코스 AI001: 인공지능이란?
Source: Dev.to
번역할 텍스트를 제공해 주시면, 요청하신 대로 한국어로 번역해 드리겠습니다. (코드 블록, URL 및 마크다운 서식은 그대로 유지됩니다.)
인공지능이란 무엇인가?
대부분의 인공지능에 대한 설명은 인상적이지만 거의 설명이 되지 않는 정의로 시작합니다. 기계가 인간의 지능을 모방하고, 인간처럼 사고하며, 자율적으로 학습한다는 이야기를 합니다. 이러한 문구는 일리 있어 보이지만, 독자에게 명확함보다는 막연한 신비감만 남깁니다.
그러니 다르게 시작해 봅시다.
인공지능은 마법이 아니다.
인공지능은 본질적으로 불확실한 상황에서 지능적으로 보이는 방식으로 결정을 내리는 시스템을 연구하고 구축하는 학문입니다.
지능: “인공”을 붙이기 전에
누군가를 지능적이라고 부를 때 보통 그 사람이 할 수 있다는 의미입니다:
- 세상을 관찰한다
- 패턴을 이해한다
- 결정을 내린다
- 상황이 변하면 적응한다
- 목표를 효율적으로 달성한다
한 사람이 지속적으로 좋은 결정을 내리고, 실수로부터 배우며, 새로운 상황에 적응한다면 우리는 그를 지능적이라고 부릅니다—뇌 안의 정확한 신경 활동을 알지 못하더라도. AI도 동일한 외부적 관점을 적용합니다.
핵심 전환: “생각”에서 “합리적으로 행동”으로
초기 AI 연구자들은 중요한 철학적 결정을 내렸다. 다음과 같이 물어보는 대신:
“기계가 인간처럼 생각할 수 있을까?”
그들은 이렇게 물었다:
“기계가 합리적으로 행동할 수 있을까?”
시스템은 지능을 갖기 위해 감정, 의식, 혹은 자기인식이 필요하지 않다. 시스템은 자신이 알고 있는 바를 바탕으로 목표를 달성할 가능성을 최대화하는 행동을 선택하면 된다.
AI의 실용적 정의:
Artificial Intelligence is the study of rational agents.
합리적 에이전트는 다음과 같은 존재이다:
- 환경을 인식한다
- 행동을 수행한다
- 기대 성공을 최대화하는 행동을 선택한다
그게 전부다. 시적 표현도, 과장도 없다.
“에이전트”란 정확히 무엇인가?
에이전트는 다음을 할 수 있는 존재이다:
- 관찰한다 (센서를 통해)
- 행동한다 (액추에이터를 통해)
예시
- 체스 프로그램은 체스판을 관찰하고 움직임을 만든다.
- 자율 주행 차는 도로를 관찰하고 조향을 제어한다.
- 추천 시스템은 사용자 행동을 관찰하고 콘텐츠를 제안한다.
- 스팸 필터는 이메일을 관찰하고 분류한다.
에이전트가 물리적일 필요는 없다; 소프트웨어 에이전트도 로봇만큼이나 중요하다. 에이전트를 지능적으로 만드는 것은 복잡성이 아니라 의사결정의 품질이다.
Source: …
왜 AI는 어려운가 (그리고 왜 중요한가)
만약 지능이 단순히 “if‑else 규칙”이라면, AI는 수십 년 전 이미 해결됐을 것입니다. 실제 어려움은 현실 세계의 세 가지 피할 수 없는 특성에서 비롯됩니다:
불확실성
- 에이전트는 절대 완벽한 정보를 갖지 못합니다.
- 센서는 잡음이 섞이고, 데이터는 불완전합니다.
- 미래는 예측할 수 없습니다.
복잡성
- 가능한 상황의 수가 급격히 폭발합니다.
- 체스는 우주에 있는 원자보다 더 많은 가능한 게임을 가집니다.
- 언어는 무한한 조합을 가집니다.
- 현실 세계 환경은 절대로 정확히 동일하게 반복되지 않습니다.
트레이드‑오프
에이전트는 다음을 균형 있게 고려해야 합니다:
- 속도 vs. 정확도
- 탐색 vs. 활용
- 단기 vs. 장기 보상
인공지능(Artificial Intelligence)이 존재하는 이유는 이러한 모든 상황에 대해 명시적인 규칙을 작성하는 것이 불가능하기 때문입니다.
머신러닝이 위치하는 곳
Artificial Intelligence is the goal. AI는 묻습니다:
How should an agent behave?
에이전트는 어떻게 행동해야 할까요?
Machine Learning answers:
How can an agent improve behavior using data?
에이전트가 데이터를 사용해 행동을 어떻게 개선할 수 있을까요?
Before machine learning, AI systems were mostly rule‑based:
- Expert systems → 전문가 시스템
- Hand‑written logic → 손으로 작성한 논리
- Knowledge bases → 지식 베이스
These systems worked well in narrow domains but failed when:
- Rules became too many → 규칙이 너무 많아졌을 때
- The environment changed → 환경이 변했을 때
- Data grew large → 데이터가 방대해졌을 때
Machine learning allowed systems to:
- Learn patterns automatically → 패턴을 자동으로 학습
- Adapt from experience → 경험으로부터 적응
- Improve without explicit programming → 명시적 프로그래밍 없이 개선
This is why modern AI appears so powerful—it relies heavily on learning rather than rules.
지능은 이분법이 아니다
다른 오해는 지능이 가지고 있거나 없는 것이라고 생각하는 것이다. 실제로 지능은 단계적으로 존재한다.
- 계산기는 산술에서는 지능적이지만 다른 분야에서는 쓸모가 없다.
- 오늘날의 AI 시스템은 좁게 지능적이다: 특정 작업에 매우 뛰어나지만 그 외에는 전혀 알지 못한다.
이것이 현재 AI가 Narrow AI라고 불리고 General AI가 아닌 이유이다.
인공 지능 vs. 인간 지능
AI는 인간 뇌를 복제하려는 것이 아니다. 비행기는 새처럼 날개를 퍼덕이지 않지만, 더 잘 날 수 있다. 마찬가지로:
- AI는 뉴런 대신 수학을 사용한다
- 직관 대신 최적화를 사용한다
- 믿음 대신 확률을 사용한다
중요한 것은 생물학적 유사성이 아니라 성능이다. AI는 인공 인간이 아니라 인공 의사결정자이다.
간단한 실용 정의
인공지능은 불확실성 하에서 목표 달성을 최대화하도록 환경을 인식하고 결정을 내리는 시스템을 설계하는 과학이다.
- 클래식 AI 포함
- 머신러닝 포함
- 현대 딥러닝 포함
- 의식 신화 제외
왜 이 정의가 중요한가
AI를 이렇게 이해하면 다음과 같은 결과가 따릅니다:
- “생각하는 기계”를 기대하는 것을 멈춥니다.
- 의사결정 품질을 평가하기 시작합니다.
- 데이터, 목표, 제약 조건에 집중합니다.
- 한계를 명확히 인식합니다.
또한 더 나은 질문을 할 수 있게 도와줍니다:
- 에이전트의 목표는 무엇인가?
- 어떤 정보를 가지고 있는가?
- 어떤 불확실성이 존재하는가?
- 어떤 트레이드오프가 이루어지고 있는가?
이 질문들은 알고리즘보다 더 중요합니다.