적응형 AI는 새로운 상황이나 변화하는 환경에 적응할 수 있는 인공지능 시스템을 말합니다. 기존 AI처럼 고정된 알고리즘과 규칙만으로 작동하는 AI와는 다르게 새로운 데이터, 피드백, 경험을 기반으로 학습하고 진화할 수 있는 유연한 AI인 것이죠. 이와 관련해서 가트너는 아래 2023 전략 기술 트랜드 자료에서 적응형 AI를 소개하기도 했습니다. * 가트너(Gartner): 다국적 IT 기업 및 각국의 정부기관 등을 주 고객으로 두고 있으며 설문 조사 부분의 높은 신뢰도로 세계적으로 공신력이 큰 미국의 정보 기술 연구 및 자문 회사 요즘 아주 유명해진 ChatGPT에서 조차도 ‘한국의 현재 대통령은?’이라는 질문에 아래와 같이 정확한 답을 주지 못하고 있습니다. 물론 학습한 데이터가 예전 데이터라 어쩔 수 없겠지만요.
그렇기에 적응형 AI처럼 스스로 계속 학습하고 진화해 나가야 할 필요가 있겠죠. 그럼 오늘은 이 적응형 AI에 대해서 좀 더 자세하게 공유해 드리겠습니다. |
적응형 AI란?위에서도 간략하게 언급해 드렸지만, 적응형 AI는 변화하는 데이터와 변화하는 환경 모두에서 스스로 학습하고 적응하면서 스스로 개선하는 최신 형태의 인공 지능입니다. 기존의 AI는 정해진 규칙과 알고리즘을 따르고 있었기 때문에 장애물에 직면하면 엉뚱한 결과를 내는 경향이 있었지만, 적응형 AI는 경험을 기반으로 스스로 행동을 수정할 수 있습니다. 즉, 사람의 입력이 없어도 자체 모델을 조정하여 적응성과 탄력성이 높아지게 되는 것입니다. 그리고 이를 통해 더 나은 결과를 더 빠르게 제공해 줄 수도 있고 말이죠. 그리고 이런 적응형 AI에는 다음과 같은 몇 가지 주요 특성이 있습니다.
기존 AI를 통해 회사는 더 빠르게 작업하고 생산성을 높일 수는 있지만, 실제 적용할 때는 제한적일 수 있습니다. 따라서 적응형 AI를 통해 일상적인 상황에서 복잡한 문제에 직면할 때 더 유연하고 더 탄력적이며 더 효율적인 결과를 얻을 수 있습니다. |
적응형 AI의 요소적응형 AI가 스스로 학습하고 적응하고 개선하기 위해서는 다음과 같이 필요한 요소들이 있습니다. 머신 러닝 알고리즘 이 알고리즘을 통해서 AI는 데이터로부터 학습하고 학습을 기반으로 예측 또는 결정을 내릴 수 있습니다. 이에 대한 자세한 내용은 아래 블로그 글을 참고하시기 바랍니다. 신경망과 딥 러닝 사람의 뇌에 있는 뉴런의 상호 연결 구조에서 영감을 받은 것이 신경망입니다. 딥 러닝은 여러 계층이 있는 대규모 신경망을 사용하여 데이터의 복잡한 패턴과 표현을 학습하는 것이 포함됩니다. AI는 이러한 기술로 계층적 기능을 학습하고 이미지, 음성 인식, 자연어 처리 등과 같은 작업을 수행합니다. 전이 학습과 메타 러닝 전이 학습이란 어떤 목적을 이루기 위해 학습된 모델을 다른 작업에 이용하는 것을 말합니다. 예를 들어 자동차를 인식하기 위해 학습한 모델을 트럭 인식을 시도할 때 적용할 수 있는 것입니다. 일반적으로 신경망은 처음부터 새로 훈련하는 것보다 전이학습을 통해 업데이트하고 재훈련하는 편이 더 빠르고 간편하기 때문에 이를 사용하는 것입니다. 그리고 메타 러닝이란 학습하는 방법을 학습하는 것으로, 학습 알고리즘을 최적화하도록 훈련하여 새로운 작업을 학습하거나 변화하는 환경에 적응하는 능력을 향상시킬 수 있습니다. 진화 알고리즘 이 알고리즘은 자연 선택 개념이 사용되고 후보 솔루션의 연속 생성을 통한 최적화를 포함합니다. AI는 진화 알고리즘을 사용하여 AI 모델을 최적화하고, 기능을 선택하고, 하이퍼파라미터를 조정하여 시스템의 적응성과 성능을 향상시키게 되는 것입니다. |
적응형 AI에 대한 윤리적 과제 및 도전 과제적응형 AI는 놀라운 잠재력을 가지고 있지만 이에 대한 한계도 이해할 필요가 있습니다. 더 많은 데이터에 액세스한다고 해서 반드시 성능이 향상되지는 않습니다. 잘못된 정보를 제공받거나 제공된 데이터에서 잘못된 학습을 하게 되면 사용자와 사회에 부정적인 영향을 미칠 수 있게 되는 것입니다. 아래처럼 말이죠.
그리고 편향적인 것도 적응형 AI의 가장 중요한 문제 중 하나입니다. 이 예로 아마존은 AI로 지원자를 선택하는 채용 엔진을 포기했습니다. 왜냐하면 여성에 대해 심하게 차별적인 편향을 가지고 있었기 때문입니다.
그리고 AI의 대부라고 불리는 제프리 힌턴의 AI에 대한 경고도 있습니다.
결국 AI는 학습된 데이터를 기반으로 결과를 내기 때문에 사회 속에 존재하는 사람들의 편견, 편향, 차별 등 윤리적 문제를 해결해야 하는 과제가 있습니다. 그리고 AI가 어디까지 진화하고 어디까지 접근하느냐에 따라서 SF 영화에서 나오는 무서운 상황이 발생할 수도 있지 않을까 하는 생각도 듭니다. 그리고 이를 방지하기 위해서 기술의 발달과 함께 그에 맞는 규정도 필요할 것이고 말이죠. |
| 오늘은 적응형 AI에 대해서 소개해 드렸습니다.
적응형 AI에 대해서 정리하면서 ‘I’ll be back’을 외치던 터미네이터가 생각이 났습니다. 그러면서 AI에 대해 기술적인 생각만이 아니라, 인본주의적이고 윤리적인 것에 대해서도 깊이 고민해야 하는 시기가 아닐까 하는 생각도 들었습니다. 왜냐하면 우리는 사람들이 더 나은 삶을 살 수 있도록 노력하고 혁신하는 것이지, AI가 더 나은 삶을 살 수 있도록 노력하는 것은 아니니까요.
클라우드나 SaaS와 관련하여 다른 궁금한 점이 있으시면 언제든지 저희에게 문의해 주세요. 저희에게는 클라우드에 대한 다양한 정보와 경험, 그리고 도구가 있습니다.
|
