SlideShare a Scribd company logo
인공지능
과거, 현재 그리고 미래
2016. 4 통찰의 연결
김현철
고려대학교 정보대학 컴퓨터학과 교수
한국컴퓨터교육학회 회장
Chess. 인간 대 기계
[출처] 1) http://sportscarimages.com/pictures-of-chess-game-to-download/
1)
The Mechanical Turk. (1820년)
[출처] 1) http://www.bbc.com/news/magazine-21882456 2) http://www.bbc.com/news/magazine-21882456
1) 2)
[출처] 1) https://www.flickr.com/photos/theredproject/3431459572/sizes/m/in/photostream/
1)
The Mechanical Turk. (1820년)
Deep Blue (IBM,1996)
[출처] 1) https://en.wikipedia.org/wiki/Deep_Blue_versus_Kasparov,_1997,_Game_6
1)
[출처] 1) http://www.wired.com/2012/09/deep-blue-computer-bug/
1)
Deep Blue (IBM,1996)
1997년. 컴퓨터가 인간을 이기다.
[출처] 1) http://www.maximkorea.net/cms/contents_view.php?contents_uid=9799&contents_cate=&key=&keyfield=
1)
Deep Blue는 체스 경기에서 다음 수를 어디에 놓을지를 계산하
기 위하여 모든 가능한 다음 위치를 하나씩 계산하는데 1997년
경기에서는 12수까지 내다보는 엄청난 계산 속도를 내기 위하
여 특별히 설계된 480개의 VLSI칩을 가지고 1초에 2억 개의 위
치에 대한 계산할 수 있었다. 게다가 70만 건에 달하는 기존의
대국 정보와 4천 개의 위치 정보가 기록되어 있었다. 사실 인간
은 12수 앞까지에서 발생 가능한 그 수많은 위치를 하나씩 계산
하여 다음 수를 결정하지 않는다. 즉 Deep Blue는 chinese
room처럼 정해진 규칙과 모델을 빠른 속도로 계산하여 인간의
지능 수준에 도달 할 수 있음을 보여 준 것이며, 지능적인 방법
은 아니지만 지능적인 행위를 할 수 있다는 것을 보여 준 성공적
인 사례라고 생각된다.
[출처] 1) 내용 : 데이터로 표현하는 세상 2) http://eng.ajunews.com/view/20160202145621103
1) 2)
1997년. 컴퓨터가 인간을 이기다.
• ‘단순 반복 계산’의 승리!
• 모든 경우의 수를 다 계산 해보고 best를 결정
• 따라서 더 많은 경우를 더 빨리 해보기 위해 ‘슈퍼 컴퓨터‘ 사용.
• 슈퍼컴퓨터는 다 해결?
• Chess의 모든 가능 상태의 수는 10120 이라고 함.
• 첫 착수 지점은 약 20개 정도. 그럼 20n 번 정도.
• 바둑은 불가능. 경우의 수가 너무 많다.
• 19x19 = 361이므로, 가능 상태 수는 3361 = 10170
• 하지만 바둑판 경로의 수는 10360
• 이론적으로는 361! 이겠지만,
보통 착수 지점 250개. 평균 수 길이 150. 따라서 250150 = 10360.
(우주의 원자수 1080)
• 계산 불가능! 단순 반복 계산 모델로는 해결 불가!
=> 알파고는 어떻게????
약 한 시간 동안 우리는 …
• 지능과 기계
• 인공지능이 무엇인지 간단하게 소개
• It is all about ‘computation’.
• How far can we ‘compute’?
• 인공지능 방법들
• 어떤 문제에 어떤 방법들이 어떻게 적용?
• 다가올 변화는?
• 기대감과 두려움
• 무엇을 준비해야 할까.
• 학교 교육과 역량

More Related Content

Viewers also liked

통찰의연결 학습자료 09
통찰의연결 학습자료 09통찰의연결 학습자료 09
통찰의연결 학습자료 09
connect_foundation
 
통찰의연결 학습자료 03
통찰의연결 학습자료 03통찰의연결 학습자료 03
통찰의연결 학습자료 03
connect_foundation
 
통찰의연결 학습자료 02
통찰의연결 학습자료 02통찰의연결 학습자료 02
통찰의연결 학습자료 02
connect_foundation
 
인공지능개론 (머신러닝 중심)
인공지능개론 (머신러닝 중심)인공지능개론 (머신러닝 중심)
인공지능개론 (머신러닝 중심)
SK(주) C&C - 강병호
 
Deep Learning Into Advance - 1. Image, ConvNet
Deep Learning Into Advance - 1. Image, ConvNetDeep Learning Into Advance - 1. Image, ConvNet
Deep Learning Into Advance - 1. Image, ConvNet
Hyojun Kim
 
Google AlphaGo, 어떻게 동작할까요?
Google AlphaGo, 어떻게 동작할까요?Google AlphaGo, 어떻게 동작할까요?
Google AlphaGo, 어떻게 동작할까요?
Lee Ji Eun
 
AlphaGo: An AI Go player based on deep neural networks and monte carlo tree s...
AlphaGo: An AI Go player based on deep neural networks and monte carlo tree s...AlphaGo: An AI Go player based on deep neural networks and monte carlo tree s...
AlphaGo: An AI Go player based on deep neural networks and monte carlo tree s...
Michael Jongho Moon
 
알파고의 알고리즘
알파고의 알고리즘알파고의 알고리즘
알파고의 알고리즘
SeokWon Kim
 
바둑인을 위한 알파고
바둑인을 위한 알파고바둑인을 위한 알파고
바둑인을 위한 알파고
Donghun Lee
 
왓슨컴퓨터의 인공지능
왓슨컴퓨터의 인공지능왓슨컴퓨터의 인공지능
왓슨컴퓨터의 인공지능
SeokWon Kim
 
알파고 해부하기 2부
알파고 해부하기 2부알파고 해부하기 2부
알파고 해부하기 2부
Donghun Lee
 
AlphaGo: Mastering the Game of Go with Deep Neural Networks and Tree Search
AlphaGo: Mastering the Game of Go with Deep Neural Networks and Tree SearchAlphaGo: Mastering the Game of Go with Deep Neural Networks and Tree Search
AlphaGo: Mastering the Game of Go with Deep Neural Networks and Tree Search
Karel Ha
 
2016 네이버sw기술소개
2016 네이버sw기술소개2016 네이버sw기술소개
2016 네이버sw기술소개
NAVER Engineering
 
알파고 해부하기 1부
알파고 해부하기 1부알파고 해부하기 1부
알파고 해부하기 1부
Donghun Lee
 
모두의 알파고
모두의 알파고모두의 알파고
모두의 알파고
Donghun Lee
 
How AlphaGo Works
How AlphaGo WorksHow AlphaGo Works
How AlphaGo Works
Shane (Seungwhan) Moon
 
Ai 그까이거
Ai 그까이거Ai 그까이거
Ai 그까이거
도형 임
 
W3C HTML5 Conference 2015 - NAVER 웹 기술 및 환경 전망
W3C HTML5 Conference 2015 - NAVER 웹 기술 및 환경 전망W3C HTML5 Conference 2015 - NAVER 웹 기술 및 환경 전망
W3C HTML5 Conference 2015 - NAVER 웹 기술 및 환경 전망
NAVER Engineering
 
인공지능, 기계학습 그리고 딥러닝
인공지능, 기계학습 그리고 딥러닝인공지능, 기계학습 그리고 딥러닝
인공지능, 기계학습 그리고 딥러닝
Jinwon Lee
 
쫄지말자딥러닝2 - CNN RNN 포함버전
쫄지말자딥러닝2 - CNN RNN 포함버전쫄지말자딥러닝2 - CNN RNN 포함버전
쫄지말자딥러닝2 - CNN RNN 포함버전
Modulabs
 

Viewers also liked (20)

통찰의연결 학습자료 09
통찰의연결 학습자료 09통찰의연결 학습자료 09
통찰의연결 학습자료 09
 
통찰의연결 학습자료 03
통찰의연결 학습자료 03통찰의연결 학습자료 03
통찰의연결 학습자료 03
 
통찰의연결 학습자료 02
통찰의연결 학습자료 02통찰의연결 학습자료 02
통찰의연결 학습자료 02
 
인공지능개론 (머신러닝 중심)
인공지능개론 (머신러닝 중심)인공지능개론 (머신러닝 중심)
인공지능개론 (머신러닝 중심)
 
Deep Learning Into Advance - 1. Image, ConvNet
Deep Learning Into Advance - 1. Image, ConvNetDeep Learning Into Advance - 1. Image, ConvNet
Deep Learning Into Advance - 1. Image, ConvNet
 
Google AlphaGo, 어떻게 동작할까요?
Google AlphaGo, 어떻게 동작할까요?Google AlphaGo, 어떻게 동작할까요?
Google AlphaGo, 어떻게 동작할까요?
 
AlphaGo: An AI Go player based on deep neural networks and monte carlo tree s...
AlphaGo: An AI Go player based on deep neural networks and monte carlo tree s...AlphaGo: An AI Go player based on deep neural networks and monte carlo tree s...
AlphaGo: An AI Go player based on deep neural networks and monte carlo tree s...
 
알파고의 알고리즘
알파고의 알고리즘알파고의 알고리즘
알파고의 알고리즘
 
바둑인을 위한 알파고
바둑인을 위한 알파고바둑인을 위한 알파고
바둑인을 위한 알파고
 
왓슨컴퓨터의 인공지능
왓슨컴퓨터의 인공지능왓슨컴퓨터의 인공지능
왓슨컴퓨터의 인공지능
 
알파고 해부하기 2부
알파고 해부하기 2부알파고 해부하기 2부
알파고 해부하기 2부
 
AlphaGo: Mastering the Game of Go with Deep Neural Networks and Tree Search
AlphaGo: Mastering the Game of Go with Deep Neural Networks and Tree SearchAlphaGo: Mastering the Game of Go with Deep Neural Networks and Tree Search
AlphaGo: Mastering the Game of Go with Deep Neural Networks and Tree Search
 
2016 네이버sw기술소개
2016 네이버sw기술소개2016 네이버sw기술소개
2016 네이버sw기술소개
 
알파고 해부하기 1부
알파고 해부하기 1부알파고 해부하기 1부
알파고 해부하기 1부
 
모두의 알파고
모두의 알파고모두의 알파고
모두의 알파고
 
How AlphaGo Works
How AlphaGo WorksHow AlphaGo Works
How AlphaGo Works
 
Ai 그까이거
Ai 그까이거Ai 그까이거
Ai 그까이거
 
W3C HTML5 Conference 2015 - NAVER 웹 기술 및 환경 전망
W3C HTML5 Conference 2015 - NAVER 웹 기술 및 환경 전망W3C HTML5 Conference 2015 - NAVER 웹 기술 및 환경 전망
W3C HTML5 Conference 2015 - NAVER 웹 기술 및 환경 전망
 
인공지능, 기계학습 그리고 딥러닝
인공지능, 기계학습 그리고 딥러닝인공지능, 기계학습 그리고 딥러닝
인공지능, 기계학습 그리고 딥러닝
 
쫄지말자딥러닝2 - CNN RNN 포함버전
쫄지말자딥러닝2 - CNN RNN 포함버전쫄지말자딥러닝2 - CNN RNN 포함버전
쫄지말자딥러닝2 - CNN RNN 포함버전
 

통찰의연결 학습자료 04

  • 1. 인공지능 과거, 현재 그리고 미래 2016. 4 통찰의 연결 김현철 고려대학교 정보대학 컴퓨터학과 교수 한국컴퓨터교육학회 회장
  • 2. Chess. 인간 대 기계 [출처] 1) http://sportscarimages.com/pictures-of-chess-game-to-download/ 1)
  • 3. The Mechanical Turk. (1820년) [출처] 1) http://www.bbc.com/news/magazine-21882456 2) http://www.bbc.com/news/magazine-21882456 1) 2)
  • 5. Deep Blue (IBM,1996) [출처] 1) https://en.wikipedia.org/wiki/Deep_Blue_versus_Kasparov,_1997,_Game_6 1)
  • 7. 1997년. 컴퓨터가 인간을 이기다. [출처] 1) http://www.maximkorea.net/cms/contents_view.php?contents_uid=9799&contents_cate=&key=&keyfield= 1)
  • 8. Deep Blue는 체스 경기에서 다음 수를 어디에 놓을지를 계산하 기 위하여 모든 가능한 다음 위치를 하나씩 계산하는데 1997년 경기에서는 12수까지 내다보는 엄청난 계산 속도를 내기 위하 여 특별히 설계된 480개의 VLSI칩을 가지고 1초에 2억 개의 위 치에 대한 계산할 수 있었다. 게다가 70만 건에 달하는 기존의 대국 정보와 4천 개의 위치 정보가 기록되어 있었다. 사실 인간 은 12수 앞까지에서 발생 가능한 그 수많은 위치를 하나씩 계산 하여 다음 수를 결정하지 않는다. 즉 Deep Blue는 chinese room처럼 정해진 규칙과 모델을 빠른 속도로 계산하여 인간의 지능 수준에 도달 할 수 있음을 보여 준 것이며, 지능적인 방법 은 아니지만 지능적인 행위를 할 수 있다는 것을 보여 준 성공적 인 사례라고 생각된다. [출처] 1) 내용 : 데이터로 표현하는 세상 2) http://eng.ajunews.com/view/20160202145621103 1) 2) 1997년. 컴퓨터가 인간을 이기다.
  • 9. • ‘단순 반복 계산’의 승리! • 모든 경우의 수를 다 계산 해보고 best를 결정 • 따라서 더 많은 경우를 더 빨리 해보기 위해 ‘슈퍼 컴퓨터‘ 사용. • 슈퍼컴퓨터는 다 해결? • Chess의 모든 가능 상태의 수는 10120 이라고 함. • 첫 착수 지점은 약 20개 정도. 그럼 20n 번 정도. • 바둑은 불가능. 경우의 수가 너무 많다. • 19x19 = 361이므로, 가능 상태 수는 3361 = 10170 • 하지만 바둑판 경로의 수는 10360 • 이론적으로는 361! 이겠지만, 보통 착수 지점 250개. 평균 수 길이 150. 따라서 250150 = 10360. (우주의 원자수 1080) • 계산 불가능! 단순 반복 계산 모델로는 해결 불가! => 알파고는 어떻게????
  • 10. 약 한 시간 동안 우리는 … • 지능과 기계 • 인공지능이 무엇인지 간단하게 소개 • It is all about ‘computation’. • How far can we ‘compute’? • 인공지능 방법들 • 어떤 문제에 어떤 방법들이 어떻게 적용? • 다가올 변화는? • 기대감과 두려움 • 무엇을 준비해야 할까. • 학교 교육과 역량