인공지능 AI의 개념과 종류활용분야분석및 인공지능 현주소와 활용사례분석과 인공지능의 미래전망 및 향후나아갈방향 제시

소개글

인공지능 AI의 개념과 종류활용분야분석및 인공지능 현주소와 활용사례분석과 인공지능의 미래전망 및 향후나아갈방향 제시에 대한 보고서 자료입니다.

목차

1. 인공지능의 정의

2. 인공지능의 종류

3. 인공지능 활용분야

4. 인공지능의 역사

5. 인공지능의 현주소

6. 인공지능의 우리생활 활용사례

7. 인공지능의 윤리적 문제

8. 인공지능의 미래전망

9. 인공지능이 향후 나아갈방향 제시

본문내용

인간보다 천 배 이상의 지능이 뛰어난 인공지능을 일컬음
3. 인공지능의 활용분야
- 지능형 비서
애플 Siri, 마이크로소프트 Cortana, 구글 Now, 페이스북 M
- 지능형 로봇
소프트뱅크 Pepper, MIT Jibo
- 추천시스템
구글 유튜브 (비디오), 아마존 (제품), 넷플릭스 (영화), 스포티파이, 판도라 (음악)
- 의료 진단
IBM Watson (MD 앤더슨 센터), 페이스북, 트위터 (산후우울증 추정), Enlitic, Metamind, Vuno (딥러닝 이용한 의료영상분석)
- 법률서비스 지원
ROSS Intelligence, Blackstone Discovery (기조 법률자료 조사)
- 지능형 금융서비스
싱가포르 개발은행 (우수고객 투자선호도 파악, 맞춤형 투자자문, 자산관리서비스)
- 지능형 감시시스템
이스라엘 Ioimage (차량/유실물/침입 탐지)
- 기사 작성
내러티브 사이언스 (스포츠, 기업실적 관련 기사 자동작성 포브스, AP통신) LA 타임즈 (자연재해 소식, 살인 사건 등 자동작성)
4. 인공지능의 역사
인공지능의 역사는 크게 다음과 같은 카테고리로 구분해 볼 수 있다.
1) 암흑기: AI의 탄생(1943년 ~ 1956년)
인공지능이 태동하던 시기에 여러 사람이 큰 공헌을 하였는데 먼저 워렌 맥클록 (Warren McCulloch)과 월터 피츠(Walter Pitts)는 1943년 AI 분야로 인정받은 최초 연구를 소개했으며 AI의 첫 번째 주요 논문인 ‘뇌의 뉴런 모델’(model of neurons of brain)을 발표하였다. 또한 동일년도에 인공 신경망(artificial neural networks) 모델을 제안 하기도 했다.
클라우드 섀넌(Claude Shannon)또한 힘을 보탰는데 1950년 기계에 관한 논문 발표하고 해를 찾을 때 휴리스틱을 사용해야 한다는 사실을 증명하였다. 휴리스틱(heuristic)은 경험에 기반하여 문제를 해결하거나 학습하거나 발견해 내는 방법이다. 휴리스틱에서는 특히 경험이나 직관을 사용하거나 노력을 기울여 시행착오를 거쳐서 충분히 효율적인 해답이나 지식을 얻게 된다.
존 맥카시(John McCarthy)는 기계 지능, 인공신경망, 오토마타 이론에 관심 있는 연구자를 모아 1956년 Dartmouth 대학교에서 여름 워크샵 열도록 하였으며 Dartmouth 워크샵에서 인공지능이라는 새로운 과학 분야가 탄생하였다.
2) AI의 융성 : 큰 기대의 시기(1956년 ~ 1960)
초기 AI는 ‘엄청난 열광’, ‘근사한 아이디어’, ‘매우 제한된 성공’으로 특징지을 수 있는데 반복적인 수학 계산을 위해 컴퓨터를 도입했으나, 당시 AI 연구자는 컴퓨터가 그보다 훨씬 많은 일을 할 수 있음을 보이려 하였다. 이시기에 가장 큰 역할을 한 사람은 단연 존 맥카시 (John McCarthy)로써 LISP를 정의 하였고 Programs with Common Sense 논문에서 세상의 일반적인 문제에 대한 해를 찾는 전문가 의견 청구자( Advice Taker)라는 프로그램을 제안하였다. 또한 단순 공리에 기초한 이 프로그램으로 공항에 가는 계획을 생성하는 방법을 보여주었고 다시 작성하지 않고도 다른 분야에서 새로운 공리를 사용할 수 있도록 설계하였다. 전문가 의견 청구자는 지식 표현 및 추론 중심의 원칙을 통합하는 첫 번째 완전한 지식기반 시스템이라고 할 수 있다.
민스키 (Minsky)는 형식 논리에 초점을 두었던 맥카시와 달리 지식 표현과 추론에 관한 반논리적인 사고 방식을 발전시켰고 1975년의 프레임(frame) 이론은 지식 공학에 많은 공헌을 하였다.
AI 융성의 시기에는연구자들은 광범위한 문제를 풀기 위한 일반 방법을 만들어 복잡한 사고 과정을 모의하였다. 하지만 문제 영역에 적합하지 않은 정보를 사용했고, 이는 개발한 프로그램의 성능을 저하 시키는 부작용이 있었다.
또한 이시기에는 AI 분야에 매력을 느낀 위대한 과학자들이 지식 표현, 학습 알고리즘, 신경 컴퓨팅, 단어계산과 같은 분야에 새롭고 중요한 아이디어를 제안하였다.
3) 이행되지 않은 약속 : 현실의 직면(1960년대 후반~1970년대 초반)
AI 연구자들은 1950년대 중반부터 1980년대까지는 인간 규모의 기반지식을 가진
범용 지능형 기계를 만들고, 2000년에는 인간의 지능을 넘어서게 하겠다고 약속하였으나 1970년에 이르러 그런 주장은 너무 낙관적이었다는 사실을 깨달았다. 몇몇 AI 프로그램이 현실 문제를 간단하게 만든 장난감 문제 한 두 개에서 일정 수준의 기계 지능을 보여주었으나 대부분의 AI 프로젝트는 작업의 범위를 넓히거나 더 어려운 실세계 문제를 다루지 못했다.
AI 연구자는 광범위한 문제를 해결할 일반적인 방법을 개발하고 있었기 때문에 초기 프로그램에는 특정 문제 영역에 관한 지식을 거의 포함하지 못하였고 문제를 해결하기 위해 프로그램은 해를 발견할 때까지 작은 단계들을 여러 조합으로 만들어보는 탐색 전략을 적용했다. 이는 ‘장난감 문제’과 같은 작은 문제에서 잘 동작. 그러나 어렵고 복잡한 큰 문제에서 잘 동작하지 않았다.
AI로 풀려고 한 많은 문제는 범위가 넓고 풀기도 어려웠고 초기 AI 작업은 대개 기계 번역인데 올바른 단어를 선택하려면 주제를 먼저 이해해야 한다는 사실을 알게 되었지만 이를 구현하는 것은 너무 어려운 과정이었다.
연구가 난조에 빠지면서 AI에 대한 지원도 중단되었는데 1966년에 미국 정부의 지원을 받았던 AI를 이용한 모든 번역 프로젝트 취소되었고 1971년에 영국 정부도 AI 연구에 대한 지원 중단하고 말았다.
4) 전문가 시스템의 기술 : 성공의 열쇠(1970년대 초반~1980년대 중반)
AI를 연구하던 사람들은 지능형 기계에 대한 문제 영역을 충분히 제한해야 한다는 사실을 깨달았다. 이전의 AI 연구자는 일반적이며 인간의 문제 풀이 방법을 흉내 낸 똑똑한 탐색 알고리즘과 추론 기법을 만들 수 있다고 믿었으나 그러한 방법은 실패했고 이를 통해 연구자들은 전문지식이 필요한 전형적인 영역으로 문제를 제한하고 큰 추론단계로 해결해야 실용적인 결과를 얻을 수 있다는 것을 깨닫게

키워드

AI,   4차산업혁명,   딥러닝,   인공지능,   인공지능 사례,   인공지능 활용,   인공지능 로봇,   알파고,   인공지능기술,