1. 인공 지능 (Artificial Intelligence, AI) 이란?
ㅇ 인간의 학습,추론 능력을 모방해 문제를 해결하는 컴퓨터 기술로,
- 주로, 기계학습을 통해 구현됨
ㅇ 주로, 인간의 뇌 기능과 유사하게 접근하려는 시도
- 이를 실현코자, 신경과학, 인지과학, 수학, 물리학, 전자, 전기 등 학문 간에
. 다양한 통합적 노력들이 이루어지고 있음
ㅇ 응용 例) 음성 인식, 자율 주행, 의료영상 분석 등
2. 인공 지능의 태동
ㅇ 인공 지능이라는 용어 출현 및 역사 ☞ 인공지능 역사 참조
ㅇ 발전 단계 : 논리 추론 (규칙) 기반 → 지식 (통계) 기반 → 데이터 (학습) 기반 → 생성형 AI
3. 인공 지능의 핵심 요소
ㅇ 데이터 : 인공지능 학습의 원천으로, 입력 정보이자 지식의 근간이 됨
ㅇ 알고리즘 : 데이터를 처리하고 학습,추론,판단하는 절차나 규칙의 집합
ㅇ 모델 : 알고리즘이 데이터를 학습하여 구축된 결과물 (수학적 표현체)
ㅇ 계산 자원 : 대규모 데이터와 복잡한 모델 학습을 위한 하드웨어 인프라
4. 인공 지능의 유형
ㅇ 약 인공지능 (Weak AI, ANI : Artificial Narrow Intelligence)
- 특정 작업에 특화된 인공지능
. 현재 우리가 접하는 대부분의 인공지능 시스템
ㅇ 강 인공지능 (Strong AI, AGI: Artificial General Intelligence)
- 인간과 동등하거나 뛰어넘는 지능을 가진 인공지능
. 아직까지는 이론적인 개념에 가까움
5. 인공 지능의 발전 방향
ㅇ 생성형 AI의 통합 (Generative AI)
- 기존의 '판별/분류(Classification)' 중심에서 벗어나,
- 텍스트,이미지,코드 등 새로운 콘텐츠를, `스스로 생성하는 능력`이 중요해짐
ㅇ 멀티모달 학습 (Multimodal)
- 텍스트뿐만 아니라 시각,청각 등 다양한 데이터 형태를 동시에 처리하고,
- 상호 이해하는 멀티모달 지능으로의 진화
ㅇ 에이전트 중심 (Agentic AI)
- 단순한 질문-답변 시스템을 넘어,
- 사용자 목표를 자율적으로 수행하는 AI 에이전트 구현으로,
- 실무적 활용도를 높이고 있음
ㅇ AI 윤리 및 신뢰성 (Explainable AI)
- 기술적 구현 방식을 넘어,
- 결과의 편향성 해소와 설명 가능한 인공지능(XAI)에 대한 필요성 대두