자율 AI는 더 이상 먼 꿈이 아닙니다. 최근 몇 년 동안 스스로 생각할 수 있는 로봇 개발에 상당한 진전이 있었습니다. 기계 학습, 자연어 처리 및 컴퓨터 비전의 발전으로 자율 AI가 현실이 되었습니다. 자율 주행 자동차에서 복잡한 환경을 탐색할 수 있는 드론에 이르기까지 이러한 지능형 기계는 우리가 생활하고 일하는 방식을 변화시킵니다.
자율 AI란 무엇인가요?
자율 AI는 내장된 프로그램에 의존하여 설정된 콘텐츠를 전달하거나 제공하는 기계입니다. 차량 및 기타 장치가 사람의 안내 없이 자율적으로 확장된 기동 시퀀스를 수행하도록 합니다. 인공 지능(AI)은 이미 많은 간단한 작업을 수행하는 데 도움을 줄 수 있습니다. 자율 AI는 인간의 개입 없이 현실 세계에서 일을 할 수 있습니다. 자율주행차, 챗봇 등이 대표적이다.
2020년 국가인공지능법(National Artificial Intelligence Act of 2020)은 인공지능(AI)을 다음과 같이 설명합니다.
"'인공 지능'이라는 용어는 주어진 인간 정의 목표 집합에 대해 실제 또는 가상 환경에 영향을 미치는 예측, 권장 사항 또는 결정을 내릴 수 있는 기계 기반 시스템을 의미합니다."
2020년 국가인공지능법
자율주행차가 가장 친숙하다. 그러나 연구원들이 차량 기능을 탐색하기 위해 AI를 사용하는 다른 곳이 있습니다. AI가 비약적으로 발전함에 따라 자율 주행 AI는 훨씬 더 많은 작업을 대신할 수 있습니다. 여기에는 비행 비행기, 화물 운송 및 구급차 운영이 포함됩니다. 일부 연구자들은 또한 자율 AI가 인간보다 더 효율적이고 안전하게 작업을 수행할 수 있음을 발견했습니다.
자율 모드 AI는 예상보다 복잡합니다. 연구원은 더 많은 작업을 위한 더 많은 알고리즘을 얻기 위해 더 많은 단계별 전략을 개발하고 구축해야 합니다. 이것이 이 기능을 확장하려는 목표를 달성하는 방법입니다. 우리는 AI를 통해 그 어느 때보다 더 많은 능력을 얻을 수 있습니다.
자율 AI에는 전략적 사고가 필요합니다. 이 사고 방식은 AI의 다양한 성공적인 응용 프로그램을 다룹니다. 대표적인 예가 많습니다. 머신 비전 또는 음성 인식 알고리즘을 예로 들 수 있습니다. 그들은 모두 특정한 순간에 집중합니다. 또한 사용자는 데이터베이스에 액세스하고 필요한 모든 데이터를 찾을 수 있습니다. 우리가 아는 한, 대부분의 기계 학습 애플리케이션은 거의 모든 가능한 결과의 훈련 세트를 사용합니다.
이러한 AI 자율 작업은 미래에 발생할 수 있는 잠재적인 결과를 상상해야 합니다. 가능한 문제를 예측하고 그에 상응하는 행동 방침을 설정해야 합니다. 이렇게 하면 위험 가능성을 줄이는 데 도움이 됩니다. 또한 AI 및 기타 요인의 속도를 향상시킬 수 있습니다. 우리는 이 AI들이 체스를 두는 법을 배우게 할 수 있습니다. 체스는 AI와 인간 모두에게 최고의 훈련 방법입니다.
많은 자율 장치가 인간에게 좋은 조력자가 되었습니다. 테스트를 통과한 도로 및 도구의 디지털 지도가 가장 좋은 예입니다. 이를 사용하여 특정 위치로 가는 최적의 경로를 찾을 수 있습니다. 소나 센서와 카메라를 사용하면 사람들이 잠재적인 위험을 감지하는 데 도움이 됩니다.
자율 AI의 역사
자율 AI의 역사는 인공지능이라는 개념이 처음 도입된 1950년대로 거슬러 올라간다. 그러나 1980년대가 되어서야 자율 로봇이 등장하기 시작했습니다. 최초의 자율 로봇은 1985년 MIT 교수인 로드니 브룩스가 개발했습니다. Genghis라고 불리는 이 로봇은 간단한 규칙 세트를 사용하여 환경을 탐색하고 장애물을 피할 수 있습니다. 그 이후로 자율 AI는 연구원들이 이러한 시스템을 훈련하기 위해 점점 더 복잡한 알고리즘과 머신 러닝 기술을 개발하면서 계속 발전해 왔습니다. 오늘날 자율 AI는 자율 주행 자동차에서 드론, 의료 기기에 이르기까지 다양한 산업 분야에서 사용되고 있습니다.
이 비디오는 인공 지능에 대한 미국 국무장관 Anthony Blinken의 견해를 보여줍니다.
자율 인공 지능은 어떻게 작동합니까?
자율 인공 지능은 여전히 우리에게 매우 새로운 분야입니다. 많은 연구자들이 알고리즘을 개선하고 문제 해결 방법을 찾기 위해 노력하고 있습니다. 자율 AI의 작업을 다음과 같이 나눌 수 있습니다.
- 감지 계층: 센서는 끊임없이 변화하는 세상의 모델을 구축하는 데 사용됩니다. 카메라는 종종 이 방향을 연구하기 위한 센서로 선택됩니다. 이러한 카메라는 일반적으로 여전히 레이저 또는 기타 소스의 조명으로 제어됩니다. 연구원은 또한 이러한 센서를 사용하여 GPS 또는 기타 독립 기관에서 위치 정보를 얻을 수 있습니다.
- 퓨전 레이어: 다양한 센서에서 얻은 이러한 세부 사항은 하나의 완전한 보기로 구성되어야 합니다. 이 뷰는 또한 차량 주변에서 일어나는 일을 나타내야 합니다. 이때 일부 이미지는 폐색으로 인해 보이지 않을 수 있습니다. 일부는 특정 항목을 추적하지 못할 수 있습니다. 더 일관된 정보를 추적해야 할 수도 있습니다. 이것은 센서 퓨전 알고리즘이 가장 좋은 방법인 경우입니다. 그들은 센서에서 수집된 세부 정보를 분류하고 신뢰할 수 있는 모델을 구축합니다. 이 모델은 이후 계획 단계에서 사용할 수 있습니다.
- 지각층: 시스템은 모델이 구성된 특정 영역을 식별해야 합니다. 도로, 길 또는 특정 이동 물체.
- 계획 계층: 자율 AI는 구성된 모델을 연구하여 최상의 경로를 찾습니다. 또한 매핑 소프트웨어, 일기 예보 및 교통 센서를 통해 추가 정보를 얻습니다.
- 컨트롤 레이어: 또한 해당 경로를 선택하고 이동할 때 모터와 조향 시스템이 장애물에 의해 전환되지 않도록 해야 합니다.
자율 시스템 AI가 내린 결정 정보는 센서의 최상위 계층을 통해 제어 계층으로 전송됩니다. 물론 일부 피드백 루프는 정보를 하위 계층을 통해 상위 계층으로 다시 가져옵니다. 이렇게 하면 위의 감지, 계획 및 인식 계층을 개선하는 데 도움이 됩니다.
자율 시스템 AI는 외부 소스를 통해 데이터를 가져올 수도 있습니다. 자율 시스템은 두 장치가 서로 통신할 때 특히 유용합니다. 그들은 "함대 학습"이라는 과정에서 정보를 교환합니다. 그리고 정보 수집 및 학습의 목적을 달성하십시오. 센서 융합 알고리즘을 통해 장치는 동일한 위치에 있는 다른 장치의 기록을 사용할 수 있습니다. 또한 정보에 입각한 결정을 내리는 데 도움이 될 수 있습니다. 보행자와 같이 움직이는 물체를 감지하는 예를 들어 보겠습니다. 움직이는 물체의 속도 등을 결정하기 위해 몇 초의 비디오를 사용하는 것은 어렵습니다. 그 시간 동안 사람들이 움직이지 않을 수 있기 때문입니다. 하지만 센서 데이터를 사용하여 그날 일찍 찍은 유사한 이미지와 비교한다면. 우리는 쉽게 결론을 내릴 수 있습니다.
이러한 AI 자율 시스템을 분류할 수도 있습니다. 작동에 필요한 인간 상호 작용의 양에 따라 다음과 같은 유형으로 분류할 수 있습니다.
- 직접 상호 작용 컴퓨터 시스템: 이 시스템은 거의 전적으로 운영자에 의해 제어된다고 할 수 있습니다. 우리는 또한 이 사람이 운영하는 프로세스 원격 작업이라고 부를 수 있습니다. 이 프로세스에는 위치, 태도 및 상태를 변경하기 위해 사람의 입력이 필요합니다. 우리는 굴착기, 크레인, 드론이 이런 종류의 공정을 운영하는 것을 흔히 볼 수 있습니다.
- 운영자 지원 로봇 애플리케이션: 로봇은 특정 고급 작업을 수행하기 위해 인간 조작자의 도움이 필요합니다. 동시에 이러한 로봇은 특정 활동을 수행하고 선택을 할 수 있습니다. 그러나 이러한 시스템은 작업을 완료하기 전에 감독된 사람의 입력이 필요합니다.
- 완전 자율 시스템: 이 시스템을 사용하면 작업자의 도움 없이 장기간 작동할 수 있습니다. 지연이 있을 수 있거나 직접 감독이 불가능한 외딴 지역에서 사용하기에 적합합니다.
자율성 대 AI
인공지능과 자율성의 개념은 실제로는 완전히 다릅니다. 개별적으로 또는 함께 사용할 수 있습니다. 다음과 같은 방법으로 차이점을 표현할 수 있습니다.
인공 지능 자율성 = 인공 지능 + 작업 완료 = 문제 해결
자율성을 가진 이 인공지능을 자율로봇시스템이라고 부를 수 있다. 예측 가능한 환경에서 사용할 수 있습니다. 미리 계획된 특정 환경에서 작업을 수행하는 데 도움이 됩니다. 센서는 로봇에게 위치에 대한 자세한 정보를 제공합니다. 자율 로봇 시스템은 이러한 센서에서 수집한 데이터로 작업을 수행할 수 있습니다. 그들은 상호 작용하는 모든 인공 지능 알고리즘의 모든 잠재력을 결합한다고 말할 수 있습니다. 또한 기존 소프트웨어와 AI 시스템을 결합하여 원하는 자율 시스템과 장치를 얻을 수 있습니다. 이 두 가지를 결합하면 업무에 대해 배우고 적응할 수 있습니다.
예일대 학교 인공지능에 대한 독특한 관점을 가지고 있습니다. 그들은 AI가 "전통적으로 인간 지능이 필요한 방식으로 복잡한 작업을 해결하기 위해 구축할 수 있는 시스템"이라고 생각합니다. 기존의 AI는 많은 수의 레이블이 지정된 데이터를 수집하여 일부 결과를 감지, 구성 및 생성합니다. 예를 들어 특정 자동차의 모양이 있습니다. 비디오 분석 시스템은 자동차가 어떻게 보이는지 이해하기 위해 수천 개의 자동차 사례를 살펴봐야 합니다. 그리고 이러한 모든 결과는 데이터 분석가와 AI 엔지니어가 제공하고 레이블을 지정해야 합니다.
일반적으로 AI는 자율 로봇 시스템을 생산하는 데 유용합니다. 그것들은 그 기술을 생산하기 위한 효과적인 도구이자 기술입니다. 인공 지능은 고도로 분석적이고 확장 가능한 작업을 자동으로 수행합니다. 반면 자율 AI는 인간의 도움 없이 원하는 결과를 내기 위해 다양한 행동을 한다.
약한 AI vs. 강한 AI vs. 자율 AI
인공 지능은 약함, 강함, 자율의 세 가지 유형으로 분류할 수 있습니다. 좁은 AI라고도 하는 약한 인공 지능은 특정 작업 또는 일련의 작업을 수행하도록 설계되었습니다. 이러한 시스템은 미리 정의된 규칙을 따르도록 프로그래밍되어 있으며 이러한 규칙을 넘어서 학습할 수 없습니다. 약한 인공 지능의 일반적인 예로는 챗봇, 음성 비서 및 추천 알고리즘이 있습니다.
반대로 강한 AI는 인간이 할 수 있는 모든 지적 작업을 수행할 수 있는 가상의 AI 형태입니다. 이러한 유형의 AI는 인간처럼 모든 지적 개념을 배우고 이해할 수 있습니다. 강력한 AI는 수십 년 동안 존재했지만 아직 이 정의를 진정으로 충족하는 시스템을 개발하지 못했습니다.
앞서 논의한 바와 같이 자율 AI는 일종의 자기 인식 AI 인간의 개입 없이 독립적으로 결정을 내리고 행동할 수 있습니다. 머신 러닝, 딥 러닝 및 기타 기술을 사용하여 데이터에서 학습하고 해당 학습을 기반으로 결정을 내립니다. 자율 AI는 이미 자율주행 자동차부터 제조업에 이르기까지 다양한 산업에서 활용되고 있습니다.
약한 AI와 강한 AI의 주요 차이점 중 하나는 유연성 수준입니다. 약한 AI는 특정 작업을 수행하도록 프로그래밍되어 있으며 경험을 통해 배울 수는 있지만 다시 프로그래밍하지 않고는 새로운 상황에 적응할 수 없습니다. 반면에 Strong AI는 인간처럼 새로운 작업이나 개념을 배우고 이해할 수 있습니다.
자율 AI는 특별히 프로그래밍하지 않고도 새로운 상황을 학습하고 적응할 수 있기 때문에 강력한 AI의 한 형태입니다. 그러나 자율 AI는 여전히 프로그래밍과 훈련된 데이터에 의해 제한된다는 점에 유의해야 합니다.
약한 AI와 강한 AI는 고유한 응용 프로그램과 과제가 있지만 자율 AI는 가까운 미래에 가장 적합하고 실용적인 AI 형태입니다. 잠재적으로 산업에 혁명을 일으키고 우리가 생활하고 일하는 방식을 바꿀 수 있지만 해결해야 할 중요한 윤리적 문제도 제기합니다.
자율 AI의 응용
자율 AI는 수많은 산업을 혁신할 수 있는 잠재력을 가지고 있으며 이미 다양한 방식으로 애플리케이션을 탐색하고 구현하고 있습니다. 자율 AI의 가장 두드러진 응용 분야 중 하나는 운송 분야입니다. 자율주행차는 사고를 줄이고 교통 흐름을 개선하기 위해 이미 개발 및 테스트되고 있습니다.
자율 AI는 효율성과 생산성을 향상시키기 위해 제조업에서 사용되고 있습니다. 로봇 시스템은 반복적인 작업을 높은 정확도로 수행할 수 있으며 24시간 내내 지치지 않고 작업할 수 있습니다. 이를 통해 비용을 절감하고 생산량을 늘릴 수 있습니다.
의료 산업은 특히 의료 영상 분야에서 자율 AI의 사용을 모색하고 있습니다. AI 시스템은 높은 정확도로 의료 영상을 분석할 수 있어 질병과 부상을 보다 빠르고 정확하게 감지할 수 있습니다.
금융 분야에서는 자율 AI가 금융 데이터를 분석하고 투자 결정을 내리는 데 사용됩니다. 이는 투자자가 데이터 기반 통찰력을 기반으로 더 나은 결정을 내리는 데 도움이 될 수 있습니다.
군대에서 자율 AI 시스템은 정찰 및 감시와 복잡한 작전 계획 및 실행에 사용될 수 있습니다. 자율 AI는 우주 탐사에서 원격 행성에 있는 로버 및 기타 장비를 제어할 수 있습니다.
자율 AI는 교육, 엔터테인먼트, 심지어 예술 분야에도 잠재적으로 응용될 수 있습니다. 예를 들어 AI가 생성한 음악과 예술은 이미 생성되고 있으며 자율 AI의 개발로 더욱 정교해질 수 있습니다.
자율 AI에는 한계가 있습니다
자율 AI는 아직 비교적 신생 기술이며 공급되는 데이터의 정확성에 따라 달라집니다. 데이터가 손상되거나 부정확한 경우 기계의 의사 결정 및 동작이 손상될 수 있습니다. 또한 기계는 인간만큼 "고정관념 밖에서 생각"할 수 없으며 인간의 관점이 필요한 특정 시나리오가 있을 수 있습니다. 마지막으로 일각에서는 자율 AI 기술이 일자리 대체로 이어질 가능성이 있다고 믿는다. 기계를 사용하여 특정 인간 작업을 대체할 수 있기 때문입니다.
사람의 안내와 독립적일 수 있는 이러한 AI는 모든 애플리케이션에 적합하지 않습니다. 일부 응용 프로그램은 최상의 결과를 정량화하는 데 도움이 필요하기 때문입니다. 이 경우 AI는 우리의 자동 조언자 역할을 하기에 적합합니다. 이 작업을 수행할 때 이러한 무형의 요소도 고려해야 하기 때문입니다. 우리는 또한 우리가 내린 결정에 대해 책임을 져야 합니다. 그래서 AI가 모든 것을 자율적으로 수행한다면 이런 사고가 일어나기 쉬울 것이다. 결국 우리가 감당해야 할 결과를 고려하지 않고 항상 사실에 근거하여 결정을 내립니다.
자율 AI의 윤리와 사회에 미치는 영향
자율 AI가 보편화되면서 사회에 미치는 영향에 대한 윤리적 우려가 제기되고 있다. 많은 산업이 인간 근로자를 자율 로봇으로 대체하기 시작하면서 주요 관심사 중 하나는 일자리 이동입니다. 또한 이러한 시스템이 오작동하거나 인간의 가치 또는 윤리에 반하는 결정을 내릴 가능성에 대한 우려가 있습니다. 예를 들어, 자율주행차가 보행자를 치거나 도로를 벗어나 잠재적으로 승객에게 해를 입힐 수 있는 상황 중 하나를 선택해야 하는 상황에 직면한 경우 어떤 결정을 내릴까요? 자율 AI가 계속 발전함에 따라 이러한 복잡한 윤리적 문제를 해결해야 합니다.
위와 같이 자율 인공 지능에 대해 더 잘 이해할 수 있습니다. 인공 지능의 발전은 우리에게 긍정적인 영향을 미칩니다. 지루하고 위험하며 더러운 작업에 자율 인공 지능 시스템을 사용할 수 있습니다. 이렇게 하면 필요한 작업에 더 많은 시간을 할애할 수 있습니다.
기계 학습에 대해 자세히 알아보려면 다음을 읽을 수 있습니다.
인공 지능 용어
기계 학습(ML): 데이터를 기반으로 예측 또는 결정을 내리기 위한 학습 알고리즘을 포함하는 AI의 하위 집합입니다.
인공 일반 지능(AGI): 인간과 같은 지능과 추론 능력을 발휘할 수 있는 AI의 가상 미래 개발.
딥 러닝: 여러 계층의 신경망을 사용하여 데이터에서 점점 더 복잡해지는 특징을 추출하는 ML 유형입니다.
자연어 처리(NLP): 기계가 인간의 언어를 이해, 해석 및 생성할 수 있도록 하는 AI의 한 가지입니다.
신경망: 데이터에서 패턴을 인식하는 데 사용되는 인간의 뇌 구조를 모델로 한 일련의 알고리즘입니다.
예측 분석: 통계 모델과 기계 학습 알고리즘을 사용하여 데이터를 분석하고 미래의 사건이나 추세를 예측하는 것을 말합니다.
로보틱스: 로봇의 설계, 구축, 운용을 다루는 AI의 한 분야입니다.
감독 학습: 레이블이 지정되지 않은 새 데이터의 결과를 예측하기 위해 레이블이 지정된 데이터에 대해 시스템을 교육하는 ML 유형입니다.
컴퓨터 시각 인식: 기계가 주변 세계의 시각적 정보를 해석하고 분석할 수 있도록 하는 AI의 한 가지입니다.
특이: 인공지능이 인간의 지능을 뛰어넘어 인간이 통제할 수 없는 자기 개선이 가능한 미래의 가상 시점.
인지 컴퓨팅: 인간처럼 이해하고 추론할 수 있는 시스템 구축에 중점을 둔 AI의 한 갈래.
AI 안전: 연구 분야는 첨단 AI 시스템이 인간의 능력과 자율성이 높아짐에 따라 안전하고 유익하게 유지되도록 하는 데 중점을 두었습니다.
설명 가능성: AI 시스템이 의사 결정 프로세스에 대해 명확하고 이해하기 쉬운 설명을 제공하는 능력입니다.
AI의 윤리: 편견, 프라이버시, 인간 자율성과 관련된 문제를 포함하여 AI 개발 및 배포의 윤리적 영향을 다루는 성장하는 분야입니다.
특이: 인공지능이 인간의 지능을 뛰어넘어 인간이 통제할 수 없는 자기 개선이 가능한 미래의 가상 시점.
투명도: AI 시스템의 의사 결정 프로세스가 인간 사용자에게 표시되고 이해 가능한 정도입니다.
데이터 수집: 머신러닝 알고리즘을 사용하여 대용량 데이터셋에서 패턴과 인사이트를 발견하는 과정입니다.
기계 인식: 기계가 주변 세계의 감각 입력을 해석하고 이해하는 능력.
