Artificial Narrow Intelligence (ANI)

인공 좁은 지능(ANI)은 좁은 AI 또는 약한 AI라고도 하며, 객체 감지, 동영상 추천, 음성 전사와 같이 하나의 작업이나 엄격히 제한된 일련의 작업을 수행하도록 구축된 인공지능(AI)입니다. ANI 시스템은 해당 분야에서 인간과 동등하거나 더 뛰어난 성능을 낼 수 있지만, 새로운 학습 데이터와 재학습 없이는 그 능력을 관련 없는 문제에 적용할 수 없습니다. 표준 정의에 따르면 스팸 필터부터 자율주행차를 제어하는 컴퓨터 비전 모델까지 오늘날 배포된 모든 AI 시스템은 좁은 AI에 해당합니다.

ANI와 AGI, ASI의 차이#

AI는 일반적으로 역량에 따라 세 단계로 설명됩니다. ANI는 첫 번째 단계로, 하나의 분야 안에서 유능하며 학습에 사용된 데이터와 목표에 따라 능력이 정해집니다. 인공 일반 지능(AGI)은 사실상 모든 인지 작업에서 인간과 비슷한 능력을 발휘하고 작업별 엔지니어링 없이 새로운 작업을 학습하는 가상의 시스템입니다. AGI는 흔히 강한 AI라고 불립니다. 철학자 John Searle은 1980년 중국어 방 논증에서 약한 AI와 함께 이 용어를 만들었으며, 당시 강한 AI는 실제로 마음을 가진 컴퓨터를 의미했습니다. 인공 초지능(ASI)은 모든 분야에서 최고의 인간을 능가하는 가상의 시스템으로, 기술적 특이점이라는 개념의 배경이 되는 시나리오입니다.

대규모 언어 모델(LLM)은 좁은 AI의 범주를 확장합니다. 하나의 모델이 코드를 작성하고 번역하고 요약하며 이미지에 관한 질문에 답할 수 있습니다. EU AI Act는 이러한 시스템을 범용 AI 모델이라고 부릅니다. 이 모델의 능력은 여전히 고르지 않으며, 이를 들쭉날쭉한 지능이라고 합니다. 같은 모델이 올림피아드 수준의 수학 문제를 풀고도 두 소수 중 어느 쪽이 더 큰지 잘못 판단할 수 있으며, 학습이 끝나면 가중치는 더 이상 학습하지 않습니다.

좁은 AI의 작동 방식#

ANI 시스템은 하나의 목표를 위해 데이터로 학습한 모델이므로, 역량은 두 가지, 즉 학습 데이터의 분포와 생성할 수 있는 출력의 범위에 따라 제한됩니다. COCO 데이터셋의 80개 클래스로 학습한 객체 감지 모델은 '이것은 새로운 것입니다'라고 말할 방법이 없습니다. 낯선 객체가 입력되면 이를 무시하거나 알고 있는 클래스 중 가장 가까운 클래스로 보고합니다.

Ultralytics YOLO26은 이러한 한계를 직접 보여 줍니다. COCO로 사전 학습된 모델은 정확히 80개 클래스의 이름만 지정할 수 있습니다. 특정 기계 부품과 같은 새로운 객체를 가르치려면 해당 부품의 라벨링된 이미지를 사용해 파인튜닝해야 하며, 이 과정에서 모델의 클래스 목록이 새 데이터셋의 클래스로 대체됩니다.

from ultralytics import YOLO

# A COCO-pretrained detector: its whole vocabulary is fixed at training time
model = YOLO("yolo26n.pt")
print(f"Classes this model can name: {len(model.names)}")

# Every detection it returns must carry one of those labels
results = model("https://ultralytics.com/images/bus.jpg")
result = results[0]
print(result.verbose())

첫 번째 줄은 모델 전체 어휘의 크기를 출력하고, 두 번째 줄은 이미지에서 찾은 클래스 목록을 출력합니다. 각 클래스는 동일한 고정 집합에서 가져옵니다.

실제 적용 사례#

좁은 AI는 사람들이 매일 사용하는 대부분의 소프트웨어를 구동합니다.

• 추천 시스템: 스트리밍 및 쇼핑 플랫폼은 시청 기록과 구매 이력을 바탕으로 사용자별 항목 순위를 매깁니다.
• 음성 인식: 음성 어시스턴트와 받아쓰기 도구는 말소리를 텍스트로 변환합니다.
• 제조 검사: 비전 모델은 생산 라인의 모든 부품에서 정해진 유형의 결함을 검사합니다.
• 의료 영상 분석: 모델은 하나의 영상 모달리티에서 폐 결절이나 당뇨망막병증과 같은 소견을 표시합니다.
• 자율주행차: 자율주행 시스템은 각기 차선 분할, 보행자 감지, 객체 추적, 경로 계획과 같은 작업을 담당하는 여러 좁은 AI 모델을 결합합니다.

좁은 AI의 강점과 한계#

ANI는 특정 분야 안에서 초인적이고 빠르며 지치지 않는 성능을 발휘할 수 있습니다. IBM의 Deep Blue는 1997년 세계 체스 챔피언 Garry Kasparov를 꺾었으며, DeepMind의 AlphaGo는 2016년 바둑 챔피언 이세돌을 4대 1로 이겼습니다. 해당 분야를 벗어나면 같은 시스템은 전혀 능력을 발휘하지 못합니다. 또한 학습 데이터와 다른 입력에서는 성능이 저하되며, 모델 배포 후에는 이를 데이터 드리프트라고 합니다. 좁은 AI 시스템은 처리하는 대상에 대한 이해도 없습니다. 데이터에서 학습한 통계적 패턴을 통해 입력을 출력에 대응시킬 뿐입니다. 체스, 쇼기, 바둑을 하나의 알고리즘으로 학습한 DeepMind의 AlphaZero조차 게임마다 별도의 네트워크를 학습했으며, 체스 네트워크는 바둑을 둘 수 없습니다.