Home-theater-designers
몇 가지 새로운 기술이 인공 지능(AI)과 그것이 사회로서의 우리의 미래에 의미하는 바에 대해 화제를 불러일으켰습니다. 각 기술은 AI의 다양한 분야에서 제공되며 고유한 장점과 우려 사항을 제시합니다.
딥페이크와 음성 복제 AI는 인터넷에서 보거나 듣는 모든 것을 신뢰하기 어렵게 만듭니다. 일부에서는 ChatGPT 및 이와 유사한 딥 러닝 AI 시스템이 여러 분야에서 중복 작업을 생성할 가능성이 있다고 말합니다. 'AI가 궁극적으로 프로그래머를 대체할 것인가?'라는 질문이 생깁니다.
인공 지능이란 무엇입니까?
AI는 네 가지 특성 중 하나(또는 그 이상)를 사용하여 문제를 해결하는 시스템의 능력에 중점을 둔 컴퓨터 과학의 한 분야입니다. AI 시스템은 인간적으로 생각하고, 인간적으로 행동하고, 합리적으로 생각하고, 합리적으로 행동할 수 있습니다.
인공 지능의 역사
AI는 수세기 동안 존재해 온 것처럼 보이지만 1900년대 중반에 탄력을 받은 분야입니다. AI 역사에서 가장 주목할만한 날짜 중 하나는 1956년으로, 인공 지능 분야에 공식적으로 소개된 해입니다. 이 소개는 Dartmouth College의 컨퍼런스에서 이루어졌습니다.
몇 가지 훌륭한 이름은 AI의 초기 발전의 다양한 측면과 연결됩니다. 여기에는 Alan Turing, Marvin Minsky, Allen Newell, Herbert Simon, John Robinson 및 Alain Colmerauer가 포함됩니다.
내 근처 중고 PC 부품 가게
인간답게 행동하다
1936년 앨런 튜링(Alan Turing)은 'On Computable Numbers, With an Application to the Entscheidungsproblem'이라는 제목의 논문을 발표했습니다. 이 논문에서 Turing은 오늘날까지 AI에서 중요한 역할을 하는 Turing 기계의 개념을 소개했습니다. 그는 올바른 알고리즘을 사용하면 튜링 기계가 모든 수학적 계산을 수행할 수 있음을 증명했습니다.
1937년 후반에 튜링은 지능형 기계의 한계를 지적하기 위해 정지 문제를 사용했습니다. 그런 다음 1950년에 튜링은 튜링 테스트라고 부르는 것을 사용하여 기계 지능을 정의했습니다. AI 시스템이 튜링 테스트를 통과하면 해당 시스템은 인간처럼 행동할 수 있습니다.
인간적으로 생각하다
Marvin Minsky는 AI 분야에서 유명한 이름입니다. 그는 1951년에 SNARC라는 최초의 무작위 배선 신경망 학습 기계를 개발한 것으로 유명합니다. 신경망은 컴퓨터가 인간의 두뇌와 유사하게 데이터를 처리하도록 가르칩니다. AI에 대한 민스키의 정의는 '인간이 했다면 지능이 필요한 일을 기계가 하게 만드는 과학'이다.
Allen Newell과 Herbert Simon은 인간의 사고를 시뮬레이션하는 기계의 능력에 초점을 맞춘 AI 분야의 다른 두 선구자입니다. 1956년에 그들은 Logic Theorist라는 최초의 기호 처리 컴퓨터 프로그램을 발표했습니다. 1961년 뉴웰과 사이먼은 본질적으로 인간의 사고를 모방한 일반 문제 해결사(GPS)를 개발했습니다.
합리적으로 생각하다
1965년에 'A Machine-Oriented Logic Based on the Resolution Principle'이라는 저널을 출판한 John Robinson을 예로 들어 보겠습니다. 그는 또한 AI에서 중요한 역할을 하는 술어 논리에 대한 해상도 미적분학을 발명했습니다.
술어 논리는 합리적인 사고를 표현하기 위해 논리를 사용하는 공식 언어입니다. 이 언어는 올바른 전제가 올바른 결론을 생성한다는 프레임워크를 사용합니다. 예를 들어 Alexa는 기계입니다. 모든 기계는 작업을 더 쉽게 만듭니다. 따라서 Alexa는 작업을 더 쉽게 만듭니다.
인공 지능의 최근 발전
처음 시작되었을 때와 마찬가지로 오늘날 인공 지능 분야는 다양한 분야로 인해 매우 복잡합니다. AI의 우산 아래 각 지점은 지속적으로 상당한 발전을 이루고 있습니다.
기계 학습은 데이터 알고리즘을 사용하여 인간의 학습을 모방하는 AI의 한 분야로, 각 반복에서 정확도를 향상시킵니다. 기계 학습의 더 두드러진 하위 집합 중 하나는 딥 러닝입니다. 딥 러닝은 기계 학습을 개선합니다. 인간의 도움에 대한 기계의 필요성을 줄임으로써.
예를 들어, 종별로 그룹화하려는 꽃 이미지가 있는 경우 분류 프로세스는 시스템 유형에 따라 달라집니다. 시스템에서 기계 학습을 사용하는 경우 종을 구별하는 기능을 수동으로 설정해야 합니다. 그러나 딥 러닝을 사용하는 시스템은 자체적으로 각 종의 가장 뛰어난 특징을 결정합니다.
딥 러닝은 여러 기술로 인해 최근 몇 년 동안 업계에서 큰 파장을 일으켰습니다. ChatGPT는 딥러닝 기술입니다. 현재 많은 관심을 받고 있는 것.
내 오래된 노트북을 어떻게 할까
ChatGPT에 따르면 다음과 같습니다.
OpenAI에서 만든 대규모 언어 모델입니다. 자연어를 이해하고 다양한 유형의 질문과 프롬프트에 대해 인간과 같은 응답을 생성하도록 설계된 인공 지능(AI) 프로그램입니다. 이 모델은 대량의 텍스트 데이터를 처리하고 해당 데이터에서 학습한 패턴 및 관계를 기반으로 응답을 생성할 수 있는 변환기라는 딥 러닝 아키텍처를 기반으로 합니다.
2022년 4분기 출시 이후 ChatGPT는 많은 논쟁의 대상이었습니다. 이 AI 시스템을 돋보이게 만드는 것은 자연어 처리 기술과 인간 피드백으로부터의 강화 학습(RLHF)을 통해 새로운 정보를 학습하는 능력입니다. 또한 코드를 작성하고 수정하는 강력한 능력을 가지고 있는 것 같습니다. 어떤 이들은 이 기술이 인간 프로그래머 멸종의 기원을 나타낸다고 말합니다.
AI가 복제할 수 없는 인간 프로그래머의 바람직한 특성
AI 시스템은 소프트웨어를 만드는 코드를 작성하는 방법을 배울 수 있습니다. 그러나 프로그래머를 완전히 교체하는 것은 조금 더 복잡할 수 있습니다. AI 시스템의 기능을 통해 프로그래머가 더 빠르게 작업할 수 있도록 지원하여 인력을 줄일 수는 있지만 인간 근로자를 진정으로 대체할 수는 없습니다. 프로그래머와 AI 시스템의 주요 특징은 인간의 두뇌와 복잡한 특성입니다.
앤드류 응에 따르면 , 오늘날 AI의 최고 이름 중 하나:
뇌의 단일 뉴런은 오늘날에도 우리가 이해하지 못하는 엄청나게 복잡한 기계입니다. 신경망의 단일 '뉴런'은 생물학적 뉴런의 복잡성 중 아주 작은 부분을 포착하는 매우 간단한 수학 함수입니다.
희박해 보이는 것에서 새로운 생각을 만들어내는 뇌의 능력은 인간의 이해력을 넘어섭니다. 확실히 AI 시스템이 복제할 수 있는 것은 아닙니다. 프로그래머의 또 다른 바람직한 특성은 기계가 복제할 수 없는 독창성입니다.
인공지능은 딥러닝을 통해 인간의 생각을 본뜬 인상을 줄 수 있습니다. 일부 AI 시스템은 간단한 결정을 내릴 수 있지만 이러한 결정은 인간 두뇌의 의사 결정 능력에 비하면 미미합니다. AI는 코드를 작성할 수 있지만 작성하는 코드가 올바른 코드인지 확인할 수는 없습니다. AI 시스템은 인간의 판단을 복제할 수 없으며 미래에도 그렇게 할 수 있다는 징후가 없습니다.
AI와 프로그래밍의 미래
ChatGPT와 같은 AI 기술은 AI가 프로그래머에게 얼마나 유용한지 입증했습니다. 코드를 빠르게 생성하고 프로그래머의 전반적인 작업 흐름에 도움이 될 수 있습니다. 그러나 ChatGPT는 현재 우리가 가지고 있는 가장 진보된 딥 러닝 기술도 완전한 자율성을 처리할 수 없다는 것을 입증했습니다. OpenAI에 따르면 ChatGPT는 질문에 대해 무의미한 답변을 생성하는 것으로 알려져 있습니다.
따라서 프로그래밍에서 AI의 미래는 프로그래머를 '대체'하는 것이 아니라 '돕는 사람' 중 하나라고 가정하는 것이 타당합니다.