08. 인공지능 사용설명서

 

---

 

Image by rawpixel.com

 

인공지능 도입을 검토하기 위해서는 다음과 같은 질문을 해 볼 필요가 있습니다.

| 질문 1 | 인공지능이 필요한 일이 맞는가?
사람이 데이터만 보고 판단하면 할 수 있는 일은 인공지능도 할 수 있습니다. 하지만 사람이 데이터만 가지고 할 수 없는 일들은 인공지능에게 완전히 맡길 수는 없습니다. 사람이 하는 일을 자동화해야 한다면 인공지능보다는 ‘로보틱 처리 자동화(RPA)’ 와 같은 솔루션이 더 효과적입니다. 사람이 컴퓨터로 반복하던 일을 로봇 소프트웨어에 맡기는 것입니다.

| 질문 2 | 인공지능이 잘할 수 없고, 그 결과를 받아들이기 힘든가?
가치판단이 포함되거나 창조적인 결과가 기대되는 일은 인공지능보다 사람이 더 잘합니다. 가치판단의 영역에서 인공지능이 도출한 결괏값은 사람이 받아들이기도 힘듭니다. 가치판단이 포함되지 않고 창조적인 결과가 기대되는 것이 아니라면 인공지능을 활용해 볼 수 있습니다.

| 질문 3 | 인간의 경험과 논리를 살리는 것이 중요한가?
인간의 경험과 논리를 최대한 살려서 판단하고 싶다면 인공지능의 한 분야인 ‘전문가 시스템’을 활용하는 것이 좋습니다. 전문가의 경험과 논리에 기반한 지식을 전문가 시스템에 이식하면 전문가 없이도 그 경험과 논리를 활용할 수 있습니다. 물론, 전문가 시스템은 지속적인 발전이 어렵고, 전문가의 능력을 뛰어넘기 어려운 한계가 있다는 걸 염두에 두어야 합니다.

| 질문 4 | 통계를 이용할 것인가?
인포메이션이 충분하고, 정형 데이터의 비율이 높고, 선형적인 특성을 보이는 문제는 통계로 충분합니다. 하지만 인포메이션이 충분하지 않고, 정형 데이터의 비율이 상대적으로 낮으며, 비선형적인 특성이 어느 정도 포함된 문제라면 머신러닝이 적합합니다. 또한, 인포메이션이 부족하고, 정형 데이터의 비율이 낮고, 비선형적인 특성이 크다면 딥러닝이 더 효과적입니다. 머신러닝과 딥러닝을 굳이 쓸 필요가 없다면 통계를 적극적으로 활용하시길 바랍니다. 특히 통계는 사람이 이해하고 납득할 수 있는 쉬운 분석을 하거나, 예측 모델을 만들거나, 사람이 세운 가설을 데이터 기반으로 검증하고자 할 때 유용합니다.

| 질문 5 | 머신러닝을 이용할 것인가?
머신러닝에는 100가지가 넘는 기법이 있습니다. 딥러닝도 머신러닝 기법 가운데 하나입니다. 파이썬이나 R과 같은 컴퓨터 프로그래밍 언어에는 다양한 머신러닝 기법을 구현할 수 있는 함수가 준비되어 있습니다. 여러 머신러닝 기법을 앙상블로 결합해 성능이 더 뛰어난 모델을 만들 수도 있습니다.
머신러닝이 결과를 만드는 과정을 인간이 이해하고 납득할 수 있어야 하는 경우라면 의사결정 나무와 같은 머신러닝 기법을 사용하는 것이 좋으며, 머신러닝이 결과를 만드는 과정을 인간이 이해하고 납득할 필요가 없다면 랜덤 포레스트와 같은 머신러닝 기법을 활용할 수 있습니다.

| 질문 6 | 딥러닝을 이용할 것인가?
딥러닝을 구현할 때는 파이썬 컴퓨터 프로그래밍 언어로 텐서플로(Tensor Flow), 케라스(Keras)와 같은 패키지를 이용하는 게 가장 쉽고 효율적입니다. 딥러닝이 결과를 만드는 과정을 인간이 이해하고 납득하는 것은 불가능합니다. 그러므로 인간이 납득해야 할 문제라면 딥러닝을 사용하지 않아야 합니다. 또한, 딥러닝은 충분한 시간과 인력, 자원이 지속해서 투입되면 성능이 뛰어나게 발전하는 특징이 있지만, 이를 감당할 수 없다면 딥러닝을 활용하지 않아야 합니다.