안녕하세요. ㅎ
오늘은 4차 산업의 핵심이자 뜨겁게 달아오르고 있는 인공지능에 대해 알아보려고 합니다.
여러분들은 인공지능에 대해 어떻게 생각하고 계신가요?
요즘 무인 자동차, 로봇, 유튜브, 케이블티브이 등 인공지능의 사용분야가 점점 넓어지고 있답니다.
필자는 주 업무가 데이터 분석이었으나 회사에 인공지능 시스템을 도입하면서 어쩔 수 없이 배우게 됐습니다. ㅠ
암튼 본론으로 들어가 인공지능이란 말 그대로 인공으로 만들어진 지능을 말합니다.
지능이란 간단히 말하면 학습을 통해 어떠한 사고가 생기고 그 사고로 판단까지 하는 것을 말합니다.
더 쉽게 말하면 의사결정이라고 말할 수 있겠네요!
우리가 어떤 사건에 대해 의사결정을 하려면 그에 대한 지식이 있어야겠고.... 생각이라는 게 있어야겠죠?
물론 지식과 생각 없이 의사결정을 내릴 순 있습니다. 다만 틀릴 확률은 올라가겠지요.
인공지능도 같다고 볼 수 있습니다.
어떠한 데이터를 학습을 시키고 인공지능에게 의사결정을 내리게 하는 것이죠.
과거에는 사람이 하던 의사결정을 이제는 기계가 하는 시대가 됐습니다.
인공지능과 사람 지능의 차이점을 설명드리자면 사람을 똑똑한 사람과 그렇지 않은 사람으로 구분되어 있다면 인공지능은 사람이 만든 지능이기 때문에 똑똑하게 만들 것인지, 그렇지 않게 만들 것인지 사람이 정할 수 있습니다.
또 감정에 대한 부분도 차이점이라고 보면 볼 수 있지만 이는 인공지능이 발전하면 향후 충분히 구현 가능하다 생각합니다.
우리가 아는 인공지능은 머신러닝이라 불립니다. 딥러닝도 머신러닝 기법의 일종이라고 보시면 되겠습니다.
이 머신러닝을 배우기 위해선 수학, 통계, 컴퓨터 그리고 산업에 대한 지식이 필요합니다.
머신러닝은 복잡한 수학의 연산을 통해 구현되므로 수학에 대한 이해가 없다면 머신러닝을 배우실 수 없습니다.
또 머신러닝은 통계학이 그 배경을 이루고 있기 때문에 통계학 지식이 없다면 머신러닝을 이해하기 어렵습니다.
마지막으로 대부분의 머신러닝은 컴퓨터 프로그래밍으로 구현되기 때문에 프로그래밍을 할 줄 알아야 됩니다.
그리고 산업에 대해 지식이 어느 정도 있어야 그에 맞는 인공지능을 만들 수 있다고 보시면 됩니다.
그러나 현실은 통계, 컴퓨터, 인공지능, 산업에 대한 지식을 갖춘 인재가 부족하기 때문에 업계에선 대부분 인공지능 툴을 만들어 사용하고 있기 때문에 단순 취업을 목표로 하는 취업준비생의 경우 컴퓨터 프로그래밍을 후순위로 준비하시면 되겠습니다.
인공지능은 크게 3가지로 구분됩니다.
1. 약인 공지 능
- 이미 정해진 룰에 따라 문제를 푸는 정도의 인공지능으로 알파고를 생각하면 됩니다.
2. 강 인공지능
- 사람과 같은 감정, 인지능력을 갖춘 인공지능으로 터미네이터를 생각하시면 됩니다.
3. 초인공지능
- 사람을 능가하는 초인적인 인공지능으로 초인공지능 시대가 온다면 우리는 컴퓨터에 지배를 받을 것입니다.
현재까지 구현된 인공지능은 약인 공지 능이며, 강 인공지능에 대한 연구도 한창 진행 중입니다.
강 인공지능까지 개발이 완료되면 우리 삶은 한번 더 뒤바뀔 것이며, 인공지능 발전 속도를 보면 영화처럼 사람과 컴퓨터가 소통할 날이 얼마 남지 않았다고 보시면 되겠습니다.
여기까지 오늘은 인공지능에 대해 알아보았습니다.
다음 시간부터 인공지능에 대한 포스팅도 진행하려 합니다.
필주는 파이썬을 주 언어로 사용하고 있기 때문에 머신러닝 실습에 사용될 언어는 파이썬으로 하겠습니다.
파이썬 프로그래밍에 대해 알고 싶다면 아래 링크를 참고해주시면 됩니다.
파이썬 프로그래밍을 설치하고 싶다면 아래 링크를 참고해주시면 됩니다.
이상 오늘의 포스팅을 마치겠습니다.
감사합니다.
'데이터분석(Data analysis)' 카테고리의 다른 글
torch.tensor와 torch.Tensor 차이점 - Pytorch 함수 특징 (1) | 2024.02.05 |
---|---|
데이터 분석가가 알려주는 Pytorch Gradient 계산의 이해 (0) | 2023.10.22 |
어떤 그래프가 좋을까? - 데이터분석 (1) | 2020.05.02 |
머신러닝 기초, 지도학습(Supervised Learning)과 비지도학습(Unsupervised Learning), 강화학습(Reinforcement Learning)에 대해 알아보자! (0) | 2020.03.04 |