지난 시간에는 강화학습의 정의와 등장 배경 그리고 머신러닝 분야 중의 하나인 강화학습(Reinforcement Learning)에 대해 알아봤습니다. ● 보상을 통해 학습하는 머신러닝 기술 1편: http://blog.lgcns.com/1692 그렇다면 이번 시간에는 강화학습의 머신러닝 기술을 토대로 발전하고 있는 다양한 사례와 앞으로의 동향에 대해 알아보겠습니다. 강화학습 기술의 적용사례 1. 게임 게임은 강화학습이 발전하게 된 토대를 만들어 주었고 지금도 강화학습 알고리즘의 테스트베드로 많이 쓰입니다. ● 딥마인드 알파고전편에서 설명했듯이 바둑에서 이세돌을 4:1로 이기면서 강화학습이 관심을 받게 된 계기를 만들었습니다. 2017년 5월에는 커제를 3:0으로 격파하고 그 후 딥마인드에서 공식적으로 은..

챗봇은 인공지능이다?! ‘챗봇’ 하면 많은 분이 가장 먼저 떠올리는 것이 ‘인공지능’ 입니다. 인공지능은 챗봇의 중요한 요소 기술입니다. 체계적인 학습과 지속적인 관리가 중요합니다. 많은 기업이 ‘챗봇이 기술적으로 어디까지 되는 거야?’, ‘도입하는 절차랑 비용이 얼마나 되지?’를 알아보고 실제로 서비스를 오픈하기도 했습니다. 하지만 가장 중요한 것은 챗봇이 만드는 ‘가치’입니다. 기업 관점에서 챗봇이 할 수 있는 가치 있는 역할은 무엇일까요? 기업의 존재 목적은 고객입니다.기업은 고객의 요구를 파악하고 대응하기 위해 다양한 채널을 통해 고객과 만나고 소통합니다. 매장을 활용하거나 방문을 하기도 하고 오프라인, 웹이나 앱, 소셜미디어를 활용한 온라인 채널을 활용하기도 합니다. 일방향으로 광고를 하기도 하..

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 2x10,170으로 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 단 1승도 거두지 못했습니다. 이 대국을 마지막으로 알파고는 공식적으로 은퇴를 선언했고 이세돌은 알파고에 1승을 거둔 ..

앞선 연재에서는 지능형 챗봇에 대한 역할과 미래, 적용 분야와 도입 절차에 대해 살펴보았습니다. 이번 연재에서는 실제 기업 챗봇을 관리하는 운영자 관점에서 바라본 챗봇의 현재 모습을 이야기해 보도록 하겠습니다. 잘 대답하고 있는가? 잘 대답하고 있는지에 대한 답을 하려면 챗봇에 기대하는 목표 설정에 대한 이해가 선행되어야 합니다. 감정 교류는 물론이고 지능까지 인간 수준을 뛰어넘는 SF영화 속 인간형상의 로봇이나 ‘바둑의 신’ 커제에게 승리한 인공지능 ‘알파고’(AlphaGo)를 연상하며 챗봇에 접근한다면 분명 큰 실망을 안고 돌아설지도 모르겠습니다. 전편에 언급된 기술 성장주기를 표현한 가트너의 하이프(hype)개론에 의하면 하이프 사이클에서도 챗봇의 중심 기술인 자연어 응답 기술은 부풀려진 기대의 정..

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? l 가트너, 하이프 사이클 (출처: https://www.gartner.com/technology/research/methodologies/hype-cycle.jsp) 가상 개인 비서 기술과 대화형 UI 기술은 기술이 관심을 받기 시작하는 초기 단계인..

2012년을 시작으로 본격화된 딥러닝의 발전은, 2016년을 기점으로 전환점을 맞이했습니다. 딥러닝의 가장 큰 한계였던 깊이(Depth)의 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. l 딥러닝의 경쟁 핵심 변화 강화학습 기반의 인공지능 학습 과정은 과거의 방식과 전혀 다릅니다. 기존 기계학습 기반의 인공지능..

2016년 3월, 세계적으로 큰 이슈를 몰고 온 게임이 성사되었습니다. 그것은 바로 세계 최고 바둑기사인 대한민국의 이세돌과 구글 딥마인드의 인공지능 바둑 프로그램 알파고(alphago)와의 대결인 ‘구글 딥마인드 챌린지 매치(Google DeepMind Challenge Match)’였는데요. 그 결과는 여러분들도 아시다시피 4:1의 스코어로 알파고가 압승을 거두게 됩니다. 이는 우리 모두에게 매우 충격적인 소식이었습니다. 1997년 IBM에서 만든 인공지능 ‘딥 블루(Deep Blue)’가 체스 세계 챔피언을 이겼을 때, 뉴욕 타임스는 바둑에서 컴퓨터가 사람을 이기기 위해서는 100년 이상이 걸릴지도 모른다고 보도했었습니다. 실제로 딥 블루는 체스 게임에서 상대 말이 움직이는 경우의 수를 모두 탐색해..

최근 인터넷 환경의 발달과 뉴미디어의 등장으로 다양한 형식의 리뷰들이 등장하고 있습니다. 아마존(amazon.com)에서 출발한 구매 후기 게시기능이 전자상거래 전반으로 퍼지게 되었는데요. 대부분 소비자는 기업의 일방적인 제품 정보에 의존하지 않고, 다른 사용자들의 구매 후기나 전문가들의 추천을 보고 구매를 결정하는 경향이 두드러지고 있습니다. 온라인 리뷰가 구매에 미치는 영향 이러한 경향은 소비자가 제품을 구매하는 데 있어, 다양한 사전 정보 탐색을 통해 위험을 줄이려는 심리에서 그 원인을 찾을 수 있습니다. 특히 직접 사용해보지 않으면 해당 상품 및 서비스의 품질 및 만족도를 알 수 없는 경험재의 경우, 다른 구매자의 리뷰가 더 큰 영향력을 갖게 됩니다. 한국인터넷진흥원이 실시한 ‘구매 결정 시 다른..

1818년, 영국의 여류작가 메리 셸리는 괴기소설 [프랑켄슈타인]을 통해 인류사에 중요한 시사점을 던졌습니다. 그녀의 소설 속에 등장하는 제네바의 물리학자 프랑켄슈타인 박사는 새로운 ‘인간’을 만들어 신의 영역을 침범하게 됩니다. 그가 만들어낸 괴물 ‘크리처’는 결국 그를 만들어낸 프랑켄슈타인을 죽음으로 몰아넣습니다. 이 무시무시한 소설이 던진 충격은 단순히 자신이 만든 괴물에게 끔찍한 죽음을 당하는 괴짜 물리학자에게 있는 것이 아닙니다. 더 충격적인 것은 그를 죽인 후에 ‘인간’에게만 있는 번뇌와 자책감으로 고뇌하는 괴물, 크리처의 독백이었습니다. 인간이 ‘인간’을 닮은 괴물을 만드는 것도 끔찍한데 그 괴물이 인간만이 느끼는 고뇌와 자괴감을 느끼는 것은 인류의 멸망을 예견하는 끔찍한 사건입니다. 그 후..

이제 우리는 무엇인가 궁금한 것이 있으면 하루에도 몇 번씩 구글이나 네이버의 검색을 활용하는 것이 일상이 되어버렸습니다. 너무도 많은 정보가 넘쳐나는 빅데이터 시대, 검색은 매우 편리한 도구죠. 하지만 저는 가끔씩 이런 생각을 해봅니다. '내가 입력한 단어만으로도 내가 무엇을 찾고자 하는지 이해해서, 정확히 필요한 페이지를 바로 찾아주면 안되나?’ ‘꼭 이렇게 많은 페이지를 내가 일일이 또 확인해야 하나?’ ‘단어로 바로 이해하지는 못하더라도, 질문을 입력하면 꼭 맞는 정보만 찾아주면 안되나?’ ‘제공되는 결과를 내가 원하는 형식으로 보여주면 안되나?' 이런 일이 가능하다면, 참 좋은 것 같은데 말입니다. 필요는 결과를 만들어 냅니다. 이러한 요구는 최근에 지능형 검색이라는 이름으로 연구되고 있는데요. ..