"인공지능 산업은 계속 성장할 수 밖에 없는 산업입니다."
"산업에 대해 공부하고, 관련 기업들에 대한 정보를 알아두는 것은 투자의 기초이자 핵심입니다. "
인공지능 대표 관련주 : 아마존, 구글(알파벳), 테슬라, 네이버, 현대차, 로보스타
| 목 차 |
| 1. 인공지능의 정의 2. 인공지능 기술분야 1) 시각지능 2) 언어지능 3) 로봇공학 |
인공지능에 대한 정의
인공지능이라는 단어는 우리 생활에 파고든지 오래됐습니다. 그런데 막상 인공지능에 대한 정의를 알고 있는지 물어보면 정확하게 답변을 하는 사람은 많지 않습니다. 그럼 인공지능의 정의는 무엇일까요?
인공지능의 사전적인 의미는 다음과 같습니다.
|
그럼 인공지능에 대한 기술적 의미는 무엇일까요?
인공지능(AI)은 학습, 문제 해결, 패턴 인식 등과 같이 주로 인간 지능과 연결된 인지 문제를 해결하는 데 주력하는 컴퓨터 공학 분야이며, 컴퓨터에서 음성 및 작성된 언어를 보고 이해하고 변역하고 데이터를 분석하고 추천하는 기능을 포함하여 다양한 공급 기능을 수행할 수 있는 기술입니다.
인공지능 기술분야
인공지능 기술분야에서 가장 대표적으로 활용하는 기술은 시각지능, 언어지능, 기계학습, 음성지능, 로봇공학 등이 있습니다. 여기에서 인공지능 기술에서 범용적으로 활용하는 기계학습은 인공지능의 인프라 기술이라고 할 수 있습니다. 그래서 시각지능, 언어지능(음성지능 포함), 로봇공학에 대해서 세부적으로 살펴보았습니다.
1) 시각지능
이미지와 동영상을 실시간으로 처리하고 내용을 분석하여 사물의 종류, 위치, 동작 등을 이해하는 것입니다. 대표적으로는 자율주행 기술이나 딥페이크 기술이 이에 해당합니다.
영화에서 보면 인물의 걸음걸이, 어깨 구부러짐 정도 등 정보를 입력하면 CCTV를 통해 인물을 추적하는 장면을 종종 볼 수 있습니다. 이런 부분이 바로 인공지능의 시각지능을 이용한 기술이라고 볼 수 있습니다. 물론 아직 기술 수준은 티비, 영화에서 보여주는 이런 장면을 구현하는 단계까지는 이르지 못한 상태입니다. 하지만 우리가 일상적으로 사용하는 스마트폰의 지문인식, 안면인식, 홍채인식, 테러범이나 범죄자의 얼굴을 식별하는 기술 등 지속적으로 기술 수준은 높아지고 있습니다.
시각지능은 입력한 이미지나 영상 데이터에서 객체를 인식함으로서 학습을 하게 됩니다. 전체 이미지에서 배경과 구분되는 객체 영역을 식별한 후 분리된 객체 영역의 특징을 분석하여 객체 정보를 얻어내게 됩니다. 인공지능 학습 프로그램에 대량의 이미지 데이터를 입력하여 학습을 하게 되며 지도 또는 비지도 학습 방식 모두 활용되고 있습니다.
이미지 학습을 위해 활용하는 대표적 알고리즘으로는 2단계 방식(Two-stage Object Detection)인 Faster R-CNN(Convolution Neural Network), R_FCN(Fully Convolution Network) 등의 알고리즘과 단일 단계 방식(Single Stage Object Detection)인 YOLO(You Only Look Once), RetinaNet 등이 있는 것으로 알려져 있습니다.
- Two-stage Object Detection : Region Proposal 수행 후, Classification, Regression 수행
- Single Stage Object Detection : Region Proposal, Classification, Regression을 동시에 수행
| R-CNN | R-FCN | |
| Image 인식을 수행하는 Convolution Neural Network과 Localization을 위한 Regional Proposal 알고리즘을 연결한 모델 | 여러 Convolutional Layer를 사용하여 Position Score Maps를 생성하고, Map에는 공간정보를 담아 활용하는 알고리즘 모 | |
인공지능이 학습을 통해 객체를 인식하게 되면 객체를 기반으로 이미지가 제시하고 있는 상황을 판단합니다. 그리고 인공지능은 상황 판단을 근거로 하여 영상과 이미지 합성, 변환, 편집을 수행하게 됩니다. 이런 기술이 딥페이크 기술이나 VR기술에 활용되는 것입니다.
2) 언어지능
인공지능의 언어학습은 인간이 일상적인 방법으로 사용하는 언어를 이해하고 대화하는 것을 최종 목표로 하는 분야입니다. 우리가 일상적인 방법으로 사용하는 언어를 자연어(Natural Language)라고 합니다. 자연어 처리(Natural Language Processing)는 이런 자연어의 의미를 분석하고 컴퓨터가 처리하여 일하는 것을 의미합니다.
- 자연어처리(Natural Language Processing)
| 1) (활용분야) 음성 인식, 내용 요약, 번역, 사용자의 감성 분석, 텍스트 분류작업(스팸메일 분류, 뉴스 기사 카테고리 분류), 질의 응답 시스템, 챗봇과 같은 곳에서 사용되는 기술 2) (기술현황) 인간과 기계 간 통신에 대한 관심 증가와 더불어 빅데이터, 강력한 컴퓨팅 및 향상된 알고리즘의 가용성 덕분에 비약적으로 발전하고 있는 기술분야 |
인공지능이 언어학습을 하는 방식은 사람의 목소리를 디지털 데이터로 변환하는 방식으로 이루어집니다. 음성데이터에 있는 주기성과 동기성을 파악하여 주파수 영역을 분리하는 방식을 사용합니다.
텍스트를 학습하는 방식은 사용자가 직접 텍스트를 입력한 내용을 통해 이루어지며, 이미지를 통한 문자 인식은 사진이나 영상에서 텍스트를 추출함으로서 인공지능이 학습할 데이터를 분리하게 됩니다. 이 때 Optical Character Recognition (OCR) 이라는 텍스트 이미지를 인공지능이 읽을 수 있는 텍스트 포맷으로 변환하는 과정이 사용됩니다.
| OCR 작동 방식 및 방식별 설명 | |
| 1) 이미지 획득 | 스캐너를 통해 문서를 읽어들여 이진 데이터로 변환합니다. 스캔된 이미지를 분석하고 밝은 부분을 배경으로, 어두운 부분을 텍스트로 분류합니다. |
| 2) 전처리 | OCR 소프트웨어는 먼저 이미지를 정리하고 오류를 제거하여 읽을 수 있도록 준비합니다. |
| 3) 텍스트 인식 | 텍스트 인식에 사용하는 OCR 알고리즘은 2가지 유형은 패턴 매칭 및 특징 추출입니다. |
- 패턴 매칭: 글리프라고 하는 문자 이미지를 격리해서 유사하게 저장된 글리프와 비교하여 작동합니다. 패턴 인식은 저장된 글리프가 입력된 글리프와 비슷한 폰트 및 크기를 가진 경우에만 작동합니다. 이 방법은 잘 알려진 폰트로 입력된 문서의 스캔 이미지에서 잘 작동합니다.
- 특징 추출 : 글리프를 선, 닫힌 고리, 선 방향 및 선 교차와 같은 특징으로 나누거나 분해합니다. 그런 다음 이런 특징을 사용하여 다양하게 저장된 글리프 가운데 가장 정확히 일치하거나 근사치에 가까운 글리프를 찾아내게 됩니다.
*글리프(Glyph) : 글꼴 데이터에서 글자 하나의 모양에 대한 기본 단위
언어학습을 위한 알고리즘으로는 Cocke-Younger-Kasmi(CYK) 알고리즘, 그래프 알고리즘의 일종인 Maximum Spanning Tree(MST) 등이 있습니다.
CYK 알고리즘 : 특정한 문자열에 대해, 그 문자열이 특정한 문맥 자유 문법에 속하는지를 판단하고, 또한 어떤 방식으로 생성되는지를 단단하는 파싱 알고리즘입니다.
MST 알고리즘 : 최대 신장 트리(MST)는 신장 트리 중에서 간선의 길이가 가장 긴 그래프를 의미합니다.
3) 로봇공학
로봇공학의 개념은 예전부터 존재했습니다. 인공지능의 발전과 더불어 대두된 개념은 바로 지능형 로봇입니다. 인공지능의 발전 뿐 아니라 메타버스, 클라우드 등과 같이 개별 ICT 기술이 발전함에 따라 기술 간의 융합이 일어난 결과물로 생각할 수 있습니다.
로봇이 주변 환경을 인식하기 위해서는 인간의 감각과 같은 역할을 할 수 있는 센서가 필요합니다. 센서에는 접촉식/비접촉식, 계측용, 동작용 등 인간의 움직임을 구현하기 위해 다양한 센서가 존재하고 새로운 종류의 센서 또한 지속 개발되고 잇습니다. 주변 환경에 대한 정보를 기계가 이해할 수 있는 디지털 언어로 변환하여 로봇에게 전달하는 것이 지능형 로봇이 주변과 상호작용하는 방법입니다.
지능형 로봇은 주변 환경(작업 환경)에 따른 알고리즘을 사용해야 합니다. 일반적으로 주변의 환경을 센싱하고 이를 로봇이 이해할 수 있도록 센싱한 내용을 처리해서 통신을 통해 로봇에 전달함으로서 로봇이 학습하도록 합니다.
지능형 로봇에서 핵심은 실시간 동작 제어 기술입니다. 아무리 다양한 센서를 부착하더라도 모든 상황을 관찰하기는 쉽지 않으며 인간이나 다른 로봇 등과 협업하는 과정에서 다양한 변수가 발생하기 때문입니다. 그래서 위험 예측 기반의 정밀 제어 기능이 필수적이라고 할 수 있습니다.
지능형 센서는 발생할 수 있는 위험과 확률에 대한 계산, 그리고 행동 원칙은 서버에서 수립하더라도, 현장의 센서에서 수집한 정보를 바탕으로 위험 요인을 식별하고 대응하는 것은 단말에서 이루어져야 하기 때문에 중요하다고 볼 수 있습니다. 특히 의료와 같이 현장에서 사람의 생명과 직접적으로 연결될 수 있는 산업에서는 매우 중요하며, 사람과 협업을 할 수 있는 산업현장에서는 가치가 계속 증가할 것입니다.
출처: 투이컨설팅, : AI, 현재와 미래-1부. 인공지능 기술은 어떻게 분류되는가?
by. POLF
'[POLF] 재테크' 카테고리의 다른 글
| 메타버스(Metaverse)의 정의, 핵심 기술, 대표 기업 (4) | 2022.12.22 |
|---|---|
| 인공지능 기술. 2부 - 인공지능 핵심 기술과 관련 기업 (0) | 2022.12.18 |
| 미국 소매판매(Retail Sales) 의 정의 및 주식시장에 대한 영향 (0) | 2022.12.16 |
| 2022년 12월 FOMC 결과 리뷰 (0) | 2022.12.15 |
| 합성생물학의 정의와 활용 분야, 그리고 관련 기업 (0) | 2022.12.14 |
댓글