태그검색
찾고 싶은 것이 있나요?
딥마인드에 대한 14개의 태그 검색결과가 있습니다.
- 블로그 인공지능과 자율주행, 2020 기술 전망 인공지능은 이제 여러 분야에서 인간의 능력을 넘어서고 있습니다. 나아가 외부 정보를 마치 인간처럼 인식•학습하고, 이를 통해 추론하고 행동하는 인공지능에 대한 연구가 광범위한 분야에서 진행되고 있습니다. 인공지능: 인간처럼 생각하는 지능 연구 본격화 이미 시각, 청각 등 기계 인식 기술의 발전에 힘입어 인공지능은 사람보다 더 정확하게 사물을 인식 할 수 있으며, 사람과 비슷한 수준으로 자연어를 이해 할 수도 있게 되었습니다. 이러한 인식 기술의 발전으로 인공지능은 이제 수많은 외부 데이터들을 스스로 인식하고 이해하여...
- 블로그 범용 인공지능 시대, 인류는 디스토피아를 피할 수 있을까? 인공지능(AI)은 항상 우리에게 논란의 대상입니다. 우리 앞에 닥친 많은 문제를 해결하는 데 열쇠가 될 수 있는 희망이면서, 동시에 지구를 파멸의 길로 이끌지도 모른다는 공포의 대상이기도 합니다. 미국 정보통신(IT) 업계에서 AI 비관론과 낙관론의 대척점에 서 있는 두 인물이 있습니다. 다름 아닌 미국 최대의 전기차 제조업체 ‘테슬라’의 창업자 엘론 머스크와 페이스북 최고경영자 마크 저커버그입니다. 기술업계의 거물로 통하는 두 사람이 상반된 시각을 갖고 있다는 게 세상에 알려진 것은 2014년입니다. 당시 저커버그는 미국 실리콘밸리의...
- 블로그 모바일 시대를 이끈 구글의 미래 준비 지난 10년간 구글은 모바일 시대를 이끌어 왔습니다. 구글의 안드로이드는 전 세계 모바일 OS 시장의 77.32%1를 점유하며 광고, 콘텐츠 등과 같은 구글의 수익을 안정적으로 지원하고 있고, 구글의 주가 또한 주당 $12702으로 사상 최고 돌파했습니다. 모바일 OS를 기반으로 한 시대를 이끌어온 구글은 이제 새로운 혁신 동력을 찾기 위한 준비를 시작했습니다. 최근 치러진 구글 개발자 콘퍼런스는 이러한 변화를 준비하는 모습을 잘 반영하고 있습니다. 인공지능으로 대 전환을 선언한 구글 2018년 개발자 콘퍼런스를 통해 구글은...
- 블로그 2019년 ICT 기술 및 산업 트렌드 전망은? ICT 산업의 기술 발전 속도는 해마다 빨라지고 있습니다. 매년 출현하는 혁신 기술들은 다양한 산업 영역에 적용되며 기존 경쟁의 패러다임을 바꾸어 놓는 가운데 2018년은 특히 이러한 혁신 기술의 등장과 산업 혁신이 동시다발적으로 진행되어 온 한 해입니다. 일반적으로 혁신 기술이 상용화 기술로 구현되고 산업 적용에 이르기까지 상당 기간의 시간이 소요되어 온 과거와 큰 차이를 갖는 것으로 혁신 기술의 산업 적용 속도가 점점 빠르게 진행되고 있는 것을 의미하기도 합니다. 2018년 ICT 산업 트렌드를...
- 블로그 자율주행 기술 발전에 도움을 주는 인공지능 기술은? 최근 급속히 발전하고 있는 인공지능 분야의 기술 중 자율주행 분야에 적용될 경우 큰 기술 혁신을 만들어 낼 것으로 기대되는 기술은 강화 학습(Reinforcement Learning)입니다. 강화 학습은 인간의 개입이 없이도 반복 학습을 통해 인공지능이 스스로 목적을 달성하는 과정을 터득해 내는 방법입니다. 인간은 단지 인공지능이 달성해야 하는 목적과 시행착오 중 성공과 실패에 대한 보상(Reward) 및 벌칙(Penalty) 값만 정의해 주면 됩니다. 이에 기반해 인공지능은 수십, 수백만 번의 시행착오를 반복하며 보상 값을 극대화하면서 목적을 달성할 방법을...
- 블로그 뇌 과학 기반, 인공지능 연구의 현재와 미래 딥마인드의 창업자 하사비스는 최근 발표한 논문에서 뉴로사이언스와 컴퓨터 과학 분야의 융합을 통해 인공지능이 한 단계 더 진보할 수 있다고 했습니다. 오랜 시간 동안 두 분야에서 인간의 뇌, 지능과 관련된 연구를 진행해 왔지만 각 분야의 전문가들이 함께 논의하고 서로의 기술을 융합시키려는 노력이 부족해 왔음을 지적하고 있는 것인데요. 하지만 최근 딥러닝을 시작으로 인공신경망 분야의 급속한 발전에 힘입어 컴퓨터 과학 분야 연구자들의 신경과학, 뇌 과학(Brain Science) 분야 연구에 대한 관심이 급속하게 높아지고 있습니다....
- 블로그 보상을 통해 학습하는 머신러닝 기술 1편 2016년 3월, 전 세계가 주목한 세기의 대결이 펼쳐졌습니다. 구글의 딥마인드(DeepMind)에서 만든 인공지능 바둑 프로그램 알파고(AlphaGo)가 바둑 세계 챔피언 이세돌에게 도전장을 내민 것인데요. 바둑은 경우의 수가 약 2×10,170으로 우주 전체 원자 수보다 많은 보드게임입니다. 따라서 당연히 사람들은 이세돌이 승리할 것으로 생각했지만 결과는 놀라웠습니다. 알파고가 이세돌을 4:1로 제압한 것인데요. 컴퓨터가 인간을 이길 수 없는 마지막 보류라고 여겨졌던 바둑마저 컴퓨터에 챔피언의 자리를 내어준 것입니다. 그리고 1년 후 알파고 마스터라는 이름으로 커제와 대결했고 커제는...
- 블로그 상상하고 행동하는 인공지능의 등장 행동(Action)과 관련된 분야의 인공지능 기술은 인간 수준으로 구현되기 매우 어려운 분야로 생각되어 왔습니다. 인간 수준의 행동이란 단순히 현재 만을 고려해 행동하는 것이 아니라 현재의 행동이 미래에 미치는 영향을 고려하고 동시에 최종적인 목적을 달성하기 위해 매 순간 계획(Planning)과 결정(Decision)이 동반되어야 하기 때문입니다. 그렇기 때문에 때로는 현재 시점에서 최선의 선택이 아니더라도 장기적 관점에서 목적 달성에 도움이 된다면 차선책을 선택해 행동하는 것도 필요합니다. 이러한 모든 과정이 고려되어야 하므로 인간처럼 행동하는 인공지능을 구현하기는 쉽지 않았는데요. 하지만 최근...
- 블로그 왜 지능형 챗봇인가? 왜 지금인가? 가트너(Gartner)의 하이프 사이클(Hype Cycle)은 ICT 신기술의 성숙도를 판단하고 기업이 해당 신기술을 도입 여부를 판단하는 좋은 잣대로 사용됩니다. 가상 개인 비서(Virtual Personal Assistants), 자연어 질의응답(Natural-Language Question Answering), 대화형 UI(Conversational User Interface)로 대표되는 지능형 챗봇 기술은 하이프 사이클의 어떤 위치에 놓여 있을까요? 가상 개인 비서 기술과 대화형 UI 기술은 기술이 관심을 받기 시작하는 초기 단계인 혁신의 촉발 단계(Innovation Trigger)와 일부 기업이 실제 사업에 착수를 시작하는 부풀려진 기대의 정점 단계(Peak of Inflated Expectations)...
- 블로그 인간처럼 추론하는 인공지능의 등장! 추론 영역은 오랫동안 인간의 고유 영역이라고 여겨지며 기계적으로는 구현하기에 매우 어려운 분야 중 하나였습니다. 수많은 정보를 단순히 조합해 검색, 추천 기능으로 구현하는 것은 가능했으나 주어진 정보로 새로운 명제를 도출하는 추론(Inference•Reasoning) 과정을 기계적으로 구현하는 것은 매우 어려웠습니다. 텍스트, 이미지 등으로 주어지는 정보를 인식해 정보의 문맥적 의미를 이해하는 것은 기본이고 같은 정보라도 상황별로 변화하는 문맥적 관계를 스스로 이해하는 과정이 요구되기 때문이죠. 하지만 최근 발전된 딥러닝, 그중 학습 알고리즘의 진화로 인해 추론 분야의...
- 블로그 강화학습의 진화: 3차원 및 물리환경의 적용 매년 혁신 기술을 선정하는 MIT Tech Review는 강화학습(Reinforcement Learning)을 2017년 10대 미래 혁신 기술(Breakthrough Technology) 중 하나로 선정했습니다. 강화학습은 반복 학습을 통해 인공지능이 문제를 해결하는 방법을 스스로 터득한다는 점에서 기존 인공지능의 구현 방식과 전혀 다릅니다. 기존 기계학습 기반의 인공지능은 목표 달성 과정을 전문가가 일일이 모델링하고 구현해야 했지만, 강화학습 기반의 인공지능은 스스로 현재의 환경을 인식하고 행동하며 목표를 달성해 나갈 수 있습니다. 게다가 강화학습의 방식은 범용적으로 활용할 수 있어, 새로운 환경에서 학습만...
- 블로그 알파고(AlphaGo) 탄생의 비밀 ‘강화학습 기반 인공지능이란?’ 2012년을 시작으로 본격화된 딥러닝의 발전은, 2016년을 기점으로 전환점을 맞이했습니다. 딥러닝의 가장 큰 한계였던 깊이(Depth)1의 문제가 해결되며 시각•청각 지능에 대해서는 Human-level 혹은 그 이상의 인공지능이 구현되고 있는데요. 과거 인공 신경망 구현에 있어 알고리즘, 컴퓨팅, 데이터의 한계로 인해 얕은 신경망(Shallow Net)에 그쳤던 딥러닝이 이제는 깊이(Depth)의 한계를 극복했다고 말할 수 있습니다. 알파고의 출현을 시작으로, 2016년 초까지 진행되었던 딥러닝의 깊이(Deep) 경쟁은 이제 학습(Learning)의 경쟁으로 전환되고 있습니다. 강화학습 기반의 인공지능 학습 과정은 과거의 방식과 전혀...