정의
- 인공지능(Artificial Intelligence, AI): 인간의 지능적 행동을 컴퓨터 시스템이 모방하도록 설계된 기술·학문 분야. 문제 해결, 언어 이해, 시각 인식, 의사결정 등을 포함한다.
- 머신러닝(Machine Learning, ML): AI의 하위 분야로, 데이터로부터 학습하여 명시적인 프로그래밍 없이 성능을 향상시키는 알고리즘과 모델을 연구·개발한다. 지도학습, 비지도학습, 강화학습 등이 주요 학습 방식이다.
역사적 배경
- 1950년대 앨런 튜링의 “컴퓨팅 기계와 지능” 논문에서 인공지능 개념이 제시되었으며, 1956년 다트머스 회의에서 공식적인 학문 분야로 정의되었다.
- 머신러닝은 1950년대 초기 퍼셉트론 모델을 시작으로, 1980년대 신경망의 재부흥, 1990년대 서포트 벡터 머신 등의 통계적 학습 방법, 2000년대 이후 대규모 데이터와 GPU 기반 연산 기술의 발전으로 급격히 성장하였다.
주요 기술 및 방법론
- 지도학습: 입력–출력 쌍(라벨)으로 학습 → 분류, 회귀 등. 예: 이미지 분류를 위한 합성곱 신경망(CNN).
- 비지도학습: 라벨 없이 데이터 구조 파악 → 군집화, 차원 축소 등. 예: K-평균, 오토인코더.
- 강화학습: 환경과의 상호작용을 통해 보상 신호 기반 정책 학습 → 게임, 로봇 제어 등. 예: 딥 Q-네트워크(DQN).
- 딥러닝: 다층 신경망 구조를 이용한 깊은 학습 모델. 이미지, 음성, 자연어 처리 등 다양한 분야에서 높은 성능을 보임.
응용 분야
- 자연어 처리(NLP): 기계 번역, 감정 분석, 챗봇 등.
- 컴퓨터 비전: 객체 검출, 얼굴 인식, 의료 영상 분석.
- 자동화 및 로봇공학: 자율주행 차량, 산업용 로봇.
- 추천 시스템: 전자상거래, 스트리밍 서비스에서 사용자 맞춤 콘텐츠 제공.
- 금융: 신용 평가, 사기 탐지, 알고리즘 트레이딩.
산업·학계 동향
- 2020년대 초반부터 대규모 언어 모델(예: GPT 시리즈)과 멀티모달 모델이 등장하면서 AI의 범용성 및 활용 범위가 확대되고 있다.
- 윤리·법적 문제(프라이버시, 편향, 책임 소재 등)가 동시에 강조되며, AI 거버넌스와 책임 있는 AI 개발에 관한 국제·국내 정책이 마련되고 있다.
관련 기관 및 표준
- 국제 표준화 기구(ISO)·IEC에서 AI와 머신러닝에 대한 기술 표준 초안을 발행하고 있다.
- 주요 연구 기관으로는 미국의 MIT, 스탠포드 대학교, 구글 딥마인드, 한국의 KAIST·ETRI 등이 있다.
요약
인공지능은 인간 지능을 모델링하려는 포괄적 분야이며, 머신러닝은 데이터를 기반으로 모델을 스스로 개선하는 핵심 기술이다. 두 개념은 상호 보완적이며, 현재 과학·산업 전반에 걸쳐 다양한 응용과 활발한 연구가 진행되고 있다.
