AI Literacy - AI의 기본 개념 이해

1. 오늘 학습 키워드

- AI
- 선형 상황 vs 비선형 상황
- 지도 학습 (규칙 기반)
- 비지도 학습 (패턴 학습)
- 분류형 AI
- 생성형 AI

---

2. 오늘 학습 한 내용을 나만의 언어로 정리하기

 

<AI>
- 선형 상황을 빠르고 효율적으로 처리하는 데 뛰어남
- 다양한 변수와 맥락이 존재하는 비선형 상황을 처리할 수 있는 똑똑한 Software
- 사람을 완전히 대체하는 존재가 아니라 문제 해결과 의사결정을 돕는 도구
- 훌륭한 도구일 뿐, 만능은 아님

 

• 선형 상황
  - 단편적으로 표현할 수 있는 문제
  - 시작점하고 끝점이 연결된 기점이 명확함
• 비선형 상황
  - 단편적으로 표현하기 어려운 문제
  - 시작점은 비교적 명확함
  - 끝나는 시점과 완료의 기준이 불분명

 

 

<AI가 학습하는 방법 (Method)>

기계 학습 (Machine Learning)

- 데이터를 기반으로 패턴을 학습하여 예측하거나 판단하는 AI 기술

1) 지도학습 (규칙기반)
- 기술자가 의도한 규칙과 정답 데이터를 기반으로 해당 로직을 수행하도록 학습시키는 방법
- 정답이 명확하게 존재하는 특정 작업을 정확하게 수행하도록 학습함

• 장점
  - 특정 작업을 빠르고 정확하게 처리할 수 있음
• 단점
  - 새로운 상황에 대한 유연성이 다소 떨어짐
  - 데이터 레이블링 작업이 필요함
    *데이터 레이블링 : 데이터에 정답(라벨)을 붙여주는 작업
• 예시
  

  

2) 비지도학습 (패턴기반)
- 특정 군집(Group)과 패턴을 인식하는 방식
- 많은 정보 속에서 공통점과 차이점을 발견함
- 명확한 정답이 없어 결과가 정확한지 판단하기 어려움
- 확률적으로 의미 있는 패턴을 찾는 방식
- 그룹핑, 분류, 예측에 활용하기 편리함

• 장점
  - 데이터만 있으면 학습 가능
  - 정답 데이터(레이블)가 필요 없음
• 단점
  - 명확한 정답이 없어 결과 해석과 판단이 필요함
  - 결과에 대한 최종 판단은 인간이 수행해야 함
• 예시
  

  

 

규칙 기반 vs 패턴 기반
- 어느 한 방식이 절대적으로 우수하다고 단정지을 수 없음
- 문제의 특성과 상황에 따라 적합한 방식이 달라짐
- 최근에는 해결해야 하는 문제가 고도화됨에 따라 복합 학습 방법을 많이 활용함

 

 

3) 강화학습 (보상기반)
- 보상(Reward)을 통해 학습하는 방식
- 행동의 결과에 따라 보상 또는 벌점을 받음
- 시행착오를 반복하며 최적의 행동을 학습함
- 목표 달성에 가장 유리한 행동을 스스로 찾아감

• 장점
  - 정답 데이터가 필요 없음
  - 다양한 환경에서 최적의 전략을 학습할 수 있음
• 단점
  - 학습에 많은 시간과 데이터가 필요함
  - 보상 설계를 잘못하면 원하는 결과가 나오지 않을 수 있음
• 예시
  

  

<AI가 수행하는 결과물 (Task)>

1) 분류 최적화 AI

- 그림, 글, 신호 등 다양한 정보를 분류

글 → 스팸메일
신호 → 신호등 색깔, ECG(뇌파)/EMG(근전도) 등의 신체 신호, 페이스아이디,음성 인식, 지문 인식

- 예시

 

 

2) 생성 최적화 AI
- 새로운 결과물을 직접 생성하는 AI

- 직접적인 결과물을 생성하는 경우 일반적으로 생성형 AI로 분류함

- 간접적인 산출물은 생성형 AI 여부가 모호할 수 있음

LLM (Large Language Model) = 대규모 언어 모델
- 엄청난 양의 텍스트를 학습한 언어 모델
- 사람의 언어를 이해하고 생성할 수 있음

- 예시
대표적인 LLM 

 

 

<일상 속 AI>
- AI는 이미 일상 속에 스며들어 있음
- AI 트렌드를 이해하고 활용하는 것이 중요해짐

---

[당일 과제]

"PM 직무(실무)에서 사용하는 AI 1가지 사례를 조사하기"

• 활용 중인 AI
  - Chat GPT (LLM 기반 생성형 AI)
• 활용 목적
  - 자료 조사 및 정보 탐색
  - 내용 정리 및 요약
  - 문서 초안 작성
  - 아이디어 도출 및 브레인스토밍
• 결론
  - ChatGPT는 서비스 기획 업무의 생산성을 높이는 데 활용

---

3. 학습하며 겪었던 문제점 & 에러

1) 
 학습 과정 중 강화학습이 보상 기반 학습이라는 설명만 언급되고 넘어가 이해가 어려웠다.
 이를 해결하기 위해 추가 학습을 진행한 결과, 보상과 벌점을 통해 최적의 행동을 학습하는 방식이라는 점을 알게 되었다.

2)
 학습 과정 중 지도학습/비지도학습 다음에 분류형 AI/생성형 AI가 등장하여 두 개념의 차이가 무엇인지 혼란스러웠다.
 이를 해결하기 위해 추가 학습과 정리를 진행하였다. 그 결과, 지도학습/비지도학습은 AI의 학습 방식이고 분류형 AI/생성형 AI는 AI가 수행하는 결과물 또는 역할이라는 점을 알게 되었다.

3)
 학습 과정 중 분류형 AI와 생성형 AI의 예시를 구분하는 데 어려움이 있었다.

 이를 해결하기 위해 각각의 특징과 사례를 정리해봤다. 그 결과, 데이터를 분류하는 AI는 분류형 AI, 새로운 결과물을 생성하는 AI는 생성형 AI라는 점을 이해하게 되었다.