약한 인공지능이라고도 불리는 인공 협소 지능(ANI)은 오늘날 널리 보급된 인공지능 기술의 현재 상태를 나타냅니다. 이러한 AI 시스템은 특정하고 제한된 범위의 작업을 수행하도록 설계되고 훈련됩니다. 광범위하고 적응력이 뛰어난 인간 지능의 특성과 달리, ANI는 미리 정의된 경계 내에서 작동하며 전문 영역 내에서만 뛰어난 능력을 발휘합니다. 이는 매일 사용되는 많은 도구와 서비스의 근간을 형성하며, 가장 일반적이고 실질적으로 실현 가능한 형태의 인공지능(AI)을 대표합니다. 인공 지능 시스템은 특정 영역에서 놀라운 성능을 발휘할 수 있지만 의식, 자기 인식 또는 학습한 내용을 관련 없는 문제에 적용할 수 있는 능력이 부족하며, 이를 전이 학습이라고 합니다.
핵심 특성
ANI의 가장 큰 특징은 전문화입니다. 이러한 시스템은 일반적으로 지정된 기능과 관련된 방대한 데이터 세트를 사용하여 개발되며, 종종 머신 러닝(ML) 기술을 활용합니다. 주요 특징은 다음과 같습니다:
- 작업별: 체스, 얼굴 식별(안면 인식), 언어 번역과 같이 단일 목적 또는 밀접하게 관련된 매우 제한된 작업 집합을 위해 설계되었습니다.
- 데이터 중심: 성능은 개발 중에 사용되는 학습 데이터의 품질과 양에 따라 크게 달라집니다. 일반적인 학습 패러다임에는 지도 학습, 비지도 학습, 강화 학습이 있습니다.
- 목표 지향적: 구체적이고 측정 가능한 목표를 달성하기 위해 개발자가 설정한 알고리즘과 매개 변수를 기반으로 작동합니다.
- 의식 부족: ANI 시스템은 데이터에서 학습한 패턴을 기반으로 좁은 범위 내에서 지능을 시뮬레이션할 뿐, 자기 인식, 감성 또는 진정한 이해력을 갖고 있지 않습니다. 이러한 모델이 어떻게 학습되고 배포되는지에 대한 자세한 내용은 Ultralytics 설명서를 참조하세요.
다른 인공지능 유형과의 차이점
ANI를 이해하려면 고급 이론적 형태의 AI와 차별화해야 합니다:
- 인공 일반 지능(AGI): 강력한 인공지능이라고도 불리는 AGI는 인간과 유사한 인지 능력을 갖춘 가상의 기계로, 인간처럼 다양한 작업을 이해하고 학습하며 지능을 적용할 수 있습니다. Google 딥마인드와 OpenAI와 같은 조직은 AGI를 향한 길을 활발히 연구하고 있습니다. AGI는 아직 이론적인 단계에 머물러 있으며 현재의 ANI 기능을 뛰어넘는 중요한 단계입니다.
- 인공 초지능(ASI): 인공지능이 경제적으로 가치 있는 거의 모든 영역에서 인간의 지능을 능가하는 가상의 미래 단계입니다. ASI는 가장 영리한 인간의 두뇌를 훨씬 뛰어넘는 지능 수준을 의미하며, 닉 보스트롬과 같은 사상가들이 자세히 탐구한 개념입니다.
ANI는 정교한 애플리케이션을 지원하지만, 프로그래밍 및 학습 데이터를 기반으로만 작동하며, 지정된 작업을 넘어서 일반화할 수 있는 진정한 이해나 능력은 없습니다.
실제 애플리케이션
ANI는 현대 기술에 널리 퍼져 있습니다. 다음은 두 가지 대표적인 예입니다:
- 컴퓨터 비전(CV) 시스템: 다음과 같은 모델 Ultralytics YOLO와 같은 버전을 포함한 YOLOv8 및 YOLO11와 같은 버전이 ANI의 대표적인 예입니다. 이들은 객체 감지 ( 경계 상자가 있는 객체 식별 및 위치 파악), 인스턴스 분할 (개별 객체 인스턴스 윤곽선), 포즈 추정 (주요 신체 지점 감지)과 같은 특정 시각 작업에 탁월한 성능을 발휘합니다. 이러한 기능은 자율주행 차량의 내비게이션, 보안 시스템 강화, 제조 품질 관리 자동화, 의료 이미지 분석 지원 등 다양한 분야에서 매우 중요합니다( Waymo의 접근 방식 참조). Ultralytics HUB와 같은 플랫폼은 이러한 전문화된 CV 모델의 훈련과 배포를 용이하게 합니다. YOLO 모델 간의 비교는 문서에서 확인할 수 있습니다.
- 자연어 처리(NLP) 시스템: Apple의 Siri 및 Amazon Alexa와 같은 가상 비서, 고객 서비스에 사용되는 정교한 챗봇, Google 번역과 같은 기계 번역 도구는 모두 ANI로 구동됩니다. 이러한 비서는 방대한 텍스트 데이터 세트를 학습하여 질문에 답하거나 명령을 따르거나 언어 간 텍스트 번역과 같은 특정 애플리케이션을 위해 인간의 언어를 이해하고 생성합니다. 이러한 작업에는 매우 능숙하지만, 훈련된 영역 외의 광범위한 세계 지식이나 상식적인 추론은 부족합니다. Hugging Face 트랜스포머와 같은 프레임워크는 이러한 NLP 모델을 구축하기 위한 도구를 제공합니다.
그 밖에 널리 퍼져 있는 ANI의 예로는 넷플릭스나 스포티파이 같은 플랫폼에서 사용하는 추천 시스템, 이메일 스팸 필터, 금융 모델링에 사용되는 소프트웨어 등이 있습니다. 이러한 시스템의 개발과 배포에는 공정성을 보장하고 해로운 편견을 방지하기 위해 AI 윤리에 대한 신중한 고려가 점점 더 필요하며, 이는 AI 파트너십과 설명 가능한 AI(XAI) 원칙과 같은 단체의 지침에 따라 이루어지고 있습니다.