인공 지능이란 무엇입니까?

Q. 인공지능이란?

A. 지능적인 기계, 특히 지능적인 컴퓨터 프로그램을 만드는 과학과 공학입니다. 인간의 지능을 이해하기 위해 컴퓨터를 사용하는 유사한 작업과 관련이 있지만 AI는 생물학적으로 관찰 가능한 방법에 국한될 필요가 없습니다.

Q. 예, 그런데 지능이란 무엇입니까?

A. 지능은 세상에서 목표를 달성하는 능력의 계산적인 부분입니다. 다양한 종류와 정도의 지능이 사람, 많은 동물 및 일부 기계에서 발생합니다.

Q. 인간 지능과 관련되지 않은 지능에 대한 확실한 정의가 있지 않습니까?

A. 아직은 아닙니다. 문제는 우리가 어떤 종류의 계산 절차를 지능적이라고 부르고 싶은지 일반적으로 아직 특성화할 수 없다는 것입니다. 우리는 지능의 일부 메커니즘을 이해하고 다른 메커니즘은 이해하지 못합니다.

Q. '이 기계는 지능이 있는 건가요?'

A. 아닙니다. 지능에는 메커니즘이 포함되며 AI 연구는 컴퓨터가 메커니즘 중 일부를 수행하고 나머지는 수행하지 않도록 하는 방법을 발견했습니다. 작업을 수행하는 데 오늘날 잘 알려진 메커니즘만 필요한 경우 컴퓨터 프로그램은 이러한 작업에 대해 매우 인상적인 성능을 제공할 수 있습니다. 그러한 프로그램은 ``다소 지능적''으로 간주되어야 합니다.

Q. 인공지능은 인간의 지능을 시뮬레이션하는 것이 아닌가?

A. 항상 그런 것은 아니지만 가끔 또는 일반적으로. 한편으로 우리는 다른 사람을 관찰하거나 우리 자신의 방법을 관찰함으로써 기계가 문제를 해결하도록 만드는 방법에 대해 배울 수 있습니다. 반면에 AI의 대부분의 작업은 사람이나 동물을 연구하는 것보다 세상이 지능에 제시하는 문제를 연구하는 것입니다. AI 연구자들은 사람에게서 관찰되지 않는 방법이나 사람이 할 수 있는 것보다 훨씬 더 많은 컴퓨팅을 포함하는 방법을 자유롭게 사용할 수 있습니다.

Q. IQ는 어떻습니까? 컴퓨터 프로그램에 IQ가 있습니까?

A. 아닙니다. IQ는 어린이의 지능이 발달하는 속도를 기반으로 합니다. 아이의 나이에 대한 아이가 정상적으로 특정 점수를 받는 나이의 비율입니다. 척도는 적절한 방식으로 성인에게 확장됩니다. IQ는 인생의 성공 또는 실패에 대한 다양한 척도와 밀접한 관련이 있지만 IQ 테스트에서 높은 점수를 받을 수 있는 컴퓨터를 만드는 것은 컴퓨터의 유용성과 약한 상관관계가 있습니다. 예를 들어, 아이가 긴 숫자를 반복하는 능력은 다른 지적 능력과 잘 연관됩니다. 아마도 아이가 한 번에 계산할 수 있는 정보의 양을 측정하기 때문일 것입니다. 그러나 ``숫자 범위''는 극도로 제한된 컴퓨터에서도 사소합니다.

그러나 IQ 테스트의 일부 문제는 AI에 유용한 도전 과제입니다.

Q. 인간과 컴퓨터 지능의 다른 비교는 어떻습니까?

인간 지능의 선도적 연구자인 Arthur R. Jensen[ Jen98 ]은 모든 정상 인간은 동일한 지적 메커니즘을 가지고 있으며 지능의 차이는 "정량적 생화학적 및 생리학적 조건"과 관련이 있다는 "발견적 가설"을 제안 합니다 . . 속도, 단기 기억, 정확하고 검색 가능한 장기 기억을 형성하는 능력이라고 생각합니다.

Jensen이 인간 지능에 대해 옳든 그르든 오늘날 AI의 상황은 그 반대입니다.

컴퓨터 프로그램은 충분한 속도와 메모리를 가지고 있지만 그 능력은 프로그램 설계자가 프로그램에 넣을 수 있을 만큼 충분히 이해하는 지적 메커니즘과 일치합니다. 아이들이 십대가 될 때까지 일반적으로 개발하지 않는 일부 능력이 있을 수 있으며, 2세 아동이 소유한 일부 능력은 아직 없습니다. 문제는 인지 과학이 여전히 인간의 능력이 정확히 무엇인지 결정하는 데 성공하지 못했다는 사실로 인해 더욱 복잡해집니다. AI에 대한 지적 메커니즘의 조직은 사람의 그것과 유용하게 다를 수 있습니다.

어떤 작업에서 사람들이 컴퓨터보다 더 잘하거나 컴퓨터가 사람만큼 많은 계산을 사용하는 경우 프로그램 설계자가 작업을 효율적으로 수행하는 데 필요한 지적 메커니즘에 대한 이해가 부족하다는 것을 보여줍니다.

Q. AI 연구는 언제부터 시작되었나요?

A. 제2차 세계대전 이후 많은 사람들이 독립적으로 지능형 기계 작업을 시작했습니다. 영국의 수학자 Alan Turing이 처음이었을 것입니다. 그는 1947년에 그것에 대해 강의했습니다. 그는 또한 기계를 만드는 것보다 컴퓨터를 프로그래밍하는 것이 AI를 가장 잘 연구한다고 결정한 최초의 사람이었을 것입니다. 1950년대 후반까지 AI에 대한 많은 연구자들이 있었고 그들 대부분은 컴퓨터 프로그래밍에 기반을 두고 있었습니다.

Q. AI는 인간의 마음을 컴퓨터에 담는 것을 목표로 하는 건가요?

A. 어떤 연구자들은 그런 목적이 있다고 하는데, 어쩌면 은유적으로 표현하고 있는 것일 수도 있습니다. 인간의 마음에는 많은 특성이 있으며, 그 모든 특성을 진지하게 모방하려는 사람은 없을 것입니다.

Q. 튜링 테스트란 무엇인가요?

A. Alan Turing의 1950년 기사 Computing Machinery and Intelligence [ Tur50 ]에서는 기계가 지능적이라고 간주하기 위한 조건에 대해 논의했습니다. 그는 기계가 지식이 풍부한 관찰자에게 성공적으로 인간인 척할 수 있다면 확실히 지능적이라고 간주해야 한다고 주장했습니다. 이 테스트는 대부분의 사람들을 만족시키지만 모든 철학자를 만족시키는 것은 아닙니다. 관찰자는 텔레타이프로 기계 및 인간과 상호 작용할 수 있으며(기계가 사람의 외모나 목소리를 모방하지 않도록 하기 위해) 인간은 관찰자에게 자신이 인간이라고 설득하려고 하고 기계는 사람을 속이려고 합니다. 관찰자.

튜링 테스트는 단측 테스트입니다. 테스트를 통과한 기계는 확실히 지능적이라고 간주되어야 하지만, 인간을 모방할 만큼 인간에 대해 충분히 알지 못하는 기계는 여전히 지능적이라고 간주될 수 있습니다.

Daniel Dennett의 저서 Brainchildren [ Den98 ]은 튜링 테스트와 구현된 다양한 부분 튜링 테스트, 즉 AI에 대한 관찰자의 지식과 질문 주제에 대한 제한에 대한 훌륭한 토론을 제공합니다. 어떤 사람들은 다소 멍청한 프로그램이 지능적이라고 쉽게 믿게 됩니다.

Q. AI는 인간 수준의 지능을 목표로 하는가?

A. 예. 궁극적인 노력은 인간뿐만 아니라 세상에서 문제를 해결하고 목표를 달성할 수 있는 컴퓨터 프로그램을 만드는 것입니다. 그러나 특정 연구 분야에 관련된 많은 사람들은 훨씬 덜 야심적입니다.

Q. AI는 인간 수준의 지능에 도달하려면 얼마나 먼가요? 언제 일어날까요?

A. 소수의 사람들은 현재 사람들이 지식을 표현하는 데 사용되는 언어로 사실에 대한 방대한 지식 기반을 작성하고 조합하는 종류의 프로그램을 많이 작성함으로써 인간 수준의 지능을 얻을 수 있다고 생각합니다.

그러나 대부분의 AI 연구자들은 새로운 근본적인 아이디어가 필요하다고 생각하기 때문에 인간 수준의 지능이 언제 달성될지 예측할 수 없습니다.

Q. 컴퓨터는 지능화하기에 적합한 종류의 기계입니까?

A. 컴퓨터는 모든 종류의 기계를 시뮬레이션하도록 프로그래밍할 수 있습니다.

많은 연구자들은 컴퓨터 프로그램이 할 수 있는 것과는 다른 방식으로 지능적이기를 바라면서 비컴퓨터 기계를 발명했습니다. 그러나 그들은 보통 컴퓨터에서 발명한 기계를 시뮬레이트하고 새 기계를 만들 가치가 있는지 의심하게 됩니다. 컴퓨터를 점점 더 빠르게 만드는 데 수십억 달러가 사용되었기 때문에 다른 종류의 기계가 기계를 시뮬레이트하는 컴퓨터의 프로그램보다 더 나은 성능을 발휘하려면 매우 빨라야 합니다.

Q. 컴퓨터는 지능적일 만큼 빠릅니까?

A. 어떤 사람들은 새로운 아이디어뿐만 아니라 훨씬 더 빠른 컴퓨터가 필요하다고 생각합니다. 30년 전의 컴퓨터는 프로그래밍 방법만 알면 충분히 빨랐다고 생각합니다. 물론 AI 연구원들의 야망과는 별개로 컴퓨터는 계속해서 빨라질 것입니다.

Q. 병렬 머신은 어떻습니까?

A. 프로세서가 많은 시스템은 단일 프로세서보다 훨씬 빠릅니다. 병렬성 자체는 이점이 없으며 병렬 기계는 프로그래밍하기 다소 어색합니다. 극단적인 속도가 요구될 때, 이 어색함을 직시할 필요가 있다.

Q. 읽고 경험을 통해 학습할 수 있는 "어린이 기계"를 만드는 것은 어떻습니까?

A. 이 아이디어는 1940년대부터 여러 번 제안되었습니다. 결국 작동하게 될 것입니다. 그러나 AI 프로그램은 아직 어린이가 물리적 경험에서 배우는 것을 많이 배울 수 있는 수준에 도달하지 못했습니다. 또한 현재 프로그램은 읽기를 통해 많은 것을 배울 수 있을 만큼 언어를 잘 이해하지 못합니다.

Q. AI 시스템은 AI에 대해 생각함으로써 스스로를 더 높은 수준의 지능으로 부트스트랩할 수 있습니까?

A. 그렇다고 생각합니다. 하지만 아직 이 프로세스를 시작할 수 있는 AI 수준에 도달하지 못했습니다.

Q. 체스는요?

A. 러시아 AI 연구자인 알렉산더 크론로드(Alexander Kronrod)는 "체스는 AI의 초파리 "라고 말했습니다. 그는 유전학자들이 그 초파리를 유전 연구에 사용하는 것에 비유했습니다. 체스를 두려면 특정 지적 메커니즘이 필요하며 다른 메커니즘은 필요하지 않습니다. 체스 프로그램은 이제 그랜드마스터 수준에서 진행되지만 인간 체스 플레이어가 사용하는 것과 비교하여 제한된 지적 메커니즘으로 수행하므로 이해를 위해 많은 양의 계산을 대체합니다. 이러한 메커니즘을 더 잘 이해하면 현재 프로그램보다 훨씬 적은 계산을 수행하는 인간 수준의 체스 프로그램을 만들 수 있습니다.

불행하게도, 컴퓨터가 체스를 두도록 만드는 경쟁적이고 상업적인 측면이 체스를 과학적 영역으로 사용하는 것보다 우선합니다. 마치 1910년 이후 유전학자들이 초파리 경주를 조직하고 이 경주에서 이길 수 있는 초파리를 번식시키는 데 노력을 집중한 것과 같습니다.

Q. Go 는 어떻습니까 ?

A. 중국과 일본의 바둑 도 번갈아 가며 움직이는 보드게임이다. 바둑은 인간의 게임 플레이와 관련된 지적 메커니즘에 대한 현재 이해의 약점을 드러냅니다. 바둑 프로그램은 상당한 노력에도 불구하고(체스 만큼은 아님) 매우 나쁜 플레이어입니다. 문제는 Go 의 위치인 것 같습니다. 먼저 개별적으로 분석된 후 상호작용 분석이 뒤따르는 하위 ​​위치 모음으로 정신적으로 나누어야 합니다. 인간은 체스에서도 이것을 사용하지만 체스 프로그램은 전체적으로 위치를 고려합니다. 체스 프로그램은 수천 번, Deep Blue의 경우 수백만 배 더 많은 계산을 수행하여 이러한 지적 메커니즘의 부족을 보완합니다.

머지않아 AI 연구는 이 수치스러운 약점을 극복할 것입니다.

Q. 어떤 사람들은 AI가 나쁜 생각이라고 말하지 않습니까?

A. 철학자 John Searle은 생물학적이지 않은 기계가 지능적이라는 생각은 일관성이 없다고 말합니다. 그는 제안한다 중국 방 인수 . 철학자 Hubert Dreyfus는 AI가 불가능하다고 말합니다. 컴퓨터 과학자 Joseph Weizenbaum은 그 아이디어가 음란하고 반인간적이며 부도덕하다고 말합니다. 지금까지 인공지능이 인간의 수준에 도달하지 못했기 때문에 불가능할 것이라고 여러 사람들이 말했습니다. 또 다른 사람들은 자신이 투자한 회사가 파산한 것에 실망합니다.

Q. 인공지능의 핵심은 계산가능성 이론과 계산복잡도가 아닐까요? [컴퓨터 과학의 비전문가 및 초보자를 위한 참고 사항: 이들은 수리 논리 및 컴퓨터 과학의 상당히 기술적인 분야이며 질문에 대한 대답은 어느 정도 기술적이어야 합니다.]

A. 아닙니다. 이러한 이론은 관련이 있지만 AI의 근본적인 문제를 다루지는 않습니다.

1930년대 수리 논리학자, 특히 Kurt Gödel과 Alan Turing은 특정 중요한 수학적 영역에서 모든 문제를 해결하도록 보장되는 알고리즘이 존재하지 않는다는 사실을 확립했습니다. 1차 논리의 문장이 정리인지 여부는 하나의 예이고, 여러 변수의 다항 방정식이 정수 솔루션을 갖는지 여부는 또 다른 예입니다. 인간은 항상 이러한 영역의 문제를 해결하며, 이것은 컴퓨터가 본질적으로 사람이 하는 일을 할 수 없다는 주장(보통 약간의 장식과 함께)으로 제시되었습니다. Roger Penrose는 이것을 주장합니다. 그러나 사람들은 이러한 영역에서 임의의 문제를 해결한다고 보장할 수 없습니다. Roger Penrose의 The Emperor's New Mind 리뷰 보기. AI 연구를 옹호하는 더 많은 에세이와 리뷰는 [ McC96a ] 에 있습니다 .

1960년대 컴퓨터 과학자, 특히 Steve Cook과 Richard Karp는 NP-완전 문제 도메인 이론을 개발했습니다. 이러한 영역의 문제는 해결할 수 있지만 문제의 크기에 따라 시간이 기하급수적으로 걸리는 것 같습니다. 만족할 수 있는 명제 미적분의 문장은 NP-완전 문제 도메인의 기본 예입니다. 인간은 종종 일반 알고리즘이 보장하는 것보다 훨씬 짧은 시간 안에 NP-완전 도메인의 문제를 해결하지만 일반적으로 신속하게 해결할 수는 없습니다.

AI에게 중요한 것은 알고리즘이 사람만큼 문제를 해결하는 능력을 갖추는 것입니다. 좋은 알고리즘이 존재하는 하위 도메인을 식별하는 것이 중요하지만 많은 AI 문제 해결사는 쉽게 식별되는 하위 도메인과 연결되지 않습니다.

일반적인 문제 유형의 난이도 이론을 계산 복잡도라고 합니다. 지금까지 이 이론은 기대했던 만큼 AI와 상호 작용하지 않았습니다. 인간과 AI 프로그램에 의한 문제 해결의 성공은 복잡성 연구자나 AI 커뮤니티가 정확하게 식별할 수 없었던 문제의 속성과 문제 해결 방법에 의존하는 것 같습니다.

Solomonoff, Kolmogorov 및 Chaitin(서로 독립적으로)이 개발한 알고리즘 복잡도 이론도 관련이 있습니다. 기호 객체의 복잡도를 생성할 최단 프로그램의 길이로 정의합니다. 후보 프로그램이 가장 짧거나 가장 짧은 것에 가깝다는 것을 증명하는 것은 해결할 수 없는 문제이지만, 개체를 생성하는 짧은 프로그램으로 개체를 나타내는 것은 프로그램이 가장 짧다는 것을 증명할 수 없는 경우에도 때때로 밝혀야 합니다.