SPRi POPUP3 ENGLISH
SPRi POPUP3 ENGLISH

인공지능 기술 현황 최적화 방법론 중심으로

날짜2016.06.22
조회수20108
글자크기
    • 모든 산업 전반에 인공지능 기술이 적용되어 획기적인 개선이 일어날 전망
    • 현실세계의 복잡한 문제 해결을 위해 다양한 인공지능 최적화 방법론들이 꾸준히 연구 중
    • 모든 문제를 해결해 줄 수 있는 만능 인공지능 기술은 없으므로, 여러 인공지능 기술의 꾸준한 개발과 융합이 필요
  • 다양한 인공지능 기술들
    • Google의 AhphaGo, IBM의 Watson 등이 획기적인 성과를 내면서 머신러닝(Machine Learning), 자연어처리(Natural Language Processing) 등 인공지능 기술에 대한 관심이 증가
    • 인공지능 SW는 하나 이상의 인공지능 기술들이 융합되어 작동
    • Watson은 자연어처리 기술뿐만 아니라 information retrieval, knowledge representation, automated reasoning, machine learning등의 기술을 활용
    • 인공지능 분야의 대표적인 학술대회인 The AAAI Conference on Artificial Intelligence의 세부 주제를 살펴보면, 다양한 인공지능 분야들이 존재
    • 머신러닝, 자연어처리 이외에도 Cognitive System, Game Theory, Heuristic Search and Optimization, Vision, Planning and Scheduling 등
    • 그림 1-AAAI 학술대회 세부 주제
    • 최적화 방법론(Optimization)은 인공지능 분야에서 많이 활용 되는 기술 중 하나
    • 최적화 방법론은 한정적인 자원 상에서, 최적의 해(최대 또는 최소)를 찾는 기법
    • 다양한 도메인에서 발생하는 복잡한 문제를 해결하기 위해 사용 중이며, 합리적인 의사결정에 도움
    • * 예 : 가격을 최소화하는 제품 설계, 에러를 최소로 하는 변수 값 찾기, 수익을 최대화 하는 생산방식, 효율을 최대로 하는 경영 방법 등
    • 그림 2-수학적 최적화 예 : 그래프의 최대값
  • 최적화 방법론 동향
    • 최적화 방법론은 메타휴리스틱(Metaheuristic) 방법론 형태로 발전 중
    • 현실세계 문제 중 수학적 최적화 방법으로는 한정된 시간 안에 최적해를 구하기 어려움 문제들이 존재
    • * 차량의 배송 순서, 이동 경로를 정하는 VRP(Vehicle Routing Problem)문제가 대표적
    • 발견법(發見法)이라고도 불리는 휴리스틱(heuristic)은 컴퓨터 과학분야에서 한정된 시간 내에 최적의 해 대신 현실적으로 만족할 만한 수준의 해를 구하는 방법
    • 그림 3-휴리스틱 방법론
    • 휴리스틱 알고리즘 중 여러 도메인에서 활용할 수 있도록 일반화되어 발전된 알고리즘을 메타휴리스틱(Metaheuristic) 이라 함
    • 그림 4-메타휴리스틱 방법론 분류
    • 메타휴리스틱 알고리즘은 동물의 진화론에서 영감을 얻어 1970년대에 개발된 유전자 알고리즘(Genetic Algorithm)을 시작으로, 현재까지 자연 생태계 등에서 영감을 얻어 만들어진 다양한 방법론이 등장
    • 그림 5-메타휴리스틱 방법론
    • 메타휴리스틱 알고리즘은 산업영역(일정관리, SCM, 공정 최적화), 컴퓨터과학영역(Internet Routing, Web page Clustering), 헬스케어 분야(RNA 구조 예측) 등 다양한 영역에서 활용 중
    • 표 1-메타 휴리스틱 활용 분야
    • 예 : VRP 문제는 메타휴리스틱 방법론 중 개미 최적화 알고리즘(Ant Colony Optimization)을 이용해 효율적 계산 가능
    • * 개미 최적화 : 개미의 행동에서 영감을 얻어 개발된 알고리즘
    • * 모바일 차량 예약 서비스인 Uber, 물류 배송 서비스가 중요한 Amazon 등 차량을 이용해 하나 이상의 목적지를 운행하는 문제의 경우는 모두 VRP 문제에 해당
  • 시사점
    • 앞으로 모든 산업 전반에 인공지능 기술이 적용되어 생산성과 새로운 부가가치를 만들어내는 획기적인 개선이 일어날 전망
    • 머신러닝, 자연어 처리 기술 이외에도, 현실세계의 복잡한 문제 해결을 위한 다양한 인공지능 최적화 방법론들이 꾸준히 연구 중
    • 하나의 방법론으로 모든 문제를 해결할 수는 없으므로, 다양한 인공지능 기술의 융합과 발전이 필요
    • (1) http://www.aaai.org/Conferences/AAAI/2016/aaai16keywords.php
    • (2) Mathematical_optimization, https://en.wikipedia.org/wiki/Mathematical_optimization
    • (3) Jonny Anderson, An Introduction to Applied Evolutionary Metaheuristics
    • (4) Metaheuristic, https://en.wikipedia.org/wiki/Metaheuristic
    • (5) Harmony Search Algorithm, https://sites.google.com/a/hydroteq.com/www/, 재구성
목록