[딥러닝 기초이론1] AI(Artificial Intelligence)란 무엇인가

 

우리는 실생활에서 알게 모르게 굉장히 많은 인공지능들과 맞닿아 있다. 

 

AI 반도체, AI 챗봇, AI 지우개, 생성형 AI 등등,,,

 

그렇다면 AI란 무엇일까?

 

나는 AI를 한 마디로 '통계 분석 프로그램' 이라고 표현하고 싶다.

 

인공지능이 무엇인지 얘기하다가 갑자기 통계 분석 프로그램? 의문이 들 수 있다.

 

의심은 잠시 접어두고 밑의 예시를 살펴보자.

	강아지1	강아지2	강아지3
키	1m	2m	3m
무게	20kg	40kg	?

 

이 표는 강아지의 키에 따른 무게를 정리해놓은 표이다.

 

키가 3m인 강아지의 무게는 몇일까?

 

아마 대부분의 사람들이 60kg라는 결론을 냈을 것이라고 생각한다.

 

1에 20을 곱하면 20kg, 2에 20을 곱하면 40kg, 3에 20을 곱하면 60이기 때문이다.

 

이러한 우리의 자연스러운 추론 과정에, 필요와 목적에 따라 적절한 알고리즘들을 접목시켜 만든 프로그램이 바로 인공지능이다.

 

놀랍게도 우리가 실생활에서 사용하는 모든 AI가 아주 기초적으로 보이는 이 추론 과정을 기반으로 작동한다.

 

이번엔 좀 더 복잡한 예시를 들어보겠다.

수면시간(h)	1	3	5	7	9
피로도(%)	100	75	60	25	15

 

위는 수면시간과 그에 따른 피로도를 정리한 표이다.

 

강아지의 예시보다는 덜 직관적일지도 모르겠다. 하지만 수면시간이 늘어남에 따라 피로도가 줄어든다는 사실은 어렵지 않게 파악할 수 있다.

 

이를 좌표평면 위에 표현해보면,

 

 

이와 같을 것이다.

 

강아지에서의 예시에서처럼, 표에 나온 이 데이터들을 기반으로 표에 나오지 않은 수면시간들에 따른 피로도 또한 우리가 예측해 볼 수 있을 것 같다고 생각된다.

 

수면시간이 4시간일 때의 피로도(%)는 몇일까? 10시간일 때는?

 

이를 추론하는 직선을 그려보자

이제 수면시간에 따른 피로도를 의미하는 연속적인 직선이 만들어졌다. 이제부터 이 직선을 예측 모델이라고 부르겠다.

 

이 모델의 목적은 두 특성(수면시간, 피로도)간의 상관관계를 파악하는 것이고, 이 모델이 파악한 상관관계를 바탕으로 모르는 데이터에 대해서도 예측을 수행할 수 있다.

 

 

이러한 추론 과정을 딥러닝개론에서 선형회귀(Linear Regression)라고 부른다.

 

 

하지만 눈치빠른 분들은 한가지 의문이 생겼을지도 모르겠다.

 

'그 직선은 어떤 기준으로 만드는 건데?'

 

다음 포스팅에서 이에 관한 이야기를 해보도록 하겠다.