머신러닝, 인공지능. 커피 마시며 가볍게 읽는
인공지능 로봇이 커피를 만드는 광경이 이젠 낯설지 않습니다. 여기에는 2012년에 등장하며 세상을 놀라게 했던 머신러닝(딥러닝) 기술이 들어있습니다. 이번 포스팅에서는 커피 마시며 이런 기술들에 대해 익숙해질 기회를 가져볼까 합니다.
글의 순서
인공지능, AI
인공지능 활용 예
인공지능 분야에서 다루는 문제들
머신러닝 이란
인공지능, AI
AI. 많이 들어보셨을텐데요. 인공지능을 뜻하는 AI는 Artificial Intelligence를 줄여쓴 말입니다. 인간의 지능으로 할 수 있는 일을 컴퓨터 프로그램으로 구현하는 기술이라고 할 수 있습니다.
다른 사람의 말을 듣고 기분을 알아챈다거나 ‘내 마음은 호수요‘처럼 은유적인 표현을 이해한다거나, 새로운 것을 창조해 내는 능력을 인공지능으로 나타내기는 쉽지 않습니다. 그런데, 문제 해결을 위한 답을 찾는 일이나, 지식 정보를 반복적으로 학습하여 논리적인 결론을 끌어내는 일은 인공지능으로 구현하기 쉽습니다.
인공지능 활용 예
‘커피와 인공지능’이라는 포스팅에서 손님의 주문을 알아듣는 인공지능과 바리스타를 흉내 내는 로봇 바리스타를 소개한 적이 있습니다. 인공지능이 무엇인가?에 대해 감 잡기 위해서는 인공지능을 활용한 예를 살펴보는 것이 가장 빠릅니다. 한번 나열해 보겠습니다.
(1) 챗봇, 인공지능 스피커
신용카드 고객센터 앱이나 배달앱 등에서 문자나 음성으로 대화가 가능한 상대를 만날 수 있습니다. 이 상대를 챗봇(chat bot)이라고 하는데요. 2000년 전후로 처음 나왔을 때는 몇 가지 정해진 질문에 대응하는 수준이었는데, 현재는 사람이 일상적으로 하는 말을 인식하는 수준에까지 이르렀습니다. 음성인식, 음성합성, 의미 기반의 정보탐색과 같은 기술이 사용됩니다. 인공지능 스피커, 아이폰 시리, ok 구글, 헬로 빅스비는 이런 기술을 사용합니다.
(2) 추천 서비스
인터넷 마켓에서 물건을 사면 내가 산 물건과 비슷한 물건을 추천해줍니다. 만약 주기적으로 같은 물건을 사다가 한번 건너뛸 즈음엔 자동 메시지로 알려줍니다. 유튜브 영상을 추천해 준다거나, 내가 듣는 음악과 비슷한 음악을 추천해주는 서비스도 있습니다. 이런 것들은 비슷한 그룹에 있는 사람들의 데이터를 빠르게 탐색하고 분석하며, 통계적인 의미를 도출해내는 인공지능입니다. 이 기술은 사람의 경지를 넘어선지 오래되었습니다.
(3) 자율주행자동차
원하는 속도로 달릴 수 있게 한다거나, 앞차와의 안전거리 유지, 차선 이탈 방지 등 자동차 주행과 관련된 것들을 조절하는 인공지능도 계속 발전 중입니다. 이런 기술은 자동차 곳곳에 달려있는 센서에서 수집한 정보를 기반으로 합니다. 카메라로 찍은 사진 데이터에 인공지능 기술을 접목하면 자동차에 눈을 달아주는 셈이 됩니다.
(4) 의료, 건강
의료분야에는 주로 이미지 인식 인공지능 기술을 활용하고 있습니다, 영상의학과에서 찍어 놓은 엑스레이, CT, MRI 사진 데이터들을 학습시킨 후 모델을 만들어 놓으면, 새로운 환자의 사진에서 의학적으로 문제가 있는 부분을 찾아주는 방식입니다.
이 밖에도 수술 보조 로봇, 환자들의 진료 차트 분석, 웨어러블 기기를 통한 건강관리, 질병 예측 및 치료 가이드 제시와 같은 곳에서도 인공지능이 사용되고 있습니다. 점점 더 많은 분야에서 인공지능의 활용 사례가 증가하고 있는 중입니다.
인공지능 분야에서 다루는 문제들
사실 사람의 지능이 어떻게 만들어지는지, 그 지능이 어떻게 동작하고, 어떤 작업까지 가능할지에 대해서 여전히 연구 중입니다, 그러므로 아직까지 사람과 똑같은 문제 해결 능력을 컴퓨터에 주입시킬 수는 없는 상황입니다. 그렇지만 사람의 지능을 흉내 낼 수 있는 몇 가지 방법을 개발하여 인공지능 분야에서 쓰고 있습니다. 인공지능 분야 중 4가지를 알아보겠습니다.
(1) 문제 해결(problem solving)
문제가 주어졌을 때, 이 문제 해결을 위한 작업의 시작부터 끝까지의 과정을 가장 효율적으로 수행하는 방법을 찾는 것을 말합니다. 예를 들어 네비게이션에서 실시간 교통정보를 반영하여 최적의 경로를 찾아내는 것이 대표적입니다.
(2) 추론(reasoning)
사람의 논리적 추론 과정을 컴퓨터로 시뮬레이션하는 것입니다. 전문가들의 시직을 데이터베이스에 넣어 놓은 후, 데이터를 기반으로 질문에 답하고, 새로운 결론을 도출하는 전문가 시스템이 이 분야에 해당됩니다.
(3) 학습(learning)
데이터로부터 일정한 패턴과 모델을 찾아낸 후, 분류, 군집, 연관, 예측과 같은 지능적 행위를 할 수 있게 해줍니다. 최근 머신러닝을 통해 만들어진 모델과 같은 인공지능 기술이 이 분야에 해당됩니다.
(4) 인식(recognition)
머신러닝 기법 중 신경망 모델 기반의 딥러닝 기술로 이미지, 소리 등에서 의미를 이해하는 것이 이 분야에 해당합니다. 수많은 개 사진을 학습시킨 후, 다른 개 사진을 보여주면 ‘개’라고 인식하는 기술이 이 분야에 속합니다.
머신러닝 이란
지금까지 인공지능 분야에서 다루는 문제들을 살펴봤는데요. 최근 점점 더 활용 분야를 확장하고 있는 머신러닝을 좀 더 알아보겠습니다.
머신러닝을 문자 그대로 번역해서 기계학습이라고 부릅니다. 머신러닝은 많은 양의 데이터를 수집한 후 함수 관계를 찾아내는 것으로부터 시작합니다. ‘독립 변수들이 조합되면 거기에 맞춰 어떤 특정한 결과가 있더라.’를 찾아내는 것입니다. 여기서 독립변수의 개수는 1개가 될 수도 수십개, 수백개가 될 수도 있습니다. 독립변수의 조합에 따른 함수 값(=종속변수)을 샘플 데이터 또는 표본점이라고 부릅니다.
머신러닝은 독립변수와 함수 값의 관계로부터 어떤 법칙을 찾아내는 통계적 방법의 하나입니다. 머신러닝에는 법칙을 찾아내서 예측하거나 분류하는 다양한 모델(알고리즘)이 있는데요. 이 부분은 다른 포스팅에서 좀더 심도있게 알아보겠습니다.
마치며 …
이번 포스팅에서는 커피 마시며 머신러닝과 인공지능에 대해 알아보았습니다. 이런 기술들은 드립커피나 에스프레소 커피 추출에도 점차 도입되고 있습니다. 딥러닝 기술이 점차 확대되고 있으니, 분명 좀 더 맛있는 커피를 만드는 로봇 바리스타를 계속 기대할 수 있을 것입니다. 이런 모습을 보실 때 ‘어떤 변수를 조합해서 우리가 원하는 커피 한잔이 만들어질까?’를 생각해보신다면, 머신러닝과 인공지능 기술에 한발 더 다가갈 수 있을 것입니다.
함께 참고하면 좋은 글
1. 커피와 인공지능
2. 중학수학 함수와 최고의 커피 한잔
3. 반자동 에스프레소 머신 커피 추출시간을 결정하는 변수
4. 정형용 바리스타의 핸드드립 레시피 설계 방법
5. 파이썬 데이터 분석! 데이터 분석을 위한 코딩언어 파이썬
6. 알아두면 좋을 컴퓨터 작동원리. 폰 노이만 아키텍처
참고자료
[1] 김성훈, 김태중, 박상의, 이민정, 이현아 (2021), 수학과 함께하는 AI 기초, EBS
[2] 이토 마코토(2018), 파이썬으로 배우는 머신러닝의 교과서, 한빛미디어
쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.