[이슈리포트 2018_006] 인공지능, 어디까지 왔나 (다운로드 : 266회)

■ 요 약

  현대 인공지능 기술의 발전 속도는 매우 빠르다는 것에 의심할 여지가 없다. 이 사실은 한편으로 최신 인공지능 기술을 제대로 파악하기조차 어렵다는 것을 대변한다. 또한 인공지능의 적용이 다양한 산업에 이르러 범용 목적 기술(General Purpose Technology)로 주목받자 그 경계가 모호해졌다. 예를 들어, 빅데이터 분석과 인공지능의 차이는 무엇일까? 방법론의 차이일까? 현대 인공지능의 중추인 학습 기반의 인공지능은 필연적으로 빅데이터를 요구한다. 성공적인 인공지능 시스템을 구축하기 위해서는 양질의 데이터가 다다익선이다. 이러한 관점에서 빅데이터와 인공지능은 서로 다른 분야로 구분 짓기 어렵다고 본다.

  인공지능 기술을 발전상을 이해하려면 인공지능 연구의 특성별로 구분지어 바라볼 필요가 있다. 그러나 인공지능의 적용 범위가 지속적으로 확장되고, 인공지능을 주도하는 주체가 글로벌 IT 기업이라는 관점에서 일목요연하게 구분 짓기는 어렵다. 또한 국제적인 시장조사기관의 분류체계 역시 매우 상이하기 때문에, 참고문헌을 기반으로 한 기술의 분류는 한계가 있다. 이 보고서에서는 인공지능 연구 분야의 구분을 위해가설을 통한 접근을 취했다. 이것은 인공지능 기술의 굵직한 트렌드를 바탕으로 인공지능을 바라보는 관점을 제시한다.

  그렇다면 현재 인공지능 기술은 어디까지 왔을까? 이 보고서에서는 지난 2017년 AlphaGo Zero 이후 인공지능 연구계에서 공개된 주요 연구 성과를 살펴볼 것이다. 특히 인공지능 자체의 성능을 향상시킨 연구를 분석했다. 현재 심층학습(Deep learning)은 매우 좋은 성능을 보이고 있으나, 여전히 좁은 인공지능, 약인공지능에 머물고 있다. 이를 개선하기 위한 노력으로 학습하는 방법을 학습하는 메타 학습 분야가 부상하고 있다. 또한 최적의 인공신경망 구조를 찾는 신경망 구조 탐색, 뉴로모픽칩에 탑재되는 스파이킹 신경망, 마지막으로 도메인 간 지식을 전이하는 전이학습을 살펴볼 것이다.

  인공지능은 지금도 빠르게 그 영역을 확장하고 있다. 이 보고서에서 다룬 내용은 특히 인공지능의 성능 자체를 향상시키는 연구결과에 집중했다. 다양한 산업계에서 인공지능의 성공사례는 지금도 속속들이 나오고 있을 것이다. 인공지능의 거대한 조류 속에서 인공지능의 기술적 발전에 대한 시의성 있는 분석이 매우 중요한 시점이다.

■ Executive Summary

  There is no doubt that the speed of modern artificial intelligence (AI) technology is very fast. This, on the other hand, means that it is difficult to grasp the latest AI technology. In addition, the application of AI came to various industries and became a general purpose technology. For example, what is the difference between big data analysis and AI? Is it a difference in methodology? Learning-based AI, the backbone of modern artificial intelligence, inevitably requires big data. In order to build a successful artificial intelligence system, high-quality data is the more the better. From this point of view, big data and AI are hard to distinguish from each other.

  To understand the evolution of AI technology, a good classification of technology is needed. However, it is difficult to propose a clear classification system from the viewpoint that the major player of AI is a global IT company, and the range of application of AI is continuously expanding. In addition, since the classification of international market research institutes is also very different, there is also a limit to the construction of classification based on references. In this report, we took a hypothetical approach to suggest a classification of AI technology. This suggests the viewpoint of AI based on the big trend of AI technology.

  So where is AI now? In this report, we will look at the major research achievements published in the AI research community since Alpha Go Zero in 2017. In particular, we analyzed the research that improved the performance of artificial intelligence itself. Deep learning is currently performing very well, but it is still in the narrow AI. There is an emerging field of meta learning that learns how to learn in an effort to improve it. In addition, we will explore neural architecture structure search for optimal neural network structure, spiking neural network in neuromorphic chip, and finally transfer learning to transfer knowledge between domains.

  AI is still expanding rapidly. The report focuses on research that specifically improves the performance of AI. The success stories of AI in various industries are still on-going. A timely analysis of the technological development of AI is very important.


■ 목 차

  1. 1. 서론
    1. (1) 배경
    2. (2) 심층학습의 한계
  2. 2. 인공지능 기술 발전의 트렌드
    1. (1) 인공지능 R&D와 산업의 특징
    2. (2) 인공지능 연구 영역의 구분
  3. 3. 인공지능 최신 연구 현황
  4. 4. 결론


■ Contents

  1. 1. Introduction
    1. (1) Backgrounds
    2. (2) Limitations of Deep Learning
  2. 2. A Trend of AI Developments
    1. (1) Characteristics of AI R&D and Industry
    2. (2) Classification of AI Research Fields
  3. 3. Recent Trends of AI researches
  4. 4. Conclusions

인공지능