2. 인공지능의 세부 분야

2020/04/06 - [AI/AI 기초] - 1. 인공지능의 의미와 종류

 앞선 글을 통해 인공지능이란 무엇인지 그리고 인간의 지능을 모방한 정도에 따라, 혹은 개발 방법론에 따라 인공지능을 어떻게 분류할 수 있는지에 대해 정리해 보았다. 이번에는 인공지능 연구가 어떤 세부 분야들로 나뉘어 진행되고 있는지에 대해 정리하고자 한다.

 

인공지능의 세부 분야 (Branches of Artificial Intelligence)

 이를 분류하는 기준은 각 기관, 연구자에 따라 다양하며 기술이 발전함에 따라 가변적이다. 즉 인공지능 분야 분류의 표준은 없다. 다양한 분류 도표 중 나의 글의 흐름과 가장 유사한 다이어그램(Mills, M.(2016))을 가져왔다. 다음 글을 읽기 전 명심해야 할 점은 다음에 제시된 분야들이 따로 서술된다고 해서 서로 독립적으로 나뉘지 않는다는 것이다. 편의와 이해의 향상을 위해 임의로 나눈 것일 뿐 각 분야는 서로 영향을 미치며 발전되고 있다.

 

인공지능은 인간의 지능을 모방하는 것이다. 그렇기에 인공지능의 세부 분야 또한 이와 관련이 있다.

 

 

 왼쪽 다이어그램을 보면 인공지능은 크게 7가지 분야로 나눌 수 있다.

 

1. 전문가 시스템(Expert System)

2. 머신러닝(Machine Learning)

3. 자연어 처리(Natural Language Processing)

4. 말하기(Speech)

5. 시각(Vision)

6. 계획 수립(Planning)

7. 로봇 공학(Robotics)

 

 

인간의 지능과 각 지능을 모방하는 인공지능 기술을 다음의 표와 같이 대응시켜 이해할 수 있다.

인간	요약	인공지능
전반적인 생각, 학습	데이터 처리 분야	2. 머신러닝
시각	이미지나 영상 처리 분야	5 .시각
의사소통	음성, 텍스트 처리 분야	3. 자연어 처리
계획 수립	처리, 행동의 순서 결정	6. 계획수립
특정 분야 학습 및 활용	이전 글의 지식 기반형 인공지능 개발	1. 전문가 시스템
행동	로봇의 몸체, 행동 연구 분야	7. 로봇공학

 

1. 전문가 시스템(Expert System)

 전반적인 학습에 대한 연구가 2. 머신러닝에 해당이 된다면 특정 분야를 학습시키고 활용하는 것을 1. 전문가 시스템이라고 볼 수 있다. 사실 이는 바로 이전 글에서 다뤘던 데이터 기반형(기계학습형)과 지식 기반형에 각각 해당한다. 

 

2. 머신러닝(Machine Learning, 기계학습)

 글자 그대로 기계를 학습시키는 방법을 연구하는 분야이다. 학습 데이터를 입력하였을 때 기계가 스스로 추론하고 결정을 내릴 수 있도록 만드는 방법, 알고리즘을 연구한다. 

 

 

  기계학습의 분류는 일반적으로 기계를 학습시키는 방법의 종류에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning) 그리고 강화 학습(Reinforcement Learning)으로 나뉜다. 강화 학습을 지도 학습의 세부 분야로 넣어 분류하는 경우도 있는데 이는 이들의 의미를 각각 이해해야 하므로 나중 글에서 다룰 것이다.

 인공지능이라고 하면 '딥러닝' 혹은 '머신러닝'이라는 용어를 먼저 떠올리는 사람도 많다. 딥러닝은 머신러닝에 '인공신경망'이라는 개념이 추가된, 더 세분화된 분야이다. 인공신경망은 인간의 신경망 구조에 착안해 도입된 개념으로 인공적으로 인간의 신경망을 구현하고자 한 개념이라고 이해할 수 있다. 이는 직관적인 의미이며 머신러닝과 딥러닝의 명확한 정의와 기술적인 내용은 이후 글들을 통해 보다 자세히 다룰 것이다. 

 

 

3. 자연어 처리(Natural Language Processing, NLP)

 자연어(Natural Language, Ordinary Language)란 인간들이 일상적으로 사용하는 언어를 말한다. 자연어(음성 데이터 혹은 문자 데이터)를 입력받아 그 의미를 알아내고 응용하는 기술을 연구하는 분야가 자연어 처리이다. 어떤 기준으로 분류하느냐에 따라 자연어 처리는 수 십 가지로 나뉘기도 한다. 위에 제시된 다이어그램에 따라 정리해 보면 다음과 같다. 

기계번역(Machine Translation)	한 언어를 다른 언어로 기계가 번역해주는 기술 연구 분야. 구글 번역기가 한국어를 영어로 번역해주는 기능구현에 필요한 기술로 예를 들 수 있다.
분류(Classification)	단어, 혹은 문장들을 유의어, 비슷한 부류의 말끼리 묶어 분류하는 기술 연구 학문.
문맥 추출(Context Extraction)	문장, 문서 속에서 가장 중요한 키워드가 무엇인지 발견하거나 이름 넘어 전체적인 의미를 파악해내는 기술 연구 분야.
질의응답(Question Answering)	"한국의 수도는 어디인가?"와 같이 질문이 주어졌을 때 이에 대한 답을 기계가 자동으로 생성하고 최종 대답을 결정하는 기술을 연구하는 분야. 챗봇(chatbot) 혹은 인공지능 비서(AI Assistant)개발을 위해 필요한 기술로 예를 들 수 있다.

 

4. 말하기(Speech)

 인공지능 비서를 떠올리면 간단하다. 시리에게 말을 하면 시리는 우리의 말소리를 입력받아 텍스트로 변환하고(Speech To Text) 여러 처리를 한 뒤 대답을 텍스트에서 다시 음성 데이터로 변환(Text To Speech)해 출력한다. 컴퓨터에 입력한 문자를 읽어주는 것도 이에 포함된다.

 

5. 시각(Vision)

 아이폰의 사진 분류 기능 등을 예로 들 수 있다. 아이폰 사진 앨범의 검색 기능에 고양이라고 검색하면 고양이가 담긴 사진들을 모아 보여준다. 이를 구현하는 데 필요한, 사진, 영상 속 물체를 인식하는 기술을 연구하는 분야이다. 이는 자율 주행 자동차 기술 개발에서도 적극 활용된다. 자동차 주위의 사람, 신호등, 차선, 그 외 장애물 등의 존재와 정체를 파악하는 데 필요하다. 딥러닝 기술에 대한 설명은 시각 분야를 예시로 진행할 예정이다.

 

6. 계획 수립(Planning)

화성 탐사 로봇이 어떻게 탐사를 해 나갈 것인지, 혹은 특정 지점에서 목표 지점까지 최단 경로를 따라 이동하려면 어떻게 해야 하는가 등 다양한 행동의 순서를 결정하는 기술을 연구하는 분야이다.

 

7. 로봇 공학(Robotics)

 다른 분야들보다 하드웨어적인 측면 또한 강한 분야라고 볼 수 있다. 지능형 로봇( Intelligent Robot)은 각 상황을 인지하고 이에 맞는 행동을 한다. 물체를 옮기거나 걸음을 옮기는 등 다양한 행동이 따를 수 있다. 이에 대한 기술을 연구하는 분야이다.

 

 

 

 

 이번 글을 통해 인공지능의 세부 분야에는 어떤 것들이 있고 이들은 어떤 기술 연구를 담당하는지 간략히 설명해보았다. 다음 글은 인공지능 개발의 역사의 흐름을 다룰 예정이다.