[AI] 인공지능의 역사 (2)

인공지능의 발전

 

https://www.edaily.co.kr/news/read?newsId=01279206625937512&mediaCodeNo=257

 

1960년대 이전

 

1946년 펜실베니아 대학에서 ENIAC 개발 ⁃ 큰 기대와 여러 가지 시도, 매우 제한된 성공 LISP 언어 개발 (매커시, 1958) ⁃ 논리 기반 지식표현 및 추론 퍼셉트론 (Perceptron) 모델 (로젠블랏, 1958) ⁃ 초기 신경망 모델 수단-목표 분석 (means-ends analysis) 기법 (Newell & Simon, 1958) ⁃ 범용 문제해결을 목표로 한 GPS (General Problem Solver) 개발

 

수단-목표 분석 (means-ends analysis)은 해결해야 하는 문제를 상태 (state)로 정의한다. 현재 상태와 목적 상태 (goal state) 간의 차이 계산하고 목적 상태로 도달하기 위한 조작자 (operator, 연산자) 선택 적용하는 과정을 반복한다.

 

1970년대 ~ 1980년대 초반

 

일반적인 방법보다는 특정 문제 영역에 효과적인 방법을 찾는 연구 전문가 시스템 (expert system) ⁃ 특정 영역의 문제에 대해서는 전문가 수준의 해답을 제공 ⁃ 1970년대 초반부터 1980년대 중반 상업적 성공 사례 ⁃ MYCIN, PROSPECTOR, DENDRAL 전문가 시스템 개발 도구 (expert system shell) 개발 Prolog 언어 개발 ⁃ 지식의 표현과 추론을 지원하는 논리 (logic) 기반 언어

 

대표적인 초창기 전문가 시스템은 다음과 같다.

 

MYCIN	스탠포드 대학에서 개발한 전염성 혈액 질환 진단한다. 일반 의사 보다 높은 정확도를 보인다.
PROSPECTOR	광물탐사 데이터 분석
DENDRAL	화학식과 질량 스펙트럼 데이터로부터 유기화합물의 분자구조 결정한다.

 

1980년대 중반 ~ 1990년대

 

신경망 모델 발전 ⁃ 다층 퍼셉트론(multi-layer Perceptron, MLP) : 신경망의 르네상스 ⁃ 오차 역전파(error backpropagation) 알고리즘 퍼지이론 (fuzzy theory) ⁃ 언어적인 애매한 정보를 정량화 하여표현한다. 진화 연산 ⁃ 진화 개념을 문제 해결에 도입 유전자 알고리즘, 진화 프로그래밍 등 확률적 그래프 모델 ⁃ 그래프 이론과 확률론을 결합 컴퓨터 비전, 로보틱스, 자연어 처리, 진단 등에 적용한다. 서포트 벡터 머신 (Support Vector Machine, SVM)

 

2000년대 이후

 

에이전트 (agent) ⁃ 위임받은 일을 자율적으로 처리 시맨틱 웹 (semantic web) ⁃ 컴퓨터가 웹 상의 자원을 이해하여 처리 기계학습 (machine learning) 데이터 마이닝 (data mining) 딥러닝 (deep learning)

 

튜링 테스트 최초 통과 프로그램 : Eugene Goostman

 

https://www.zdnet.com/article/computer-chatbot-eugene-goostman-passes-the-turing-test/

 

유진 구스트만은 인간과 구별이 되지 않을 정도의 컴퓨터 대화 능력 테스트인 튜링 테스트에서 승리한 것으로 일부 사람들에 의해 간주된 13세인 우크라이나 소년 캐릭터의 챗봇이다. 튜링 사망 60주년을 기념하여 진행한 이벤트에서 튜링 테스트 통과했다 (2014.6).

 

채팅 봇 : 테이 (Tay)

 

https://en.wikipedia.org/wiki/Tay_%28bot%29

 

테이는 마이크로소프트에서 개발한 인공지능 채터봇이다. 트위터를 통해 2016년 3월 23일부터 서비스를 시작하였다. 그러나 인종 차별적이고 폭력적인 메시지를 쏟아내는 문제가 발생하여 서비스 시작 16시간 만에 운영이 중단되었다.