6. 인터넷 - 인터넷 서비스

(157)

유비쿼터스 컴퓨팅(Ubiquitous computing)

- 전자공간과 물리공간을 연결해주는 차세대 기반 컴퓨팅 기술

- 이동성, 인간성, 기능성 등에 따라 여러 가지 컴퓨팅 기술들로 구분될 수 있음

- 유비쿼터스를 이용한 컴퓨팅 기술

웨어러블 컴퓨팅	- 유비쿼터스 컴퓨팅 기술의 출발점 - 컴퓨터를 옷이나 안경처럼 착용할 수 있게 해줌으로써 컴퓨터를 인간의 몸 일부로 여길 수 있도록 하는 기술
임베디드 컴퓨팅	- 사물에 마이크로칩 등을 심어 사물을 지능화하는 컴퓨팅 기술
감지 컴퓨팅 (Sentient computing)	- 컴퓨터가 센서 등을 통해 사용자의 상황을 인식하여 사용자가 필요로 하는 정보를 제공해주는 컴퓨팅 기술
노매딕 컴퓨팅 (Nomatic computing)	- 노매딕 컴퓨팅 환경: 어떠한 장소에서건 이미 다양한 정보기기가 편재되어 있어 사용자가 정보기기를 굳이 휴대할 필요가 없는 환경을 말함 - 사용자는 장소와 상관없이 일정한 사용자 인증을 거쳐 다양한 정보기기를 이용하여 동일한 데이터에 접근해 사용할 수 있음
퍼베이시브 컴퓨팅 (Pervasive computing)	- 1998년 IBM을 중심으로 착안되었으며, 유비쿼터스 컴퓨팅과 비슷한 개녕 - 어디든지 어떤 사물이든지 도처에 컴퓨터가 편재되도록 하여 현재의 전기나 가전제품처럼 일상화된다는 비전을 담고 있음
1회용 컴퓨팅 (Disposable compuitng)	- 한 번 쓰고 버릴 수 있는 수준의 싼값으로 만들 수 있는 컴퓨터 기술 - 1회용 컴퓨터의 실현은 어떤 물건이라도 컴퓨터 기술의 활용을 지향함
엑조틱 컴퓨팅 (Exotic computing)	- 스스로 생각하여 현실세계와 가상세계를 연계해주는 컴퓨팅을 실현하는 기술

 

클라우딩 컴퓨팅

- 인터넷 기술을 활용하여 가상화된 IT 자원을 서비스로 제공하는 컴퓨팅

- 사용자는 IT자원(소프트웨어, 스토리지, 서버, 네트워크)을 필요한 만큼 빌려서 사용하고, 서비스 부하에 따라 실시간 확장성을 지원받으며, 사용한 만큼 비용을 지불하는 컴퓨팅

- 사용자가 필요한 만큼의 자원을 제공받음 -> 소유(클라우드 제공자)와 관리(사용자)를 분리하는 방식

- 인터넷을 통해 가상화된 컴퓨터 시스템 리소스를 제공, 정보를 자신의 컴퓨터가 아닌 클라우드(인터넷)에 연결된 다른 컴퓨터로 처리하는 기술

- 특징: On-demand self - service, 광범위한 네트워크 접근, 자원의 공유, 신속한 융통성, 측정된 서비스

- 분류

사설 클라우드(Private Cloud)	기업 및 기관 내부에 클라우드 서비스 환경을 구성하여 내부사에게 제한적으로 서비스를 제공하는 형태
공용 클라우드(Public Cloud)	불특정 다수를 대상으로 하는 서비스로 여러 서비스 사용자가 이용하는 형태
하이브리드 클라우드(Hybrid Cloud)	- 사설 클라우드와 공용 클라우드를 결합한 형태 - 공유를 원하지 않는 일부 데이터 및 서비스에 대해 프라이빗 정책을 설정하여 서비스를 제공

 

- 유형

인프라형 서비스 (Iaas)	- 서버, 스토리지 같은 시스템 자원을 클라우드로 제공하는 서비스 - 컴퓨팅 자원에 운영체제나 애플리케이션 등의 소프트웨어 탑재 및 실행 - 하위의 클라우드 인프라를 제어하거나 관리하지 않지만 스토리지, 애플리케이션에 대해서는 제어권을 가짐
플랫폼형 서비스 (Paas)	- 인프라를 생성, 관리하는 복잡합 없이 애플리케이션을 개발, 실행, 관리할 수 있게 하는 플랫폼을 제공하는 서비스 - 개발 위한 플랫폼을 구축할 필요없이, 필요한 개발 요소를 웹에서 빌려 쓸 수 있게 하는 모델 - OS, 애플리케이션과 애플리케이션 호스팅 환경 구성의 제어권을 가짐
소프트웨어형 서비스 (Saas) = 주문형 소프트웨어	- 소프트웨어 및 관련 데이터는 중앙에 호스팅되고 사용자는 웹 브라우저 등의 클라이언트를 통해 접속하여 소프트웨어를 서비스 형태로 이용하는 서비스

 

엣지 컴퓨팅 = MEC(Mobile Edge Computing) = 포그 컴퓨팅(Fog Computing)

- 말단 기기에서 컴퓨팅을 수행하는 것을 말함

- 사용자들이 사용하는 단말 장치들과 가까운 곳에 컴퓨팅 장치가 위치함

*클라우드 컴퓨팅은 데이터를 처리하는 곳이 데이터 센터

- 지금까지 엣지에 위치한 장비들이 단순히 데이터 전송의 역할만을 수행하거나 데이터 저장의 역할만 수행했다면, 엣지 컴퓨팅에서는 '엣지' 장비에 컴퓨팅 능력을 부가하여 데이터 분석을 할 수 있도록 만듦

- 분산된 개방형 아키텍처로서 분산된 처리성능을 제공하여 모바일 컴퓨팅 및 IoT 기술을 지원함

 

인공지능

- 사고 해결 유무에 따른 구분

약한 인공지능 (weak AI, narrow AI)

- 어떤 문제를 실제로 사고하거나 해결할 수 없는 컴퓨터 기반의 인공적인 지능을 만들어 내는 것에 대한 연구 - 학습을 통해 특정한 문제를 해결함 - 특정 문제를 해결하는 지능적 행동으로 사람의 지능적 행동을 흉내 낼 수 있는 수준이며, 대부분의 인공지능 접근 방향임 - 흉내 내는 수준을 지능적이라고 할 수 있는지는 중국인 방 사고실험(Chinese room thought experiment)을 통해서 대답할 수 있음

강한 인공지능 (strong AI)

- 실제로 사고하거나 해결할 수 있다는 점에서 약한 인공지능과 차이가 있음 - 인간형 인공지능: 인간의 사고와 같이 컴퓨터 프로그램이 행동 및 사고함 - 비인간형 인공지능: 인간과 다른 형태의 사고 능력을 발전시키는 컴퓨터 프로그램 - 사람과 같은 지능을 말하며, 마음을 가지고 사람처럼 느낌녀서 지능적으로 행동하는 기계 - 추론, 문제해결, 판단, 계획, 의사소통, 자아의식(self - awareness), 감정(sentiment), 지혜(sapience), 양심(conscience) 등의 인간의 모든 지능적 요소를 포함함 - 강한 인공지능이 구현된다면 튜링 테스트를 완벽하게 통과할 것임 * 튜링 테스트: 50년대 앨런 튜링이 제작한 테스트로 5분간 대화(텔레프린터)를 통해 통/불통을 결정 - 강한 인공지능을 갖는 객체들이 만들어지면 이들의 관리, 대우 등에 대한 사회적, 윤리적, 법적 문제도 발생할 수 있음

 

- 인공지능 기술의 특성

일반성	중요 성질을 공통적으로 가지고 있는 상황을 그룹화함
방대성	중요 성질이 공통적으로 형성되기 이전의 기초자료는 매우 방대함
부정확성	현실문제에서 주어지는 정보가 부정확하며, 그로 인해 표현 역시 불명확함
지식 이용	SW는 자료나 정보를 사용하는 반면 인공지능은 인관과 같은 지식을 이용
추론기능	작은 자료로 핵을 찾거나 많은 자료에서 공통점을 찾아내는 등 인간의 사고과정에서 발생하는 추론기능과 같음
휴리스틱 탐색	정형적인 방법의 원리를 이용하여, 방대한 양의 탐색영역에서 최적의 해를 구하고자 일정한 규칙에 근거하여 해를 찾는 방법인 휴리스틱 탐색 기능을 제공함
출력효율성 제고	입력 정보가 비교적 완전 혹은 완벽하지 않더라고 결과물을 생성하는 기능

 

연구 지능의 요소 기술

탐색(search)	문제의 답이 될 수 있는 것들의 집합을 공간(space)으로 간주하고, 문제에 대한 최적의 해를 찾기 위해 공간을 체계적으로 찾아보는 것
지식표현 (knowledge representation)	문제 해결을 이용하거나 심층적인 추론을 할 수 있도록 지식을 효과적으로 표현하는 방법
추론(interence)	- 가정이나 전체로부터 결론을 이끌어내는 것을 말함 - 관심 대상의 확률 또는 확률분포로 결정하는 것
기계 학습 (machine learning)	- 경험을 통해서 나중에 유사하거나 같은 작업(task)을 더 효율적으로 처리할 수 있도록 시스템의 구조나 파라미트를 바꾸는 것을 말함 - 환경과의 상호작용에 기반한 경험적인 데이터로부터 스스로 성능을 향상시키는 시스템을 연구하는 기술
	지도학습 (supervised learning)	- 문제(입력)와 답(출력)의 쌍으로 구성된 데이터들이 주어질 때, 새로운 문제를 풀 수 있는 함수 또는 패턴을 찾는 것 - 분류, 회귀 통해 분석 - 레이블 X - 선형 회귀 분석, 로지스틱 회귀, 결정트리, 라이브베이즈 등
	비지도학습 (unsupervised learning)	- 답이 없는 문제들만 있는 데이터들로부터 패턴을 추출하는 것(군집화) - 입력은 주어지나 대응되는 출력이 없으며, 입력 패턴들의 공통적인 특성을 파악하는 것이 학습의 목적 - 레이블 O - 군집화, 자원축소, K-Means, 연관관계분석 등
	강화학습 (reinforcement learning)	- 문제에 대한 직접적인 답을 주지는 않지만 경험을 통해 기대 보상(expected reward)이 최대가 되는 정책(policy)을 찾는 학습 - 입력 X에 대해 행위의 포상을 기억하고 학습 - 성공/실패를 반복(시행착오)하며 학습
계획수립(planning)	현재 상태에서 목표하는 상태에 도달하기 위해 수립해야 할 일련의 행동 순서를 결정하는 것

 

딥러닝

: 사람의 개입이 필요한 기존의 지도학습(Supervised Learning)에 보다 능동적인 비지도학습(Unsupervised Learning)이 결합되어 컴퓨터가 마치 사람처럼 스스로 학습할 수 있는 인공지능 기술

- Artificial Intelligence: 사고나 학습 등 인간이 가진 지적능력을 컴퓨터를 통해 구현하는 기술

- Machine Learning: 컴퓨터가 스스로 학습하여 인공지능의 성능을 향상시키는 방법

- Deep Learning: 인간의 뉴런과 비슷한 인공신경망 방식으로 정보를 처리

머신러닝	- 인공적인 학습 시스템을 연구하는 과학과 기술, 즉, 경험적인 데이터를 바탕으로 지식을 자동으로 습득하여 스스로 성능을 향상시키는 기술 - 데이터를 기반으로 모델을 자동으로 생성하는 기술 - 실세계를 복잡한 데이터로부터 규칙과 패턴을 발견하여 미래를 예측하는 기술 - 입출력 데이터로부터 알고리즘을 자동으로 생성하는 기술 - 지도학습과 비지도 학습으로 구분 * 지도학습: 분류(Classification)와 회귀(Regression)로 분류 * 비지도학습: 군집(Clustering)으로 분류(패턴 추출)
딥러닝	사람이 가르치지 않아도 컴퓨터가 스스로 사람처럼 학습할 수 있는 인공지능 기술
퍼셉트론 (Perceptron)	- 인공신경망의 한 종류 - 데이터가 입력층과 출력층만 있는 구조를 단층 퍼셉트론이라고 함 - 인공 신경망의 단층 퍼셉트론은 한계가 있으며, 비선형적으로 분리되는 데이터에 대한 제대로 된 학습이 불가능하다는 것 - 단층 퍼셉트론으로 AND 연산에 대해서는 학습이 가능, XOR에 대해서는 학습이 불가능 하다는 것이 증명됨 - 위의 문제를 극복하기 위한 방안으로 입력층과 출력층 사이에 하나 이상의 중간층(은닉층)을 두어 비선형적으로 분리되는 데이터에 대해서도 학습이 가능하도록 다층 퍼셉트론이 고안됨 - 입력층과 출력층 사이에 존재하는 중간층을 은닉층이라고 부름 - 입력층과 출력층 사이에 여러 개의 은닉층이 있는 인공 신경망을 심층 신경망이라 부르며, 심층 신경망을 학습하기 위한 알고립즘을 딥러닝이라고 함

 

합성곱 신경망 CNN (Convolutional Neural Networks)	- 합성공 신경망으로 기존의 방식은 데이터에서 지식을 추출해 학습이 이루어졌지만, CNN은 데이터의 특징을 추출하여 특징들의 패턴을 파악하는 구조 - 컴퓨터 양상처리에 적합한 합과 곱의 연산이 있는 신경망 - 어떤 특정값들을 합한 뒤 곱하는 신경망 - 합성곱 연산: 입력데이터를 필터라는 행렬과 연산하여 사용
ResNET	2015년 ILSVRC(ImageNet Large Scale Visual Recognition Challenge)에서 1위를 차지한 CNN 모델
순환신경망	- 자연어 처리와 같은 순차적 데이터를 처리하는 데 주로 상요되는 것으로 이전 시점의 정보를 은닉중에 저장하느 방식을 사용 - 입력값과 출력값 사이의 시점이 멀어질수록 이전 데이터가 점점 사라지는 기울기 소멸 문제가 발생하게 되었고, LSTM은 이전 정보를 기억하는 정도를 적저맇 조절해 이러한 문제를 해결함
LSTM	- 순환 신경망(RNN) 기법의 하나 - 기존 순환 신경망에서 발생하는 기울기 소멸 문제(Vanishing Gradient Problem)를 해결하였음
Deepfake	- 특정 인물의 얼굴 등을 인공지능 기술을 이용해 특정 영상에 합성한 편집물 - 인공지능(AI) 기술을 이용해 제작된 가짜 동영상 또는 제작 프로세스 자체라고 할 수 있음 - 딥페이크는 딥러닝과 페이크의 합성어