Module 1 - Introduce to AI (AI 소개) 부분에서는 AI의 기본적인 개념과
AI 관련 성공 사례들을 토대로 AI를 활용해서 어떤 식으로 업무를 하는지,
생성형 AI란 무엇이며 AI의 기능과 한계점 등 다음 강의에서
상세하게 배울 내용들을 맛보기 식으로 배울 수 있었다.
유료 강의라 안의 내용을 그대로 가져와서 쓰면 저작권 문제가 생길 수 있기 때문에
내가 정리하며 공부한 내용을 스토리텔링처럼 풀어보려고 한다.
대략 이런 느낌이구나..~ 정도로..
내 글을 보고 누군가가 강의를 들어보고 싶을 수도 있으니까.!!!ㅎ..
요즘 AI는 단순 도구에서 꼭 필요한 도구로 자리잡고 있다.
요새 AI 자동화나 AI 에이전트 등 다양한 단어가 나오고 있는데,
업무 환경에 최적화된 AI를 사용하는 것은 그야말로 최적의 성과를 낼 수 있다.
그럼 도대체 AI가 뭘까?
AI : Artificial intelligence (AI)
Computer programs that can complete cognitive tasks typically associated with human intelligence.
일반적으로 AI는 인간의 지능과 관련된 인지 작업을 수행할 수 있는 컴퓨터 프로그램이다.
AI는 수학을 사용해서 데이터를 학습하여 인간의 작업을 지원한다.
인간은 결정을 내리고 문제를 해결할 수 있는 인지 능력이 있다.
인지 능력을 가진 AI는 사고, 학습, 암기와 같은 활동을 수행할 수 있으며,
인지 능력을 확장하여 나은 의사결정을 내리고 빠르게 문제를 해결하도록 도와준다.
인간이 AI를 활용할 때 가장 이로운 점은 인간은 인지 능력이 있지만,
한 번에 대량의 정보를 처리할 수 있는 것에 한계가 있다.
사람의 역량에 따라 다르겠지만, 확실히 AI의 빠른 사고는 일처리에 큰 도움을 준다.
이름이 기억이 안 나는데.. 모듈마다 나오는 강의하는 직원들이 다 다르다.
그 직원분은 연구자로서도 모든 최신 정보를 파악하는 것은 어렵기 때문에,
AI를 이용해서 실제로 최근에 일어나는 일을 요약·추척하는데 도움을 받는다고 한다.
AI는 많이 발전했지만 아직도 많은 한계가 있다는 점을 지적했다.
하지만 그는 AI가 인터넷 기술만큼 사람들이 일하고 학습하는 방식을
혁신하는 기회를 분명히 가져올 것이라는 견해를 가지고 있었다.
AI를 어떻게 활용했는데?
연구자들 뿐만 아니라 AI는 모든 업종에서 새로운 접근 방식으로 도입하고 있다.
다양한 분야의 기업과 조직이 AI의 도움을 받아 혁신적이고 미래 지향적인
솔루션을 개발하여 AI를 강력한 비즈니스 활동 도구로 사용한다.
강의 안에서는 여러 기업의 AI 성공 사례를 소개했는데,
그중 나는 Jiva라는 기업이 특히 기억에 많이 남았다.
JIVA - Google Play 앱
JIVA - 모니터링, 평가 및 학습 시스템
play.google.com
Jiva는 농촌의 농부들이 직면한 문제를 해결하도록 돕는 농업 회사이다.
농업 커뮤니티를 통해서 농부들이 지속 가능하고 신뢰할 수 있는 농업 관행을
달성할 수 있도록 지원하는 AI 솔루션을 제공한다고 한다.
농업은 날씨나 비료 등 영향력을 받는 제약 조건이 많기 때문에 Jiva에서는
농작물 질병을 진단하고 치료법을 제안할 수 있는 AI 도구를 사용하고,
농부들이 AI 기반 조언으로 더 나은 품질의 작물을 생산해 수확량을 높이도록 돕는다.
이처럼 AI 도구는 기업뿐만 아니라 개인의 전문적인 성장과 발전을 돕는 훌륭한 수단이다.
AI 도구는 생산성을 향상시키기 때문에 문서 초안을 작성하거나 새로운 콘텐츠 제작,
디자인 제작, 어려운 코딩 문제 해결 등 다양한 곳에서 활용할 수 있다.
LLM(대규모 언어 모델)의 시대가 도래하면서 점점 AI의 생산성이 늘어나고
글의 품질도 사용하면 할수록 좋아진다는 사실을 느낄 것이다.
하지만 여전히 AI 도구는 내가 할 업무를 완벽하게 대신하지 못한다.
Machine Learning (ML) 이란?
AI가 화제가 되면서 머신러닝, 딥러닝의 개념을 아는 비전공자들도 많아졌다.
이 강의는 기초다보니 딥러닝까지는 다루지 않고 머신러닝까지만 다뤘다.
ML은 데이터를 분석해 의사결정을 내리거나 예측할 수 있는 컴퓨터 프로그램 개발에 중점을 둔 것이다.
AI는 ML을 주로 활용해서 빠르게 데이터를 이해하고 학습할 수 있는 성능 향상에 사용한다.
ML의 개념은 부전공에서 배운 적이 있어서 알고 있었는데
이번 강의를 통해서 AI 디자이너라는 직업을 알게 되었다.
AI 디자이너란?
AI를 학습 시키는데 사용되는 데이터 컬렉션인 훈련 세트를 사용하여 ML 프로그램을 구축한다.
여기서 훈련 세트란, ML 프로그램에 예상되는 사항과 적절한 대응 방법에 대한 예시를 제공하는 것이다.
강의 안에서는 AI 도구가 머신러닝(ML)을 통해 사과를 선별하는 과정을 보여준다.
1. 훈련 데이터: 수천 장의 잘 익은 사과와 덜 익은 사과 이미지가 ML 프로그램에 입력함.
2. ML 학습: ML 프로그램은 이 데이터를 바탕으로 잘 익은 사과의 특징을 스스로 학습함.
3. AI 선별: 학습된 지식을 통해 AI 도구는 공장에서 잘 익은 사과를 정확하게 식별하고 선별해 작업을 효율적으로 도움.
AI 디자이너가 품질이 좋은 사과를 선별해서 포장하는 도구를 만드려고 한다면,
우선 사과의 품질을 AI가 인식을 하게 훈련을 시켜야 한다. 그때 1번이 꼭 필요한 것이다.
인공지능기초라는 과목에서 Orange3로 데이터분석을 배우고
AI를 이미지로 학습시켜볼 수 있는 다른 사이트로 위의 과정을 진행해 본 적이 있었다.
그때 교수님께서 ML이 필요한 이유에 대해 예시로 쓴 사진이 있었다.
옛날의 AI는 치와와와 초코칩을 제대로 구별하지 못했다.
부전공을 배울 때까지만 해도 23년도 초반이었어서 생성형 AI가
그닥 확산이 되진 않았던 것 같다. 그때는 정말 구분을 못하더라고..
AI의 발전이 정말 가파르게 빠르게 진행되고 있다는 게 느껴진다.
ML의 한계와 접근 방식
ML이 효과적으로 작동하려면 학습 데이터의 품질과 관련성이 중요하다.
그러나 그 학습 시키는 데이터에 편향이 존재한다면 AI가 뜻하지 않게
정확하지 않은 의도를 가친 출력을 생성할 수 있다는 것이다.
예를 들어, 내가 볼펜을 구분하는 AI 도구를 만들려고 한다.
근데 내가 모나미 볼펜만 보여주고 AI를 학습시킨다고 가정한다면,
이 AI는 모나미 볼펜 외의 다른 볼펜을 볼펜이라고 인식하지 못할 것이다.
머신러닝은 지도 학습, 비지도 학습, 강화 학습으로 접근 할 수 있다.
AI에서는 굉장히 중요한 개념이니 조금 상세하게 설명해 보겠다.
위의 개념들은 본 정리로 이해하기엔 비전공자인 나는 처음에 어려웠다.
뭔가 무조건 예시가 있어야 이해가 되는 나라.. 그냥 가져와봤다.
1. 지도 학습 (Supervised Learning)
- 쉽게 말해, 선생님이 있는(라벨이 있는) 학습 방식이다.
- 예를 들면, 사람이 사과, 바나나 등 라벨링이 된 수백만 장의 데이터를 보며 각 과일의 특징을 익히고, 그 지식을 바탕으로 새로운 이미지를 만들어 낼 수 있는 기법이다.
- 그래서 지도 학습은 명확한 정답이 있는 문제라는 것을 염두에 두고 있을 때 자주 사용하는 기법이라고 할 수 있다.
2. 비지도 학습 (Unsupervised Learining)
- 비지도 학습은 지도 학습과 달리 라벨이 없다.
- 비지도 학습의 가장 큰 특징은 AI가 스스로 많은 데이터 속에서 패턴과 구조를 스스로 찾아내는 방식이다.
- 예를 들어, 사진처럼 정답 없이 뒤섞인 과일들을 AI가 스스로 분석을 해서 대략적으로 군집을 묶어보며 패턴을 찾아낸다. 이때 사진처럼 클러스터가 완벽하게 한 번에 나뉘지 않는 것은 당연한 결과이다.
- 그래서 비지도 학습은 명확한 정답이 없다는 것을 염두하고 있어야 하며, 데이터 패턴과 구조 식별에 사용한다.
3. 강화 학습 (Reinforcement Learining)
- 그림처럼 로봇이 시행착오를 반복하며 Positive면 리워드를 받고, Negative면 벌점을 받는 학습 기법이다.
- 이미지를 생성하면 사람이 Postive/Negative로 피드백을 주고, AI는 보상을 바탕으로 더 올바를 답변을 만들며 개선한다.
- 그래서 강화 학습은 특정 작업을 할 때 도구의 성능을 지속적으로 개선하고 향상하는 데 사용하는 것이다.
여기서 가장 중요한 점은 여기서 말하는 이 학습 방식들은 AI 툴이 대중에게 공개되기 전
즉, 개발과 훈련 중에 쓰인 방식이라는 것이다. AI는 실시간 능동 학습은 하지 못하기 때문이다.
그럼 이 ML 기반으로 만들어진 AI는 어떤 것을 뜻할까?
생성형 AI란 무엇일까?
우리는 생성형 AI 없으면 이제 못 살겠다~~..라는 소리를 늘 한다.
생성형 AI는 잘 알고 있듯이 텍스트, 이미지 등의 미디어와 같은
새로운 콘텐츠를 생성할 수 있는 AI를 의미한다.
생성형 AI는 가능한 모든 시나리오에 대해 굳이 다 프로그래밍하지 않아도
도구가 데이터로부터 학습을 할 수 있다는 아주 똑똑한 기능이 있다.
우리는 Google Gemini, ChatGPT 등 생성형 AI 도구를 업무에서 많이 활용한다.
위의 도구를 텍스트 요청을 처리하고 텍스트 응답을 생성하는 대화형 AI 도구라고 한다.
생성형 AI는 사람들이 의사소통할 때 쓰는 방식인 자연어로 동작을 한다.
사람은 텍스트나 음성 입력, 이미지나 동영상 파일 제공 등으로
생성형 AI에게 원하는 입력을 제공하게 된다.
그런 다음, AI 도구는 데이터를 처리를 하게 되고, 그 출력을
사람이 원하는 다양한 콘텐츠 형태로 결과물을 생성하게 되고,
결과물이 마음에 안 들면 계속 지침을 추가하며 반복하게 되는 것이다.
AI의 특징: 기능과 한계
Capabilities, Limitations of AI
AI는 정말 훌륭한 도구이지만 동시에 한계가 존재한다.
최신 AI 도구는 업무 개선을 위해서 정말 많은 기능을 할 수 있다.
AI의 정말 큰 장점은 콘텐츠 생성이 가능하고, 정보를 빠르게 분석할 수 있으며
질문에 대해 구체적으로 답변을 받을 수 있고, 업무 자동화에 유리하다.
그러나, AI는 민감한 문제를 처리해야 하는 일부 작업에서는 사람이 무조건 개입해야 한다.
이것을 인적 감독이라고 하는데, AI 결과물에 대해서 정보가 윤리적인지, 정확한지에 대한
여부를 따지기 위해서는 인적 감독이 매우 중요하다고 할 수 있다.
AI의 가장 큰 한계점은 크게 3가지가 있다.
1. 독립 학습 불가능 : 사람이 지속적으로 학습시켜야 업데이트가 된다.
2. 왜곡되거나 올바르지 않은 결과를 초래 : AI 도구의 학습 데이터 결함으로
편향이 발생하게 된다면 편견이 반영되거나 증폭되어 일어날 수 있는 현상이다.
3. 할루시네이션 : AI가 가끔 헛소리를 하거나 거짓말을 칠 때 할루시네이션이
발생했다고 한다. 사소한 오류부터 심각한 왜곡까지 다양한 유형으로 나타난다.
하지만 한계점을 계속 극복해 나가면서, AI는 계속해서 발전하고 있다.
AI 증강과 자동화라는 사이의 적절한 균형을 맞출 수 있다면 많은 시간과 관점이 필요하다.
결국, AI를 위해 최상의 결과를 얻기 위해서 다양한 견해와 학습이 필요하다는 것이다.
최대한 줄인다고 줄였지만, 뭔가 적으면서 한 번 더 공부하는 것 같아서 좋았다.
요즘 할 일이 너무 많다.. 진짜 너무 많아.. 이것도 숨통 트이려고 쓰는 거다..
1일 1 블로그를 다짐했지만.. 코테 준비 때문에 그건 실패 ^^..
하지만 11월 안에 나머지 4개도 꼭 올릴 수 있도록 노력하겠다..!!
'Study > Google AI Essentials' 카테고리의 다른 글
| [Google AI Essentials] 생성형 AI와 협업하기 (Course 2) (1) | 2025.12.07 |
|---|---|
| [Google AI Essentials] 수료 후기 (with Coursera) (0) | 2025.11.16 |