인공지능(AI)은 컴퓨터가 언어를 이해하고 데이터를 분석하며 유용한 제안을 제공하는 등 인간의 지능이 필요했던 다양한 고급 태스크를 학습, 추론, 수행할 수 있도록 지원하는 일련의 기술입니다. AI는 사람과 사회, 그리고 세상에 의미 있고 긍정적인 변화를 가져올 수 있는 혁신적인 기술입니다.

AI는 컴퓨터 공학, 데이터 분석 및 통계, 하드웨어 및 소프트웨어 엔지니어링, 언어학, 신경 과학은 물론 철학과 심리학 등 다양한 학문을 포괄합니다. 

AI는 주변 세계를 이해하는 것부터 새로운 것을 배우고 신선한 아이디어를 떠올리는 것까지, 인간의 뇌가 할 수 있는 놀라운 일을 컴퓨터가 할 수 있도록 가르치는 것입니다. 예를 들어 AI는 광학 문자 인식(OCR)에 사용되어 다양한 이미지와 문서에서 텍스트와 데이터를 가져옵니다. 이 프로세스는 비정형 콘텐츠를 비즈니스에 사용할 수 있는 정형 데이터로 변환하여 유용한 정보를 발견하는 데 도움이 됩니다.

인공지능 기술은 다양하지만 모두 기본적으로 데이터, 알고리즘, 컴퓨팅 성능에 의존합니다. AI 시스템은 방대한 양의 데이터를 학습하고 개선되어 인간이 놓칠 수 있는 패턴과 관계를 식별합니다. 이 데이터는 학습 자료 역할을 하며, AI의 성능에 있어 데이터의 품질과 양이 매우 중요합니다.

앞서 언급한 것처럼 AI는 단일 기술이 아니라 다음과 같은 여러 핵심 영역을 포괄하는 광범위한 분야입니다.

• 머신러닝(ML): 시스템이 데이터에서 학습하여 패턴을 식별하고 직접적인 프로그래밍 없이 예측 또는 결정을 내리는 AI의 한 유형입니다. 수천 장의 새 사진을 보여주면서 컴퓨터에 새를 인식하도록 가르친다고 상상해 보세요. 컴퓨터는 새가 어떻게 생겼는지 스스로 학습합니다.
• 딥 러닝(DL): ML의 하위 분야인 딥 러닝은 여러 레이어로 구성된 인공 신경망(따라서 '딥')을 사용하여 데이터로부터 학습합니다. 이러한 네트워크는 인간 뇌의 구조에서 영감을 받았으며 이미지 및 음성 인식과 같은 복잡한 태스크에 특히 뛰어납니다.
• 자연어 처리(NLP): NLP는 컴퓨터가 인간의 언어를 이해하고 해석하고 생성할 수 있도록 합니다. 이는 Siri, Alexa와 같은 음성 어시스턴트, 번역 서비스, 챗봇을 구동합니다.
• 컴퓨터 비전: 이 영역에서는 컴퓨터가 이미지와 동영상 등 세상의 시각적 정보를 '보고' 해석할 수 있습니다. 얼굴 인식부터 자율 주행 자동차에 이르기까지 모든 분야에 사용됩니다.

AI를 시작하는 방법을 알아보고 싶으신가요? 초보자를 위한 무료 과정 Introduction to Generative AI를 들어보세요.

인공지능은 개발 단계나 수행되는 작업에 따라 여러 가지 방법으로 구성될 수 있습니다. 

이 분류는 AI 모델을 지능 수준과 문제 해결 능력에 따라 정의합니다.

• 좁은 의미의 인공지능(ANI): 현재 존재하는 유일한 형태의 AI입니다. ANI 모델은 이미지 식별, 채팅 참여, 이메일 필터링과 같은 단일한 특정 태스크를 수행하도록 설계되었습니다. 예로는 음성 어시스턴트, 얼굴 인식 기술, Gemini와 같은 생성형 AI 모델, 기타 대규모 언어 모델(LLM)이 있습니다. 이름과는 달리 ANI는 추론이나 자기 인식 기능을 갖추고 있지 않습니다. 대신 데이터와 알고리즘을 결합하여 미리 정의된 파라미터 내에서 예측을 수행합니다. ANI는 많은 이점을 제공하지만 위험도 수반합니다. 학습 데이터가 부실하면 편향되거나 부정확한 출력이 발생할 수 있으며, 이는 대출 승인, 채용 결정, 예측 치안과 같은 애플리케이션에서 치명적일 수 있습니다. 또한 사이버 범죄자는 ANI를 악용하여 정교한 AI 기반 사기를 저지를 수 있습니다. 
• 범용 인공지능(AGI): AI 기술의 미래 단계로 제안된 개념입니다. 이론적으로 AGI는 광범위한 태스크를 수행할 수 있으며 인간과 유사한 추론을 활용하여 학습, 적응, 개선할 수 있습니다. AGI는 아직 존재하지 않습니다. ANI와 달리 AGI는 적응력이 있고 자율적이며 행동을 통해 학습할 수 있을 것으로 예상됩니다. 스타워즈의 드로이드가 대표적인 가상 예시입니다. 그러나 AGI는 악의적인 행위자가 AGI를 유해한 의도로 프로그래밍할 수 있으므로 심각한 안전 및 윤리적 문제를 야기할 수 있으며, 규제되지 않을 경우 잠재적으로 무한한 파괴력을 발휘할 수 있습니다.
• 초인공지능(ASI): AI의 가장 발전된 이론적 형태입니다. ASI는 인간의 통제를 벗어나 작동하는 자기 인식이 있는 개체로, 추론, 창의성, 심지어 감성 지능까지 인간의 지능을 훨씬 뛰어넘을 것입니다. 다른 형태의 AI와 마찬가지로 ASI가 인류의 생존에 위협이 될 수 있다는 우려가 있으며, 일부 AI 연구자들은 인류 멸종을 포함한 극도로 나쁜 결과가 발생할 가능성이 무시할 수 없을 정도로 높다고 말합니다.

이 분류는 특정 맥락에서 AI가 작동하고 상호작용하는 방식에 따라 AI를 분류합니다.

1. 반응형 머신: 사전 프로그래밍된 규칙에 따라 다양한 종류의 자극에만 반응하는 제한된 AI입니다. 메모리가 부족하므로 새로운 데이터로 학습할 수 없습니다. 대표적인 예로 1997년 체스 챔피언인 가리 카스파로프를 이긴 IBM의 Deep Blue를 들 수 있습니다.
2. 제한된 메모리: 대부분의 최신 AI는 제한된 메모리입니다. 일반적으로 인공 신경망이나 기타 학습 모델을 통해 새로운 데이터로 학습되므로 시간이 지남에 따라 향상되는 메모리를 사용할 수 있습니다. 이 메모리는 단기적이며 세션이 끝나면 메모리가 재설정되는 경우가 많습니다. 예를 들어 자율 주행 자동차가 다른 차량을 관찰하거나 Gemini와 같은 챗봇이 대화에서 이전 메시지를 기억하는 경우를 들 수 있습니다.
3. 마음 이론: 마음 이론 AI는 현재 존재하지 않지만 가능성에 대한 연구가 진행 중입니다. 이 기술은 인간의 마음을 모방할 수 있고 인간과 마찬가지로 감정을 인지 및 기억하고 사회적 상황에 맞춰 반응하는 등 인간과 동일한 의사 결정 능력을 가진 AI를 설명합니다.

AI의 영향력은 광범위하고 확대되고 있으며, 우리 삶과 산업의 거의 모든 측면에 영향을 미치고 있습니다. AI가 변화를 가져오는 분야는 다음과 같습니다.

• 일상 생활: 스마트폰의 가상 어시스턴트, 스트리밍 서비스의 맞춤 추천, 이메일의 스팸 필터, Google 지도와 같은 내비게이션 앱은 모두 AI에 의존하여 작동합니다.
• 의료: AI는 의료 영상 분석을 통해 의사가 질병을 더 일찍 진단하고, 치료 계획을 맞춤화하며, 신약 개발을 획기적으로 가속화하도록 지원하여 의료 분야에 혁신을 일으키고 있습니다.
• 교통: 자율주행 차량은 AI를 사용하여 탐색, 객체 감지, 실시간 의사 결정을 통해 안전하게 운전합니다.
• 비즈니스 운영: 기업은 고객 서비스 챗봇과 금융 사기 감지부터 공급망 최적화와 마케팅 캠페인 개인화에 이르기까지 모든 분야에 AI를 사용합니다.
• 엔터테인먼트: 비디오 게임에서 AI는 더욱 현실적이고 도전적인 캐릭터를 만듭니다. 콘텐츠 제작 분야에서는 생성형 AI가 음악을 작곡하고, 스크립트를 작성하고, 멋진 시각 예술 작품을 만들 수 있습니다.

AI의 더 많은 사용 사례를 확인하고 싶으신가요? Google Cloud 블로그에서 1,000가지가 넘는 실제 생성형 AI 사용 사례를 확인하세요.

스스로 생각할 수 있는 기계라는 아이디어는 새로운 것이 아닙니다. 지능을 갖춘 인공 존재라는 개념은 수십 년 전으로 거슬러 올라가지만, 현대 AI 분야는 20세기 중반에 본격적으로 형성되기 시작했습니다. 현재 우리가 알고 있는 AI의 역사를 살펴보겠습니다.

• AI의 씨앗(1940년대~1950년대): 1940년대에 프로그래밍 가능한 컴퓨터가 발명되면서 상상력이 발휘되기 시작했습니다. 1950년, 앨런 튜링은 기계가 인간과 구별할 수 없는 지능적인 행동을 보일 수 있는지 측정하는 방법인 '튜링 테스트'를 제안했습니다. 이는 철학적, 과학적으로 매우 중요한 단계였습니다.
• 분야의 탄생(1956년): 존 매카시와 같은 선구자들이 조직한 다트머스 여름 연구 프로젝트는 AI가 학문 분야로 공식적으로 탄생한 계기로 널리 여겨집니다. '인공지능'이라는 용어가 만들어진 것도 바로 이 프로젝트였습니다.
• 초기 성공과 과제(1960년대~1970년대): 연구자들은 대화를 시뮬레이션할 수 있는 챗봇인 ELIZA와 환경에 대해 추론할 수 있는 최초의 로봇 중 하나인 Shakey the Robot과 같은 초기 AI 프로그램을 개발했습니다. 그러나 진정한 지능을 구현하는 과정의 복잡성으로 인해 자금 지원과 진전이 줄어드는 시기가 있었는데, 이를 'AI 겨울'이라고 부릅니다.
• 부활과 성장(1980년대~2000년대): 전문가 시스템의 개발과 이후 머신러닝의 부상은 AI 연구에 새로운 활력을 불어넣었습니다. 1997년 IBM의 Deep Blue가 체스 그랜드마스터를 이긴 사건은 AI의 성장하는 역량을 보여주는 획기적인 사건이었습니다.
• 현대 AI 붐(2010년대~현재): 컴퓨팅 성능의 발전, 방대한 데이터 세트의 가용성, 특히 신경망을 사용한 딥 러닝의 획기적인 발전이 현재의 AI 혁명을 촉진했습니다. 이 시대에는 산업을 혁신하는 강력한 도구가 등장했습니다.