디지털 헬스케어 #5. 인공지능 기초 지식 : 20문 20답으로 익히기(feat.가장 쉬운 AI 입문서)

디지털 헬스케어를 주도할 기술로 인공지능을 빼놓을 수 없다. 인공지능에 대한 기초 지식을 익힐 수 있는 20문 20 답을 준비했다. 역시 나 같은 문외한들을 위한 글이다.

목차

1. 어디까지가 인공지능인가?

인공지능은 알려준 것 이상의 일을 처리할 수 있어야 한다. 즉 미지의 사물에도 대응할 수 있어야 인공지능이다.

2. AI는 전지전능한가?

아니다. 하나의 AI는 하나의 기능만을 수행한다. 여러 기능을 수행하는 것처럼 보여도, 실은 여러 AI를 조합해서 다양한 기능을 수행하는 것이다.

3. AI가 폭주해서 인간을 해할 위험이 있을까?

AI는 어디까지나 하나의 프로그램이다. 프로그램 범위 이상에서 폭주가 일어날 가능성은 매우 떨어진다.

4. AI가 강점은 무엇인가?

AI는 ‘분류’에 매우 능하다. 그리고 인간과 달리 지치지 않고 작업한다.

5. AI의 약점은 무엇인가?

AI는 창조에는 약하다. 0에서 1을 만들지 못한다. 어디까지나 사람이 데이터를 제공하거나 어떤 정보를 주고 그 안에서 컴퓨터가 학습하는 것이다.

또, AI는 정답은 모른다. 어느 정보가 진실에 가까운지 예측할 뿐이다. 무엇이 정답인지는 사람이 판단해야 한다. 다만, AI는 사람도 정답인지 모르는 문제를 예측하고 어떤 판단을 내릴 수 있다.

6. AI를 만드는 법이 정해져 있는가?

다양한 AI가 있듯이 그것을 실현하기 위한 방법 또한 매우 다양하다.

7. 머신러닝은 무엇인가?

컴퓨터 스스로가 주어진 데이터에서 규칙을 만들어내는 것이다. 사람이 처리할 수 없는 복잡하고 많은 데이터 중에서 반복되는 규칙과 패턴을 추출하여 분류하거나 예측할 수 있다. 미리 제공된 정보를 학습해서, 그 결과를 이용해 새로운 것을 예측한다.

8. Learning(학습)은 무엇인가?

사람이 제공한 불완전한 규칙을 컴퓨터가 사람이 제공한 데이터를 바탕으로 더 낫게 수정하도록 하는 행위다.

9. 머신러닝에는 어떤 것이 있는가?

머신러닝은 크게 지도형 머신러닝, 비지도형 머신러닝, 강화형 머신러닝으로 나눈다.

10. 지도형 머신러닝은 무엇인가?

미리 정답 데이터를 제공한 후, 거기에서 규칙과 패턴을 스스로 학습하도록 하는 방법이다. 데이터가 최소 몇만 개는 필요하다. 학습단계(규칙 구축)와 예측 단계(규칙 활용해서 데이터 예측)를 통해 정답 데이터에 쓰여 있지 않은 내용이 입력되어도 답을 낼 수 있다.

11. 비지도형 머신러닝은 무엇인가?

정답 데이터를 제공하지 않고 시행하는 머신러닝이다. 데이터가 갖춘 암묵적인 규칙성을 추출한다.

12. 그렇다면 비지도형 머신러닝이 지도형 머신러닝보다 우월한 것인가?

어느 한 쪽이 우월하지 않다. 적재적소가 다르다. 지도형은 분류 작업에 좋고 비지도형은 그룹화(분할)에 좋다. 예시) 스팸메일 분류에는 지도형이 좋고 클러스터링 작업에는 비지도형이 좋다.

13. 강화형 머신러닝은 무엇인가?

특정 상황에서 다양한 행동을 평가한 후, 더 좋은 행동을 스스로 학습하는 것이다. 행동 패턴의 학습한다. 일정한 규칙 내에서 가장 적합한 행동을 찾는다.

14. 딥러닝는 무엇인가?

딥러닝은 은닉층이 2층 이상 있는 인공신경망을 이용한 학습을 뜻한다. 딥러닝 또한 머신러닝의 방법 중 하나다.

15. 모든 직업은 AI로 대체될까?

AI도 잘하는 일과 서투른 일이 있다. 모든 직업이 대체되지는 않는다. 그리고 AI와 관련된 새로운 일이 생겨난다.

16. AI 때문에 새로 생겨날 일에는 어떤 것이 있는가?

크게 세 가지다. 필요한 AI를 개발하는 일, 개발한 AI를 업그레이드하는 일, AI가 했던 작업을 최종적으로 확인하는 일

17. AI를 개발하는 일은 AI 전문가만 할 수 있는가?

꼭 그런 것은 아니다. 실제 AI 개발에서 중요한 점은 바탕이 되는 대량의 데이터를 수집하는 것이다. AI에 능통할 뿐만 아니라 문제에 관한 전문적 지식과 그 문제에 적합한 데이터를 효율 있게 수집하는 능력이 중요하다.

18. 개발한 AI를 업그레이드하는 일은 어떤 것인가?

AI의 실수를 확인하고 같은 실수가 발생하지 않게 알려주는 일이다. 역시 관련 분야의 전문가의 힘이 필요하다. 어떤 데이터를 활용하면 이 실수를 고칠지 이해하고 데이터를 만드는 능력이 필요하기 때문이다.

19. AI가 했던 작업을 최종적으로 확인하는 일은 어떤 것인가?

AI가 내는 답은 어디까지나 “예측(확률)”이다. 사람이 최종 판단을 내리는 작업 유형은 증가할 예정이다.

20. 그럼 AI 시대에 어떤 능력을 갖춰야 하는가?

1. 업무지식 : 자기 분야의 전문성은 기본이다
2. AI 관련지식 : AI의 개요와 장단점을 이해하고 있는 게 중요하다
3. AI를 위한 데이터를 수집하는 능력 : AI의 성능은 학습에 쓰인 데이터가 얼마나 양질의 데이터인가에 따라서 달라진다. 양질의 데이터를 생산하고 수집하는 능력은 해당 분야의 전문가가 잘할 수 있는 일이다.
4. AI의 시선으로 문제를 바라보는 능력 : 문제를 AI 관점에서 풀어보려는 노력을 해야 한다. 스팸메일을 예시로 들면, 사람의 관점에서 스팸메일은 “필요한 메일들 사이에서 솎아내야 하는 것”이다. 그러나 AI의 관점에서 본다면 메일 전체가 분류 대상이다. AI는 미지의 메일을 스팸과 스팸이 아닌 것으로  분류할 뿐이다.
5. 여러 AI의 조합을 상상할 수 있는 능력 : 앞서 말했듯이 하나의 AI는 하나의 기능만을 한다. 더 복잡하고 정교한 일을 기계에게 시키기 위해서는 AI를 조합해야 한다.

AI에 대해 더 알고 싶은데 무엇을 공부해야 하는가?

이 글은 오니시 가나코, “가장 쉬운 AI 입문서”, 아티오 라는 책을 참조한 글이다. 나 같은 비전공자가  AI 공부를 시작하기 좋은 책이다. 바로 프로그래밍을 시작하기보다는, 이 책으로 AI에 대한 전체적인 개념을 잡고 본인의 상황에 맞게 그다음 스텝을 밟는 게 효율적이라고 생각한다.

 

참고문헌

1. 오니시 가나코, “가장 쉬운 AI 입문서”, 아티오