처리(NLP), 음성 인식 및 머신 비전이 포함 됩니다.

인공 지능의 장단점

인공 신경 네트워크 와 딥 러닝 인공 지능 기술은 AI가 많은 양의 데이터를 훨씬 빠르게 처리하고 인간보다 더 정확하게 예측할 수 있기 때문에 빠르게 진화하고 있습니다. 매일 생성되는 방대한 양의 데이터는 인간 연구원을 묻게 되지만 머신 러닝 을 사용하는 AI 응용 프로그램은 해당 데이터를 가져 와서 이를 실행 가능한 정보로 빠르게 전환 할 수 있습니다. AI 사용의 주요 단점은 AI 프로그래밍에 필요한 많은 양의 데이터를 처리하는 데 비용이 많이 든다는 것입니다.

인공지능이란 무엇인가?

증강 지능 대 인공 지능

일부 업계 전문가들은 인공 지능 이라는 용어가 대중 문화와 너무 밀접한 관련이 있다고 믿고 있으며, 이로 인해 일반 대중은 AI가 직장과 생활을 전반적으로 어떻게 변화시킬 것인지에 대한 기대를 가질 수 없게 되었습니다. 일부 연구자 및 마케팅 담당자는 보다 중립적인 의미를 가진 레이블 증강 지능 이 대부분의 AI 구현이 약하고 제품 및 서비스를 개선 할 것임을 사람들이 이해하는 데 도움이되기를 바랍니다.

인간의 두뇌가 그것을 이해하는 능력이나 그것이 우리의 현실을 형성하는 방법을 훨씬 능가하는 인공 초 지능에 의해 지배되는 미래의 기술학적 특이성의 개념은 공상 과학의 영역 안에 남아 있습니다.

인공 지능의 윤리적 사용

AI 도구는 비즈니스를위한 다양한 새로운 기능을 제공하지만 인공 지능의 사용은 AI 시스템이 이미 배운 것을 강화하기 때문에 윤리적 문제를 제기합니다.

많은 고급 AI 도구를 지원하는 머신 러닝 알고리즘이 훈련에 제공된 데이터만큼 똑똑하기 때문에 문제가 될 수 있습니다. 인간은 AI 프로그램 교육에 사용할 데이터를 선택하기 때문에 머신 러닝 편향 가능성이 내재되어 있으므로 면밀히 모니터링해야합니다.

실제 프로덕션 시스템의 일부로 기계 학습을 사용하려는 사람은 윤리를 AI 교육 프로세스에 반영하고 편견을 피하기 위해 노력해야합니다. 이는 딥 러닝 및 GAN (Generative Adversarial Network) 애플리케이션에서 본질적으로 설명 할 수없는 AI 알고리즘을 사용할 때 특히 그렇습니다.

설명은 엄격한 규정 준수 요구 사항에 따라 운영되는 산업에서 AI를 사용하는 데 있어 걸림돌입니다. 예를 들어 미국의 금융 기관은 신용 발급 결정을 설명해야하는 규정에 따라 운영됩니다. 그러나 신용을 거부하는 결정이 AI 프로그래밍에 의해 결정될 때, 그러한 결정을 내리는 데 사용 된 AI 도구가 수천 개의 변수 사이의 미묘한 상관 관계를 유발함으로써 작동하기 때문에 결정이 어떻게 도달했는지 설명하기가 어려울 수 있습니다. 의사 결정 과정을 설명 할 수없는 경우, 프로그램을 블랙 박스 AI 라고합니다.

AI의 구성 요소

AI에 대한 과대 광고가 가속화됨에 따라 공급 업체는 자사 제품 및 서비스가 AI를 사용하는 방식을 홍보하기 위해 노력하고 있습니다. 그들이 AI라고 부르는 것은 기계 학습과 같은 AI의 한 구성 요소 일뿐 입니다 . AI에는 기계 학습 알고리즘 작성 및 교육을 위한 특수 하드웨어 및 소프트웨어의 기반이 필요합니다. 프로그래밍 언어 중 AI와 동의어는 없지만 Python, R 및 Java를 포함한 일부 언어가 널리 사용됩니다.

AI as a Service

AI의 하드웨어, 소프트웨어 및 인력 비용이 비쌀 수 있기 때문에 많은 공급 업체가 AI 제품을 표준 제품에 포함 시키거나 AIaaS 플랫폼에 액세스 할 수 있습니다. AIaaS를 사용하면 개인과 회사가 다양한 비즈니스 목적으로 AI를 실험하고 약속을하기 전에 여러 플랫폼을 샘플링 할 수 있습니다.

널리 사용되는 AI 클라우드 제품에는 다음이 포함됩니다.

아마존 AI

IBM Watson Assistant

Microsoft인지 서비스

구글 AI

4 가지 유형의 인공 지능

미시간 주립 대학의 통합 생물학 및 컴퓨터 과학 및 공학 조교수 인 Arend Hintze는 2016년 기사 에서 AI가 오늘날 광범위하게 사용되는 작업 별 지능형 시스템부터 시작하여 지각 시스템으로 진행하는 네 가지 유형으로 분류 될 수 있다고 설명했습니다. 아직 존재하지 않습니다. 카테고리는 다음과 같습니다.

유형 1 : 반응성 머신. 이 AI 시스템에는 메모리가 없으며 작업별로 다릅니다. 1990 년대 Garry Kasparov를 제치고 IBM 체스 프로그램 인 Deep Blue가 그 예입니다. Deep Blue는 체스 판에서 조각을 식별하고 예측할 수 있지만 메모리가 없기 때문에 과거 경험을 사용하여 미래의 것을 알 수 없습니다.

유형 2 : 제한된 메모리. 이러한 AI 시스템에는 메모리가 있으므로 과거 경험을 사용하여 향후 의사 결정에 정보를 제공 할 수 있습니다. 자율 주행 자동차의 의사 결정 기능 중 일부는 이러한 방식으로 설계되었습니다.

유형 3 : 마음의 이론. 마음의 이론은 심리학 용어입니다. AI에 적용될 때, 시스템은 감정을 이해하기 위해 사회 지능을 가질 것을 의미합니다. 이러한 유형의 AI는 AI 시스템이 휴먼 팀의 필수 구성원이되기 위해 필요한 기술인 인간의 의도를 추론하고 행동을 예측할 수 있습니다.

유형 4 : 자기 인식. 이 범주에서 AI 시스템은 자기 감각을 가지고있어 의식을 제공합니다. 자기 인식 기능이있는 머신은 자신의 현재 상태를 이해합니다. 이 유형의 AI는 아직 존재하지 않습니다.