Wikipedia AI article creation은 2001년 영문 위키백과에 게재된 인공지능에 관한 최초의 백과사전 문서를 가리킨다. "인공지능"이라는 제목의 이 문서는 인공지능을 학습, 추론, 문제 해결, 지각, 의사 결정 등 일반적으로 인간 지능과 연관된 작업을 수행하는 계산 시스템의 능력으로 정의하며, 해당 분야에 대한 포괄적인 개요를 제공했다. 또한 인공지능을 공학, 수학, 컴퓨터 과학의 연구 분야로 설명하며, 기계가 환경을 인식하고 학습과 지능을 사용하여 정의된 목표를 달성할 가능성을 최대화하는 행동을 취할 수 있게 하는 방법과 소프트웨어를 개발하는 분야라고 기술했다.
이 문서는 인공지능 연구의 전통적 목표로 학습, 추론, 지식 표현, 계획, 자연어 처리, 지각, 로봇 공학 지원을 포함한다고 설명했다. 또한 인공지능 연구자들이 상태 공간 탐색, 수학적 최적화, 형식 논리, 인공 신경망, 통계, 운영 연구, 경제학에 기반한 방법과 같은 기술을 사용한다고 언급했다. 문서는 또한 심리학, 언어학, 철학, 신경 과학 및 기타 분야를 활용하는 인공지능의 학제적 성격을 인정했다.
역사적 배경
이 문서는 인공지능의 기원을 1956년 학문 분야로 설립된 시점으로 추적했다. 또한 낙관론과 실망 및 자금 손실의 시기가 반복되는 인공지능 겨울로 알려진 분야의 역사를 설명했다. 문서는 2012년 이후 그래픽 처리 장치(GPU)가 신경망 가속에 사용되기 시작하고 딥러닝이 이전 인공지능 기술을 능가하면서 자금과 관심이 크게 증가했다고 언급했다. 이러한 성장은 2017년 트랜스포머 아키텍처 도입으로 더욱 가속화되었다. 2020년대에는 생성형 인공지능의 발전과 함께 인공지능 붐이 일어나 미디어 제작 및 수정을 가능하게 하며 널리 보급되었다.
이 문서는 또한 고급 웹 검색 엔진, 챗봇, 가상 비서, 자율 주행 차량, 체스와 바둑 같은 전략 게임의 플레이 및 분석, 이미지, 오디오, 비디오 콘텐츠 생성과 같은 인공지능의 주목할 만한 응용 사례를 논의했다. 일부 기업, 예를 들어 OpenAI, Google DeepMind, 메타는 인간이 수행할 수 있는 거의 모든 인지 작업을 최소한 인간 수준으로 완료할 수 있는 인공지능인 인공 일반 지능(AGI)을 목표로 한다고 언급했다.
인공지능 연구의 목표
이 문서는 지능 시뮬레이션의 일반적인 문제를 하위 문제로 세분화했으며, 각 하위 문제는 연구자들이 지능형 시스템이 보여줄 것으로 기대하는 특정 특성이나 능력을 나타낸다. 여기에는 추론 및 문제 해결, 지식 표현, 계획 및 의사 결정, 학습, 자연어 처리, 지각, 로봇 공학 지원이 포함된다.
추론 및 문제 해결
초기 연구자들은 인간이 퍼즐을 풀거나 논리적 추론을 할 때 사용하는 단계별 추론을 모방한 알고리즘을 개발했다. 1980년대 후반과 1990년대에는 확률과 경제학의 개념을 사용하여 불확실하거나 불완전한 정보를 처리하는 방법이 개발되었다. 그러나 이러한 알고리즘 중 다수는 문제가 커질수록 기하급수적으로 느려지는 "조합 폭발"로 인해 대규모 추론 문제에는 충분하지 않았다. 문서는 인간조차 단계별 추론을 거의 사용하지 않고 빠르고 직관적인 판단에 의존한다고 언급했다. 또한 중간 체인 오브 사고를 생성하도록 훈련된 일종의 대규모 언어 모델인 추론 모델이 2024년에 등장하여 수학 및 코딩의 복잡한 문제에 대한 성능을 개선했지만, 잘못된 출력이나 "환각"을 생성할 수 있다고 언급했다.
지식 표현
인공지능 프로그램은 지식을 사용하여 질문에 지능적으로 답하고 실세계 사실에 대해 추론한다. 문서는 형식적 지식 표현과 지식 공학이 단어, 개념, 사물을 나타내는 기호를 사용한다고 설명했다. 지식 베이스는 프로그램이 사용할 수 있는 형태로 표현된 지식의 집합이며, 온톨로지는 특정 도메인에서 사용되는 객체, 관계, 개념, 속성의 집합이다. 형식적 지식은 1970년대부터 광범위하게 연구되었지만, 기호적 접근 방식은 상식 지식의 폭, 대부분의 상식 지식의 하위 기호적 형태, 지식 획득과 같은 과제에 직면한다. 문서는 기계 학습, 특히 대규모 언어 모델을 사용할 때 명시적 기호 지식이 필요하지 않고 방대한 텍스트 말뭉치 훈련을 통해 지식을 획득하여 이러한 문제 중 일부를 해결하지만 정확한 회상과 타당한 추론에는 어려움을 겪는다고 언급했다.
계획 및 의사 결정
문서는 "에이전트"를 세상을 인식하고 행동을 취하는 모든 개체로 설명했다. 합리적 에이전트는 목표나 선호도를 가지며 이를 달성하기 위해 행동을 취한다. 자동화된 계획에서 에이전트는 특정 목표를 가지며, 자동화된 의사 결정에서는 선호도를 가지고 각 상황에 효용 숫자를 할당한다. 각 가능한 행동에 대해 결과 확률로 가중된 기대 효용을 계산하고 최대 기대 효용을 가진 행동을 선택한다. 고전적 계획에서 에이전트는 행동의 정확한 결과를 알지만, 실제 문제에서는 불확실성에 직면할 수 있으며 확률적 추측을 하고 재평가해야 한다. 문서는 특히 결정에 의존할 때 신뢰를 구축하기 위해 결정에 대한 설명의 중요성을 강조했다. 또한 선호도가 불확실할 수 있으며 에이전트는 역강화 학습과 같은 방법으로 선호도를 학습하거나 정보를 추구하여 개선할 수 있다고 언급했으며, 정보 가치 이론은 탐색적 행동의 가치를 평가한다.
기술 및 방법
이러한 목표를 달성하기 위해 인공지능 연구자들은 다양한 기술을 사용한다. 문서는 상태 공간 탐색 및 수학적 최적화, 형식 논리, 인공 신경망, 통계, 운영 연구, 경제학에 기반한 방법을 강조했다. 2012년 이후 신경망 가속을 위한 GPU 사용이 중추적이었으며, 2017년 도입된 트랜스포머 아키텍처가 진전을 더욱 가속화했다고 언급했다. 또한 현대 인공지능은 알파제로가 스스로와 대결하여 게임 전략을 학습하는 것처럼 실험을 실행하여 도메인에 대해 학습할 수 있다고 언급했다.
윤리적 및 규제적 고려 사항
이 문서는 인공지능 안전, 의도하지 않은 결과, 장기적 영향, 환경적 영향, 잠재적 실존적 위험을 포함한 인공지능 사용의 윤리적 우려와 잠재적 피해를 다루었다. 이러한 우려는 인공지능 규제에 대한 논의를 촉발했다고 언급했다. 또한 2020년대 인공지능의 광범위한 채택이 편향, 프라이버시, 책임 문제를 포함한 사회적 영향에 대한 논쟁으로 이어졌다고 언급했다.
유산 및 영향
초기 백과사전 항목으로서 이 문서는 인공지능의 범위와 과제를 이해하기 위한 기초 참고 자료를 제공했다. 위키백과 커뮤니티는 생성형 인공지능 및 딥러닝의 등장과 같은 분야의 발전을 반영하여 지속적으로 업데이트해 왔다. 목표, 기술, 역사를 다루는 문서의 구조는 위키백과의 후속 인공지능 관련 문서에 영향을 미쳤으며 학생, 연구자, 일반 대중을 위한 자료로 활용되었다. 중립적이고 사실적인 어조는 위키백과의 기준과 일치하며, 내용은 신경망, 대규모 언어 모델, 강화 학습과 같은 최근 발전을 포함하도록 진화했다 (후자는 원래 2001년 텍스트에 명시적으로 포함되지 않았지만). 이 문서는 인공지능 개요를 찾는 독자에게 여전히 핵심 진입점으로 남아 있다.