2. 빅데이터와 인공지능의 개념

1. 인공지능에 대한 정의와 주요기술

1-1. 인공지능(AI)

1950년대 초, 엘런 튜링(1912~1954, 영국)이 최초로 기계학습과 인지과학 등을 연구하면서 나타난 용어로 전해지고 있다. 당시 로봇 공학을 비롯한 인공지능의 기본 개념과 방법론이 개발되었으나, 1970년대 초까지 이렇다 할 성과는 나타나지 않았으며, 컴퓨터 산업이 한창 발전한 1970년대 중반부터 1980년대 후반까지는 인공지능의 한계를 느끼며 그에 대한 연구가 활발하지 못했다. 다만, 컴퓨터를 활용한 업무처리, 행정 전산화, 온라인 자동화 등이 개발 되면서 컴퓨터 산업은 빠른 진전을 보였다.

기계가 인간처럼 사고, 행동할 수 있도록 하는 기술, 컴퓨터 과학의 한 분야로 인간의 지능을 컴퓨터 프로그램으로 구현하며, 학습, 추론, 문제 해결, 인지 기능을 수행하도록 하는 기술이다.

1-2. 주요 기술

머신러닝, 딥러닝, 로보틱스, 자연어 처리, 컴퓨터 비전

1-3. 빅데이터 

수십 개부터 수만 개에 이르는 작은 데이터들이 모이면 그것이 빅 데이터(Big Data)이다. 다만, 데이터를 캐내고(Data Mining), 모아서(Data Collection), 빅데이터를 축적하는 과정에서 반드시 해야 할 과정이 있는데 바로, 쓰레기를 골라내는 것 (Garbage Collection)이다. 이런 데이터를 관리하는 모든 기술과 방법을 “데이터 과학(Data Science)“이라고 한다.

1-4. 알고리즘 

누적된 데이터(Accumulated Data)가 정보가 되면, 이런 정보를 활용해서 수익을 창출하고 비즈니스가 될 수 있도록, 고객의 바람(Wants)과 시장의 필요(Needs)를 이끌어내기 위한 시스템을 구축하는 데 쓰이는 것이 알고리즘(Algorithm)이다.

“기계가 인간처럼 생각하고 행동할 수 있도록 하는 기술로, 컴퓨터 과학(Computer Science)의 한 분야이며, 인간의 지능을 컴퓨터 프로그램으로 구현해서, 학습, 추론, 문제 해결, 인지 기능 등을 수행하도록 하는 “논리적 기술”이다. 

1-5. 딥러닝

인공지능 로봇이 공부를 해서 더 좋은 학습을 진행한다. 즉, 신경망(Neural Network)의 다층 구조(神經 網의 多層 構造)를 사용하여 복잡한 패턴을 학습하는 방법을 “딥 러닝(Deep Learning)이라고 한다.

2. 인공지능의 중요성과 응용 분야

2-1. 인공지능의 중요성

 - 비즈니스와 일상생활의 혁신

 - 기술 및 사회 전반에 걸친 변화

 - 공장 자동화 및 인간 노동의 보조와 지원

2-2. AI - 응용분야

자율주행차량, 의료 진단, 추천 시스템, Smart Assistant, 문서작성, 번역, 길 안내, 상품구매 서비스 등

3. 인공지능의 발전과 연구 분야

3-1. 발전단계

1) 제1기(1956 ~ 1973) : 기계학습, 인지과학, 로봇공학 등 AI의 기본 개념과 방법론 개발

2) 제2기(1974 ~ 1987) : AI 한계와 어려움이 드러나고 연구가 위축

3) 제3기(1988 ~ 현재) : 컴퓨터 성능의 향상과 새로운 기술의 등장, AI 연구가 다시 활발해지고, 부분적으로 실용화된 상황

3-2. 대표적인 연구 분야

1) 빅데이터 : 방대한 양의 데이터를 분석하여 새로운 패턴이라는 의미를 발견하는 방법론

2) Machine Learning : 컴퓨터가 데이터를 학습하여 스스로 문제를 해결하는 방법론

3) Deep Learning : 인공 신경망을 이용한 머신러닝 방법