인공지능 연구분야에는 요소기술분야와 주요응용분야가 있다. 이번 포스팅에서는 요소기술을 응용한 주요응용분야에 대해 알아볼 것이다. 인공지능의 주요응용분야로는 전문가 시스템, 자연어 처리, 패턴인식, 데이터 마이닝, 컴퓨터 비전, 로보틱스 등이 있다.
주요응용분야
1) 전문가 시스템 (Expert System)
전문가 시스템은 특정 문제 영역에 대해 전문가 수준의 해법을 제공하는 것을 뜻한다. 간단한 제어시스템에서부터 복잡한 계산과 추론을 요구하는 의료 진단 및 고장 진단 시스템, 원자력 발전소 그리고 항공우주 분야 등에서 활용되고 있다. 특히 원자력 발전소와 같이 매우 신중하게 처리되어야 하는 영역에서는 전문가 시스템의 판단 결과를 바로 시스템에 적용하지 않고, 현장 작업자의 의견을 수용해 최종 판단은 사람이 하는 형태로 운영하기도 한다.
전문가 시스템은 기본적으로 지식을 표현하는 부분과 추론을 하는 부분으로 구성된다. 의사를 흉내 내는 프로그램을 구현한다고 했을 때, '만약 환자가 ~한 증상을 보인다면, ~일 것이다'와 같은 규칙을 설정하여 환자에게 무슨 병이 걸렸는지 등에 대한 정보를 전할 수 있다.
의료 분야뿐만 아니라 다른 분야에 전문가 시스템을 적용하려면 지식 부분만 해당 분야의 것으로 바꿔주면 된다. 비즈니스 분야에서는 전문가 시스템의 이러한 특성을 이용하여 작업 상황, 정책, 방법의 변화에 쉽게 대응하기도 한다.
2) 데이터 마이닝 (Data Mining)
데이터 마이닝은 컴퓨터 하드디스크에 저장된 대량의 데이터로부터 잠재적으로 유용할 것 같은 숨겨져 있는 지식을 추출하는 것을 뜻한다. 기계학습 방법은 기본적으로 데이터가 메모리에 적재될 수 있다고 전제하고 알고리즘을 개발한다. 반면, 데이터 마이닝은 디스크에 있는 대량의 데이터를 다루는 것을 전제하므로, CPU 처리 시간보다 디스크 접근 횟수를 최소화하면서 패턴을 찾는 것에 관심을 둔다. 데이터 마이닝을 통해서 추출하려는 지식의 형태는 기본적으로 기계학습이나 통계학에서 관심을 두는 것과 같기 때문에 이들 분야의 이론이 많이 적용된다.
특정 알고리즘을 데이터에 적용해서 바로 원하는 결과를 얻을 수 있는 단순한 작업이 아니다. 데이터의 선정 및 전처리, 알고리즘의 선택과 적용, 결과의 평과 등과 같은 일련의 작업을 반복해서 의미 있는 분석 결과를 찾아가는 절차적 과정을 통해서 이루어진다.
최근 스마트폰, 센서 등과 같은 데이터 수집 단말기가 네트워크에 연결되어 데이터가 수집됨에 따라 다양한 대량의 데이터가 축적되고 있다. 이러한 데이터를 분석하여 활용하려는 시도가 많아지면서 빅데이터에 대한 관심이 자연히 커지고 그중에서도 마이닝 기술에 대한 기대가 커지고 있다.
3) 패턴인식 (Pattern Recognition)
패턴인식은 데이터에 있는 패턴이나 규칙성을 찾는 것을 뜻한다. 대표적인 인식 대상으로는 문자, 음성, 영상, 텍스트, 신호 등이 있다.
문자인식
인쇄된 문자뿐만 아니라 필기체 문자를 인식 대상으로 한다. 필기체 인식에는 이미 쓰인 문자를 인식하는 것과 온라인으로 쓰이고 있는 문자를 인식하는 것이 있다. 이미 문자인식은 상용화되어 널리 사용되고 있으며 스마트폰에는 기본적으로 필기 문자 인식 기능이 탑재되어 있다.
음성인식
음성인식 기술이 발전하여 스마트폰의 인터페이스의 하나로 음성인식이 활용되고 있다. 전화 자동응답 서비스(ARS), 학습지원시스템을 비롯한 다양한 응용 분야에서도 음성인식 기술이 널리 활용되고 있다.
영상인식
영상인식은 사진과 같은 정지영상이나 움직이는 영상을 대상으로 한다. 영상인식은 다음과 같은 경우에 이용될 수 있다.
- 동영상 내 사물을 인식하고 분류하여 고객에 맞는 광고를 제공하고자 하는 경우
- 제품의 불량 여부를 인공지능을 활용하여 판별하여 효율을 높이고자 하는 기업
- 자율 주행 시 시각 정보를 실시간으로 분석하려는 경우
- 시각 장애인 이동 편의성 제고를 위한 서비스를 개발하려는 기관
신호
레이다(radar), 라이다(lidar), 소나(sonar) 등 다양한 센서를 통해서 측정된 신호도 중요한 패턴인식의 대상으로 활발히 연구되고 있다.
4) 자연어 처리 (Natural Language Processing, NLP)
자연어 처리는 사람이 사용하는 일반 언어로 작성된 문서를 처리하는 분야를 뜻한다. 문서에 있는 문장을 분석하여 의미를 파악하는 것을 목적으로 한다. 이를 통해 수많은 문서들을 사람이 아닌 프로그램이 읽고 요약 정보를 제공하거나, 주제를 찾아서 주제별로 분류하고, 새로운 이슈를 식별하여 알려주고, 질문에 대해서는 자동으로 답변할 수도 있게 된다. 또한, 개인 비서 역할을 하는 에이전트 시스템을 구현할 때도 핵심적으로 사용되는 요소기술이다. 정보 검색 분야에서는 명사를 추출하기 위해 형태소 분석 결과만을 사용하는 단순한 자연어 처리 기술이 주로 사용되어 왔지만, 점차 복잡한 자연어 처리 기술을 적용하는 서비스들이 개발되고 있다. 특히, 짧은 메시지들이 전달되는 SNS의 분석에서도 보다 고급 자연어 처리 기술을 적용하고 있다.
5) 컴퓨터 비전 (Computer Vision)
컴퓨터 비전은 컴퓨터를 이용하여 시각 기능을 갖는 기계장치를 만들려는 분야이다. 컴퓨터 비전의 처리 과정은 보통 세 단계로 나누어진다.
① 전처리 단계
카메라를 통해서 들어온 원래 영상을 입력 받아 사용 목적에 맞게 가공하는 단계다. 이 과정을 영상처리(image processing)라고도 한다.
② 특징 추출 단계
에지, 선분, 코너, 원, 텍스쳐와 같은 특징이나, SIFT나 SURF와 같은 개선된 지역특징(local feature)을 추출하는 단계다.
③ 해석 단계
추출한 특징 정보를 분석하고 목적에 맞게 해석하는 단계다. 정지영상인지 동영상인지에 따라 작업의 특성이 다르고, 목적에 따라 처리 방법과 알고리즘이 달라진다. 예를 들면, 사람의 이동 정보가 필요한 경우와 사람을 식별해야 하는 경우는 차별적인 처리 방법과 과정이 사용될 수 있다.
최근에는 딥러닝 기술이 컴퓨터 비전에 적용되면서, 기존 방식의 전처리 과정과 특징 추출 과정을 별도로 거치지 않으면서 훨씬 좋은 성능을 보이는 방법들이 개발되어 관심을 끌고 있다.
6) 에이전트 (Agent)
에이전트는 사용자로부터 위임 받은 일을 자율적으로 수행하는 시스템을 뜻한다. 에이전트는 센서를 통해 환경을 인지하고, 환경에 대한 자신의 정보를 갱신한 다음, 지식과 정보를 이용하여 최선의 행동을 결정한 다음, 조작기를 사용하여 환경에 대해 행동을 한다. 지능적인 서비스를 수행하는 시스템을 에이전트로 간주하고, 이러한 에이전트를 만들려는 연구가 진행되고 있다. 에이전트의 종류는 다음과 같다.
- 반응형 에이전트 : 단순히 입력에 대해서 정해진 반응만을 함
- 숙고형 에이전트 : 자신의 지식을 활용하여 목표를 달성하기 위한 계획을 수립하고 수행함
- 학습 에이전트 : 경험(즉, 행동과 그 결과)이 누적됨에 따라 점점 똑똑해지도록 학습함
에이전트를 순수하게 소프트웨어로 되어 있는 소프트웨어 에이전트와 지능 로봇으로 대표되는 물리적 에이전트로 분류하기도 한다.
참고문헌
- 인공지능:튜링 테스트에서 딥러닝까지(2018), 이건명
- # 5 인공지능과 법- 전문가 시스템(1)
'STUDY > 인공지능' 카테고리의 다른 글
| 인공지능의 연구분야 - (1) 요소기술분야 (0) | 2021.03.05 |
|---|---|
| 인공지능의 정의와 종류 (0) | 2021.03.04 |