AI 산업에 대한 이해(1): 산업의 이해 및 세그먼트 분류
목차
해당 글은 AI 산업에 대한 심층 이해가 아닙니다. AI 산업 리서치하기 전, 뉴런분들이 약간의 통찰력을 얻었으면 좋겠다는 의도로 작성되었습니다. 목차는 다음과 같습니다
AI 산업에 대한 이해(1): 산업의 이해 및 세그먼트 분류
AI 산업에 대한 이해(2): 관련 산업의 세그먼트 분류: 서비스편 (링크 - 작성 중)
AI 산업에 대한 이해(3): 관련 산업의 세그먼트 분류: 인프라편 (링크 - 작성 중)
24.10.04 - 우리 커뮤니티 내에서 AI 산업 리서치가 구현되어 있지 않아 작성하게 되었습니다. 또한 Valley AI 산업리서치 목차를 참고하여 작성하였습니다. 그러므로 Valley AI 커뮤니티 외부로 퍼가는 것을 삼가주시기를 부탁드립니다(뭔 대단한 글 썼다고 이런 말하는지 모르겠네요..) 리서치는 마무리되었는데.... 개인적인 공부가 많아 나머지 목차는 올해 안으로 꼭 작성하겠습니다. 글 읽어주시는 분들께 도움이 되었으면 좋겠습니다. 보완할 점이 있다면 댓글로 남겨주시면 수정하겠습니다. 감사합니다.
1. 산업에 대한 이해
1.1. AI 산업의 정의
인공지능(Artificial Intelligence; AI) 은 인간의 지적능력을 기계로 구현하는 과학기술로 정의할 수 있습니다. Google, Amazon 등의 기업도 마찬가지로 AI는 인간의 지능과 관련된 컴퓨터 공학, 데이터 분석, 엔지니어링, 언어학, 신경과학, 철학, 심리학 등의 인지적 문제를 해결하는 데 주력하는 컴퓨터 공학이라고 정의하고 있습니다. 학계에서는 약한 인공지능(Weak AI), 강한 인공지능(Strong AI), 초인공지능(Super AI)으로 AI의 진화 단계를 구분하고 있습니다. 약한 인공지능(Weak AI)은 스스로 사고하며 문제를 해결하는 능력이 없는 컴퓨터 기반의 AI를 말합니다. 그 예로 구굴의 알파고, Chat GPT 등이 있습니다. 이에 반해 강한 인공지능(Strong AI)은 스스로 사고하며 문제를 해결할 수 있는 컴퓨터 기반의 AI로 스스로 지각할 수 있는 독립성을 갖추었습니다. 가장 진보한 기술이라고 할 수 있는 초인공지능(Super AI)은 인간의 지능을 훨씬 뛰어넘는 AI를 뜻하며 효율, 자기 보존, 창의성, 자원 획득 등의 원초적인 욕구를 기반으로 끊임없이 자가발전할 수 있는 AI를 말합니다.
현재 Chat GPT, 구글 Gemini와 같은 인공지능 기술은 약한 인공지능(Weak AI)을 뜻합니다. 강한 인공지능부터는 현재 존재하지 않으며, 이론적인 개념이 머물러 있습니다. 그렇다면 스스로 사고하며 문제를 해결하는 능력이 없는 약한 인공지능(Weak AI)은 어떤 종류가 있고, 어떻게 산업에서 활용되고 있을까요?
1.2. 다양한 AI 기술에 활용되는 핵심 개념: 기계 학습(Machine Learning)
1.2.1. 기계 학습(Machine Learning)
▨ 정의
기계 학습은 컴퓨터가 데이터를 이용하여 스스로 학습하고, 학습한 데이티를 바탕으로 미래의 데이터를 예측하거나 결정을 내리는 것입니다. 여기서 인간의 개입이 없이도 '신경망', '딥 러능'을 사용하여 컴퓨터가 자율적으로 학습하고고 개선하는 것이 기계학습의 중요한 핵심입니다.
많은 양의 데이터를 제공하여 명시적으로 프로그램하지 않고도 컴퓨터가 학습하는 능력을 갖게 하는 기술(Arthur Samueal, 1959).
▨ 기계학습의 종류
기계 학습은 주어진 데이터와 목표에 따라 크게 세 가지로 나뉩니다. 이는 데이터에 라벨의 유무, 학습에 목표를 제시 여부에 따라 구분됩니다. 그 종류로 지도 학습, 비지도 학습, 강화 학습이 있습니다.
지도 학습(Supervised Learning): 지도 학습은 라벨이 있는 데이터를 이용하여 학습하는 방법입니다. 입력과 정답이 모두 주어지며, AI 모델은 주어진 데이터(정답)를 통해 입력과 출격 간의 관계를 학습합니다. 2020년부터 N잡을 위한 데이터 라벨러라는 부업이 성행하고 있는데, 이는 AI 지도 학습을 위한 작업이라고 할 수 있습니다. 지도학습의 예시로는 여러 사진을 분류하는 작업에서 '사람', '자동차', '고양이', '개'라는 라벨을 붙임으로써, AI 모델은 라벨을 학습해 새로운 사진을 입력받았을 때 사람, 동물, 그리고 물체를 구분하고 분류할 수 있게 됩니다. 뒤에서 설명할 비지도 학습(Unsupervised Learning) 은 군집화(Clustering)를 통한 데이터 학습을 하지만, 지도 학습(Supervised Learning)은 분류(Classsification)를 통해 데이터 학습하는 것이 두 방식의 큰 차이입니다. 지도학습은 자율주행, 딥페이크 방지, 안면인식, 번역, 이미지 데이터 등에 AI 산업에서 가장 광범위하게 활용되는 머신러닝 기술입니다.
출처: AI 타임즈
비지도 학습(Unsupervised Learning): 비지도 학습은 라벨이 없는 데이터를 사용하지만, AI 모델이 입력세트에서 패턴과 상관관계를 찾아내는 머신러닝 알고리즘입니다. 다시 말해서, 알고리즘 결과물이라고 하는 출력값을 미리 제공하지 않고, 데이터의 내재된 구조나 패턴을 발견하는 방법으로 학습하는 방식을 말합니다. 비지도 학습의 종류는 크게 2가지로 나뉩니다. 군집화(Clustering)는 비슷한 특성을 가진 데이터끼리 그룹화하는 AI 모델작업이며, 차원 축소(Dismensionality Reduction)는 불필요한 데이터를 줄여 중요한 특성만을 남기는 방식을 뜻합니다. 그 외에도 밀도 추정, 공간 변환 등을 통해 정보를 학습하며, 이는 데이터를 처리하고 통계기법에 활용됩니다. 주로 산업에서 활용되는 방식은 군집화입니다. 군집화(Clustering)에 대한 시각 데이터 처리방식에 대한 예로는 자동차를 보고 컴퓨터가 스스로 색상, 혹은 차량의 형태에 따라 군집화하여 분류할 수 있습니다. 주로 산업에서는 고객 데이터를 분석하는 데 활용합니다. 고객의 행동패턴을 분석하여, 비슷한 특정 행동 패턴을 보이는 그룹끼리 군집화할 수 있습니다. 이를 통해 고객을 특성을 세분화하여 관리할 수 있습니다. 그러나 비지도 학습은 어떤 관점에서 군집을 나눴는지 언어로 표현하지 않으므로, 사람이 해석하기 어려울 때도 있다.
강화 학습(ReinForcement Learning): 강화 학습은 컴퓨터 에이전트가 여러 환경과 상호작용하며 시행착오를 통해 학습하는 방법입니다. AI 알고리즘이 다양한 시도를 통해 최적의 결과를 도출할 수 있는 조합을 찾아가는 훈련 방식으로, 주된 특징은 행동(action), 상태(state), 보상(reward) 간의 관계를 어떻게 설정하느냐입니다. 예를 들어, 체스, 바둑, 퐁(Pong), 미로, 둠과 같은 게임에서 승리라는 목표 행동을 설정함으로써 컴퓨터가 스스로 주어진 환경에서 전략을 학습할 수 있도록 합니다. 이세돌 9단을 이긴 알파고가 강화학습의 대표적인 예시입니다.
미로게임에 대한 강화학습 예시 (Berseth et al., 2021)
▨ 기계 학습의 역사(요약)
초기 단계(1950 ~ 1970): 실질적인 프로그램 개발은 1952년 IBM에서 근무하던 아서 사무엘(Arthur Samueal)이 최초의 머신러닝이라고 할 수 있는 체커 프로그램을 개발하는 것으로부터 시작되었습니다. 초기에는 앨런 튜링(Alan Mathison Turing)의 '튜링 테스트' 개념이 등장하며, 기계가 인간처럼 사고할 수 있는지에 대한 논의부터 시작되었습니다. 57년에 이르러, 로젠 블랫이 고안한 알고리즘 '퍼셉트론(Perceptron)'이 개발되어, 인공 신경망의 기본 개념이 제안되었습니다. 이는 현대 신경망모델의 원시적인 초기 모델입니다.
고전적인 머신러닝 기법들의 개발(1980 ~ 1990): 해당 시기부터 지도 학습, 비지도 학습과 같은 AI 학습기법들이 발전하였습니다.
신경망과 딥러닝의 부상(2000년대 이후 ~ 현재): 2000년대에 들어서자 컴퓨터 성능이 향상되고, 빅테이터의 출현으로 머신 러닝에서의 신경망, 딥러닝이 부각되기 시작했습니다. 신경망(Neural Network)은 여러 뉴런이 층을 이루어 정보를 처리하는 기본 구조입니다. 반면, 딥러닝(Deep Learning)은 여러 개의 은닉층을 가진 신경망을 이용하여 복잡한 패턴을 학습하는 방법입니다. 딥러닝은 특히 이미지 인식이나 자연어 처리와 같은 분야에서 뛰어난 성능을 발휘합니다. 요약하자면, 신경망은 딥러닝의 기초 구조이며, 딥러닝은 그 구조를 활용한 고급 학습 기법입니다. 딥러닝의 부상으로 AI 기술은 급속도로 발전하기 시작했습니다.
기계학습은 데이터를 통해 규칙을 발견하고 패턴을 학습하며 결과를 만들어내는 모델, 즉 데이터를 통한 귀납적 추론을 이끌어내는 기술을 말하며, 아래 언급될 인공지능 기술에 활용되고 있습니다.
2. 세부 세그먼트
2.1 세그먼트의 구분
AI 산업의 레이어는 AI 산업 자체만이 아닐 것입니다. AI 발전에 따른 데이터 센터의 건설 붐, 전력문제 등이 대두되고 있는 상황 속에서, 관련된 개별시장은 데이터 센터, 반도체, 전력산업, AI 산업 등을 모두 포괄할 ...
