심볼 그라운딩 문제(Symbol Grounding Problem)이란?

인공지능 분야에는 심볼 그라운딩 문제(Sysbol Grounding Problem)이라는 것이 존재한다.

이는 인공지능(AI,컴퓨터)는  표상(기호로 표시된 세계)을 실제세계(real world)와 연관지어 이해할 수 없다는 문제이다.

 

 예를 들자면 '해파리'를 본적도 없고 들어본적도 없는 그 존재조차 모르는 사람에게 해파리라는 단어만을 알려준다 한들

이해할 수 가 없다.

 

하지만 실제로 해파리를 본적이 있거나 해파리 사진을 본 경험이 있는 사람에게는 해파리라는 단어를 이해할 수 있다.

이처럼 인간이라면 시각능력을 통해서 해당 단어와 연결지어 해파리라는 단어를 학습할 수 있고 이해할 수 있게된다.

 

따라서 인공지능에게도 시각처리 능력을 심어주게 된다면 이러한 심볼 그라운딩 문제를 해결 할 수 있게되는 것이다.

 

현재는 이러한 문제를 딥러닝(DeepLearning)을 통해서 해결하고 있다.

우리가 이세돌과 알파고의 바둑 대결을 통해서 익숙하게 들어본 기술 바로 그 딥러닝을 말하는 것이다.

 

딥러닝은 2012년 대규모 이미지 인식 경진대회 ILSVRC(ImageNet Large Scale Visual Recognition Challenge)에서

토론토 대학 연구진이 선보인 기법이다.

 

토론토 대학 연구진은  이 딥러닝이라는 새로운 기법을 통해서 해당 대회에서 기존의 방법론에 비해 압도적인 성능차이를 보여주며 우승해보였다.

 

해당 연구는 저명한 신경정보처리시스템(NeurIPS, Neural Information Processing System)학회에 발표되어 지금까지도 인공지능 분야에서 가장 많이 인용되고 있는 논문 중 하나가 되었다.

 

이를 계기로 딥러닝이 학계, 산업계에 널리 받아들여지게 됨에 따라 딥러닝이 폭발전으로 발전하여 2015년에는

사람의 인식률(94.90)%을 추월한 96.43%의 인식정확도를 보여주었고 2020년에는 사람을 한참 뛰어넘는 수준인

98.7%으로 진화했다.

 

ILSVRC 연도별 정확도 향상 (출처 : 인공지능 이미지 인식 기술동향, 이주열, LG CNS AI 빅데이터 연구소)