머신러닝과 AI를 시작하는 방법

매트 포드 - 2022년 6월 22일 오후 1:00 UTC

1950년대, 우리가 지금 인공지능이라고 부르는 초기에는 이 분야의 이름을 무엇으로 정할지에 대한 논쟁이 있었습니다. 논리 이론 기계와 일반 문제 해결사의 공동 개발자인 허버트 사이먼(Herbert Simon)은 이 분야가 "복잡한 정보 처리"라는 훨씬 더 진부한 이름을 가져야 한다고 주장했습니다. 이것은 확실히 "인공 지능"이 주는 경외감을 불러일으키지 않으며 기계가 인간처럼 생각할 수 있다는 생각을 전달하지도 않습니다.

그러나 "복잡한 정보 처리"는 인공 지능이 실제로 무엇인지에 대한 훨씬 더 나은 설명입니다. 복잡한 데이터 세트를 구문 분석하고 더미에서 추론을 시도하는 것입니다. AI의 현대적인 예로는 음성 인식(Siri 또는 Alexa와 같은 가상 비서 형태)과 사진 속 내용을 결정하거나 다음에 무엇을 구매하거나 볼만한지 추천하는 시스템이 있습니다. 이러한 사례 중 어느 것도 인간 지능과 비교할 수는 없지만 충분한 정보 처리를 통해 놀라운 일을 할 수 있음을 보여줍니다.

이 분야를 "복잡한 정보 처리" 또는 "인공 지능"(또는 더 불길하게 들리는 스카이넷 "기계 학습")이라고 부르는 것은 부적합합니다. 정말 놀라운 애플리케이션을 구축하는 데 엄청난 양의 작업과 인간의 독창성이 투입되었습니다. 예를 들어, 사람이 쓴 텍스트와 구별할 수 없는(그러나 웃기게도 잘못될 수도 있는) 텍스트를 생성할 수 있는 자연어용 딥 러닝 모델인 GPT-3을 살펴보세요. 이는 인간 언어를 모델링하기 위해 1,700억 개 이상의 매개변수를 사용하는 신경망 모델을 기반으로 합니다.

GPT-3 위에 구축된 Dall-E라는 도구는 사용자가 요청하는 환상적인 이미지를 생성합니다. 업데이트된 2022 버전의 도구인 Dall-E 2를 사용하면 매우 추상적인 스타일과 개념을 "이해"할 수 있으므로 훨씬 더 많은 작업을 수행할 수 있습니다. 예를 들어, Dall-E에게 "앤디 워홀 스타일로 말을 타고 있는 우주 비행사"를 시각화하도록 요청하면 다음과 같은 여러 이미지가 생성됩니다.

Dall-E 2는 유사한 이미지를 찾기 위해 Google 검색을 수행하지 않습니다. 내부 모델을 기반으로 그림을 만듭니다. 이것은 수학만으로 만들어진 새로운 이미지입니다.

AI의 모든 응용이 이처럼 획기적인 것은 아닙니다. AI와 머신러닝은 거의 모든 산업에서 활용되고 있습니다. 기계 학습은 소매 부문의 추천 엔진부터 석유 및 가스 산업의 파이프라인 안전, 의료 산업의 진단 및 환자 개인 정보 보호에 이르기까지 모든 산업에서 필수 요소로 빠르게 자리잡고 있습니다. 모든 회사가 Dall-E와 같은 도구를 처음부터 만들 수 있는 리소스를 보유하고 있는 것은 아니므로 저렴하고 획득 가능한 도구 세트에 대한 수요가 많습니다. 이러한 수요를 충족시키는 과제는 컴퓨터와 컴퓨터 프로그램이 비즈니스에 필요한 기술로 빠르게 자리잡던 초기 비즈니스 컴퓨팅 시대와 유사합니다. 모든 사람이 차세대 프로그래밍 언어나 운영 체제를 개발할 필요는 없지만 많은 기업은 이러한 새로운 연구 분야의 힘을 활용하기를 원하며 이를 지원하기 위한 유사한 도구가 필요합니다.