[논문 리뷰] Challenges of Artificial Intelligence -- From Machine Learning and Computer Vision to Emotional Intelligence

Matti Pietikäinen, Olli Sílven|arXiv (Cornell University)|2022. 01. 05.

COVID-19 diagnosis using AI인용 수 15

한 줄 요약

이 논문은 기계 학습과 컴퓨터 시각에서부터 정서 지능으로 뻗어나가는 새로운 영역에 이르기까지 인공지능의 발전을 종합적이고 현실적인 시각에서 평가한다. 딥 러닝에 대한 과도한 기대를 비판하고 현재의 한계를 제시하며, 인간의 보조자로서의 AI를 지향하면서도 정서 인식 분야의 기초 연구와 윤리적 AI 개발을 제안한다.

ABSTRACT

Artificial intelligence (AI) has become a part of everyday conversation and our lives. It is considered as the new electricity that is revolutionizing the world. AI is heavily invested in both industry and academy. However, there is also a lot of hype in the current AI debate. AI based on so-called deep learning has achieved impressive results in many problems, but its limits are already visible. AI has been under research since the 1940s, and the industry has seen many ups and downs due to over-expectations and related disappointments that have followed. The purpose of this book is to give a realistic picture of AI, its history, its potential and limitations. We believe that AI is a helper, not a ruler of humans. We begin by describing what AI is and how it has evolved over the decades. After fundamentals, we explain the importance of massive data for the current mainstream of artificial intelligence. The most common representations for AI, methods, and machine learning are covered. In addition, the main application areas are introduced. Computer vision has been central to the development of AI. The book provides a general introduction to computer vision, and includes an exposure to the results and applications of our own research. Emotions are central to human intelligence, but little use has been made in AI. We present the basics of emotional intelligence and our own research on the topic. We discuss super-intelligence that transcends human understanding, explaining why such achievement seems impossible on the basis of present knowledge,and how AI could be improved. Finally, a summary is made of the current state of AI and what to do in the future. In the appendix, we look at the development of AI education, especially from the perspective of contents at our own university.

연구 동기 및 목표

• 현재의 과도한 기대에 대비하여 그 한계에 대한 증거를 바탕으로 한 균형 잡힌 역사적 시각을 제공하는 것.
• 최근 인공지능 발전을 이끄는 대규모 데이터와 딥 러닝의 역할을 분석하면서도 그 제약 조건을 부각하는 것.
• 아직 크게 발전하지 못했지만 필수적인 영역인 정서 지능을 인공지능 시스템에 통합하는 방식을 탐색하는 것.
• 현재 과학적이고 이론적 접근이 부족한 바탕으로 초지능의 실현 가능성과 위험을 평가하는 것.
• 커리큘럼 개발과 실용적 응용을 반영하여 향후 인공지능 교육 및 연구를 이끌어내는 것.

제안 방법

• 1940년대부터 현재까지 인공지능의 역사적 발전을 조사하여 과도한 낙관과 실망의 반복 주기를 강조하는 것.
• 현대 인공지능 성능에서 대규모 데이터셋과 딥 뉴럴 네트워크의 역할을 시각 및 언어 작업 전반에서 분석하는 것.
• 컨volutional 네트워크와 객체 탐지와 같은 컴퓨터 시각 분야의 기초 기법을 제시하며 저자 자신의 연구에 근거를 두는 것.
• 표정 분석, 음성 분석, 다중 모odal 데이터 융합을 통한 정서 인식 방법을 소개하는 것.
• 인공일반지능 또는 초지능을 달성하는 데 있어 이론적 및 실용적 장벽을 평가하는 것.
• 자율성보다 협업에 기반한 윤리적이고 인간 중심의 인공지능 개발 프레임워크를 제안하는 것.

실험 결과

연구 질문

• RQ1 현재의 딥 러닝 기반 인공지능 시스템의 核심적 한계는 무엇이며, 왜 인간 수준의 지능을 달성하는 데 부족한가?
• RQ2 정서 지능은 어떻게 의미 있는 방식으로 인공지능 시스템에 통합될 수 있으며, 이 과정에서 발생하는 기술적 및 윤리적 도전 과제는 무엇인가?
• RQ3 현재의 지식과 기술적 제약 조건을 고려할 때 초지능 개념은 과학적으로 얼마나 타당한가?
• RQ4 인공지능 교육의 발전, 특히 오울루 대학교의 사례는 인공지능 연구 및 응용 분야의 우선순위 변화를 어떻게 반영하고 있는가?
• RQ5 대규모 데이터셋은 현대 인공지능의 성공에 어떤 역할을 하는가? 이 의존성의 장기적 영향은 무엇인가?

주요 결과

• 딥 러닝은 이미지 분류나 객체 탐지와 같은 좁은 영역에서는 놀라운 성과를 거두었지만, 분포 외부 또는 희귀 사건 상황에서는 성능이 크게 떨어진다.
• 현재의 인공지능 시스템은 진정으로 이해하거나 추론할 능력을 갖추지 못해 데이터의 통계적 패턴에 크게 의존할 뿐이며, 인과적 또는 개념적 지식은 부족하다.
• 인공지능에서 정서 인식는 여전히 초기 단계에 있으며, 정확도 향상, 문화적 편향, 다중 모달 융합 등 많은 도전 과제를 안고 있다.
• 현재 과학적 및 계산적 프레임워크로는 초지능의 실현이 불가능해 보이며, 이는 인지 및 자기 인식의 돌파구가 필요하기 때문이다.
• 인공지능 교육은 기술적 역량을 넘어서 윤리, 사회적 영향, 다학제적 협업을 포함하여 책임감 있는 개발을 보장해야 한다.
• 논문은 인공지능이 자율적 의사결정자보다 인간과 협업하는 도구로 보아야 하며, 인간의 감시와 통제를 강조하는 데서 결론을 내린다.