JANGUN


인공 지능
지성을 향한 도전


지음 : 블레이 휘트비
변경옥 옮김



인공지능학에 관한 통념 두 가지
1. 인공지능학 분야가 지금까지 실패만 거듭해왔다
2. ‘인공지능학이 성공을 거두면’ 인류는 전능한 기계라는 새로운 종족의 노예가 된다.



1 인공지능학이란 무엇인가

인공지능학은, (인간과 동물 및 기계의) 지능적인 행동에 대한 연구이자, 그 같은 행동이 어떤 식으로든 인공적으로 실행될 수 있는 방법을 찾으려는 시도이다. 인공지능학의 궁극적인 목표는 인간과 동물 및 기계의 지능, 이 세 가지 전부에 깔려 있는 공통 원리를 보여줌으로써 세 가지 지능에 대해 완전한 과학적 설명을 도출해내는 것일 것이다.


2 현장에서 사용되고 있는 인공지능 기술들

해답의 탐색: 출발지점, 이동지점, 목표(해결 지점)
발견적 방법이란 경험에 바탕을 두는 것, 지식에 근거해 짐작하는 것, 혹은 문제 해결의 실마리를 찾는 것이다. 발견적 방법은 목표에 도달하는 확실한 방법은 아닌 것이다
체스 프로그램: 정적 평가함수, 알파베타 가지치기
지식기반 시스템 (전문가 시스템): IF … THEN … ELSE …, 생성규칙, 지식베이스 - 불확실성, 직관
기계학습, 패턴 인식, 데이터마이닝 : 우리는 결국 우리 자신의 학습 과정에 가장 익숙하기 때문에, 기계를 위한 문제도 우리의 학습 과정에 비추어 바라보는 경향이 있다. 기계학습의 문제는 어떻게 하면 현실세계를 정확하게 반영하는 일련의 그런 규칙들을 자동으로 생성하게 하느냐, 즉 인간이 그런 규칙들을 추론해서 손수 프로그램하지 않아도 되게 하느냐 하는 것이다. 훌륭한 데이터마이닝 소프트웨어는 패턴인식 기법을 한 가지만 사용하지 않는다. 대개 단독으로 사용될 수도 있고 결합되어 사용될 수도 있는 자료 탐색 기법을 여섯 가지 이상 제공한다.
기계학습은 원래 제기된 지식습득 문제에 대한 해결책을 찾아내지 못했는지는 모르지만, 데이터마이닝에서 그만큼 놀랍고 전적으로 유용한 어떤 것을 발견해냈다. 콜럼버스가 인도로 가는 길을 찾아 나섰다가 대신에 아메리카를 발견했듯이, 인공지능 연구자들은 우리 삶을 로봇 잡사들로 가득 채우지는 못했지만, 훨씬 더 유용한 것을 발견해왔다.


3 인공지능학과 생물학

인공지능학의 역사 내내, 연구자들은 지능의 생물학적 토대에서 영감을 찾으려는 시도를 다양한 방식으로 수없이 해왔다.
뇌에서 얻은 영감 - 신경망
역전파 알고리즘, 피드포워드 다층 신경망
진화로부터 배우기 – 유전 알고리듬
유전 알고리듬이 지닌 가장 강력한 특징 하나는 무작위 상태에서 출발한다는 점이다. 어떤 공학 문제에 대한 해답을 유전 알고리듬을 이용해 찾은 경우, 그 해답은 대개 상황이 바뀌어도 계속 유효한 경향이 있다. 그러나 인상적인 국부적 해답(적합도 함수)들은 생산해낼 수 있어도 일반적인 해답은 생산해낼 수 없다


4 풀어야 할 숙제들

분파주의


5 인공지능학의 확산

인지과학
의식의 문제 – 창발적 특성
존 설의 ‘약한 인공지능’과 ‘강한 인공지능’


6 현재와 미래의 동향

로봇들이 세계를 지배할 것인가?
인공지능학과 예술
인공 에이전트
가상 여자친구와 인공 친구