인공지능의 원리

인공지능이 일하는 순서 — 인식 → 판단 → 행동

인공지능은 어떤 순서로 일을 처리할까?

인공지능은 세상과 상호작용하기 위해 항상 이 세 단계를 거칩니다.
아래에서 각 단계를 하나씩 살펴봅니다.

인식 (Perception)

센서로 주변을 느끼고
0과 1의 데이터로 변환

핵심 단계

판단 (Reasoning)

수집한 정보를 바탕으로
무엇을 할지 결정

행동 (Action)

결정된 내용을 실행해
세상에 변화를 만듦

인공지능의 「4가지 특성」과 「3단계」는 어떤 관계일까?

인공지능의 특성은 흔히 지각, 학습, 추론·예측, 문제 해결의 네 가지로 꼽습니다. 그런데 인공지능이 일하는 단계는 인식·판단·행동의 세 가지라고 합니다. 둘 중 하나가 틀린 것이 아니라, 두 가지는 서로 다른 것을 묻고 있습니다.

4가지 특성 — 무엇을 할 수 있는가

인공지능이 갖춘 능력의 목록입니다. 순서가 있는 것이 아니라, 어떤 제품이 어떤 능력을 가졌는지 확인하기 위한 항목입니다.

3단계 — 어떤 순서로 일하는가

인공지능이 실제로 움직일 때 거치는 일의 흐름입니다. 앞 단계가 끝나야 뒤 단계로 넘어가는 순서가 있습니다.

정리하면 4가지 특성의 「지각」과 3단계의 「인식」은 같은 것을 가리킵니다. 「학습」·「추론·예측」·「문제 해결」은 모두 판단 단계 안에서 쓰이는 능력입니다. 그리고 「행동」은 특성 목록에는 없던 단계입니다. 능력을 꼽을 때는 굳이 셀 필요가 없었지만, 실제로 일을 시키려면 생각한 것을 세상에 내놓는 단계가 반드시 있어야 하기 때문입니다.

스스로 확인

인공지능 스피커가 「불 꺼 줘」라는 말을 듣고 거실 조명을 끕니다. 이 일에서 인식·판단·행동은 각각 무엇인가요?

인식(Perception): 센서와 A/D 변환

컴퓨터는 어떻게 우리가 사는 세상의 빛과 소리를 알아들을까요?

컴퓨터의 감각 기관, 「센서」

사람이 눈, 귀, 피부로 세상을 느끼듯, 인공지능은 「센서(Sensor)」를 통해 세상을 느낍니다. (인공지능에 센서와 움직이는 장치까지 갖춰 붙인 시스템 전체를 지능 에이전트라고 부르는데, 이 말은 아래 「판단」 절에서 자세히 설명합니다.)
우리 주변의 빛, 소리, 온도처럼 끊임없이 변하는 자연의 정보를 「아날로그 신호」라고 부릅니다. 센서는 이 아날로그 신호를 기계가 다룰 수 있는 「전기적 신호」로 바꿔 주는 역할을 합니다.

카메라 센서 빛(시각) 정보를 수집
자율주행, 얼굴 인식

마이크 센서 소리(청각) 정보를 수집
인공지능 스피커

지문 센서 표면의 굴곡을 수집
스마트폰 잠금 해제

세상을 컴퓨터의 언어로 번역하기 (A/D 변환)

환경 정보

아날로그 신호

센서

전기적 신호

컴퓨터의 통역사

A/D 변환기

디지털 정보 변환

에이전트

상황 인식 완료

A/D 변환기는 어떻게 통역할까? (3단계)

A/D(Analog to Digital) 변환기는 끊어지지 않고 이어지는 아날로그 신호를 0과 1로 바꾸기 위해 세 가지 과정을 거칩니다.

1

샘플링 (Sampling)

「잘게 쪼개기」

이어지는 신호를 일정한 시간 간격으로 끊어서 조각냅니다.
떡에 비유하면 긴 가래떡을 일정한 크기로 써는 일입니다.

2

양자화 (Quantization)

「숫자 매기기」

쪼갠 조각들의 크기를 측정해서 가까운 정수(숫자)로 값을 매깁니다.
떡에 비유하면 썰어 둔 떡의 무게를 저울로 달아 적는 일입니다.

3

부호화 (Encoding)

「0과 1로 쓰기」

숫자로 매긴 값을 컴퓨터가 다루는 0과 1의 이진수로 바꿔 적습니다. 부호화는 넓게는 정해진 규칙으로 다른 표현으로 바꿔 적는 일이고, 여기서는 그중 이진수로 적는 단계입니다.
떡에 비유하면 적어 둔 무게를 점과 선 두 가지 기호만 쓰는 모스 부호로 다시 적는 일입니다.

더 알아보기: 양자화 오차와 비트 수의 관계

왜 양자화가 중요한가요?

아날로그 신호의 값은 끊김 없이 이어져 어떤 값이든 가질 수 있지만, 컴퓨터는 이를 저장하기 위해 유한한 눈금을 사용해야 합니다. 이때 실제 값과 눈금의 차이인 양자화 오차가 발생합니다.

비트(Bit) 수 ↑

눈금이 촘촘해짐, 오차 감소, 원본에 가까움 (고음질/고화질)

비트(Bit) 수 ↓

눈금이 듬성듬성함, 오차 증가, 데이터 용량 작음

양자화 비트 수에 따른 차이 시각화

2-bit (4단계 눈금) 오차 큼

4-bit (16단계 눈금) 오차 작음

센서를 100% 믿어도 될까?

헷갈리기 쉬운 점

「카메라 센서는 사람의 눈처럼 사물을 완벽하게 알아본다?」

그렇지 않습니다. 사람은 빛이 강하든 그림자가 지든 사과를 사과로 알아봅니다. 하지만 센서는 「빛의 변화」에 매우 취약합니다. 빛이 조금만 반사되거나 역광이 비치면 아예 다른 물체로 착각하거나 인식하지 못하는 「인식 오류」가 발생할 수 있습니다.

강한 햇빛과 자율주행차

앞에 트럭이 있어도, 강한 햇빛이 하얗게 반사되면 카메라 센서는 눈이 부셔서 트럭을 빈 공간으로 인식할 수 있습니다. 그래서 자율주행 자동차는 카메라 하나만 믿지 않고 레이더, 라이다 등 여러 센서를 동시에 사용합니다.

센서 하나에만 기대지 않는다

코드로 보는 인식의 흐름

컴퓨터 프로그램 속에서는 인식 과정이 어떻게 진행될까?

위에서 본 환경 정보 → 센서 → A/D 변환 → 인식 과정은 실제 프로그램에서도 비슷한 순서로 처리됩니다.

sensor_process.c 코드를 보며 아날로그 소리 데이터가 0과 1의 디지털 데이터로 변환되는 과정을 단계별로 확인해 보세요. C 문법을 빌려 흐름만 적은 의사코드(pseudocode)라서 그대로 컴파일되지는 않습니다. 「스마트홈 경비원 에이전트 설계」의 smart_home.c도 마찬가지입니다.

sensor_process.c

// 에이전트가 소리를 듣고 인식하는 과정 (C 문법을 빌린 의사코드)

void agentPerception() {
    // [1단계: 환경 정보] 자연의 소리(아날로그) 발생
    AnalogSignal soundWave = environment.getSound();

    // [2단계: 센서] 마이크가 소리를 전기 신호로 바꿈
    ElectricSignal rawSignal = micSensor.detect(soundWave);

    // [3단계: A/D 변환기] 전기 신호를 0과 1의 디지털 데이터로 바꿈
    DigitalData dData = adConverter.transform(rawSignal);

    // [4단계: 인식] 에이전트의 두뇌가 디지털 데이터를 분석해 무슨 말인지 알아봄
    if (aiBrain.isHelpRequest(dData)) {   // 「도와줘」라는 말이면
        actuator.moveTowardUser();        // 판단에 따라 구동기가 움직임(행동)
    }
}

스스로 확인

디지털 녹음기로 새소리를 녹음합니다. 1초에 몇 번 소리를 측정할지 정하는 일과, 측정한 소리의 크기를 몇 단계 눈금으로 적을지 정하는 일은 각각 A/D 변환의 어느 과정에 해당할까요?

판단(Reasoning): 지능 에이전트

인식한 정보로 무엇을 할지는 누가 정할까?

인식한 정보를 바탕으로 무엇을 할지 결정하는 것이 판단입니다.
이 판단을 해내는 부분을 갖춘 시스템을 지능 에이전트라고 부릅니다.

지능 에이전트란 무엇인가

지능 에이전트(Intelligent Agent)란 에이전트에 인공지능을 결합해, 주변을 인식하고 학습이나 추론을 바탕으로 스스로 판단하며 행동하는 것을 말합니다. 주어진 일을 사람 대신 해 주는 것까지가 에이전트이고, 거기에 학습과 추론이 더해진 것이 지능 에이전트입니다. 정해 준 순서대로만 움직인다면 아무리 정교해도 에이전트에 머무릅니다. 둘을 구분하는 기준은 미리 정해 두지 않은 상황에서도 무엇을 할지 스스로 고르는가입니다. 겪은 데이터에서 배워서 고르든, 사람이 적어 준 규칙과 사실에서 추론해서 고르든 이 기준을 채우면 지능 에이전트입니다. 앞에서 본 판단이 바로 이 학습과 추론을 바탕으로 무엇을 할지 정하는 일입니다.

그래서 지능 에이전트는 세 부분으로 이루어집니다. 환경을 받아들이는 센서, 무엇을 할지 정하는 지능(소프트웨어), 그리고 실제로 움직이는 구동기입니다. 이 셋이 앞에서 본 인식 → 판단 → 행동의 세 단계를 하나씩 맡습니다.

사람에 비유해 보면 지능 에이전트가 「사람 한 명 전체」입니다. 센서는 눈·귀 같은 감각 기관, 지능은 두뇌, 구동기는 팔과 다리에 해당합니다. 여기서 인공지능은 두뇌에 해당하는 부분, 곧 에이전트 안에서 판단을 맡는 소프트웨어입니다.

헷갈리기 쉬운 점

인공지능과 지능 에이전트는 나란히 놓고 비교할 짝이 아닙니다. 「두뇌 대 몸」처럼 둘로 나누어 외우면 틀립니다. 인공지능은 지능 에이전트 안에 들어 있는 한 부분이고, 지능 에이전트는 그 인공지능에 센서와 구동기까지 갖춰 붙인 것입니다. 아무리 똑똑한 인공지능이라도 세상을 받아들일 센서와 세상을 바꿀 구동기가 없으면 혼자서는 아무 일도 하지 못하기 때문에, 실제 제품은 늘 에이전트 형태로 만들어집니다.

헷갈리기 쉬운 점

「지능 에이전트가 알아서 다 해 주면 사람은 아무것도 안 해도 되나요?」
그렇지 않습니다. 목표를 정하는 것은 여전히 사람입니다. 로봇 청소기가 경로를 스스로 짜도 청소를 맡길지, 어느 방에는 들어가지 말지는 사람이 정합니다. 지능 에이전트는 인간을 대신하는 존재가 아니라 인간의 목표 달성을 돕는 협력 도구입니다.

로봇 청소기로 보는 지능 에이전트의 다섯 가지 특성

특성	뜻	로봇 청소기라면
자율성	사람이 일일이 시키지 않아도 스스로 판단해 움직인다	바닥의 먼지를 알아보고 아무도 누르지 않아도 청소를 시작한다
능동성	반응만 하는 것이 아니라 목표를 이루려고 먼저 나선다	배터리가 줄어들면 시키지 않아도 먼저 충전대로 돌아간다
사회성	사람이나 다른 기기와 주고받으며 함께 움직인다	만들어 둔 집 안 지도를 앱에 보내고, 사람이 정해 준 구역에 맞춰 경로를 다시 짠다
시간 연속성	한 번 하고 끝나지 않고 계속 이어서 일한다	청소를 마친 뒤에도 다음 청소를 위해 지도와 기록을 남겨 둔다
반응성	환경이 달라지면 그에 맞게 대응한다	가구 위치가 바뀌면 새 지도를 그려 다른 경로로 돈다

다섯 가지가 늘 똑같은 무게로 나타나지는 않습니다. 사회성은 주고받을 상대가 있을 때 드러나므로 혼자 일하는 에이전트에서는 잘 보이지 않습니다. 다섯 낱말을 외우기보다 「시키니까 한다」와 「알아서 한다」가 어디에서 달라지는지를 보아야 합니다. 자율성과 능동성이 그 차이를 가장 잘 보여 줍니다. 자율성은 맡은 일을 사람 손 없이 해내는 것이고, 능동성은 목표를 이루려고 앞일을 챙겨 먼저 움직이는 것입니다.

스스로 확인

인공지능 스피커가 아무도 묻지 않았는데, 사용자가 평소 집을 나서는 시각에 맞춰 「오늘 오후에 비가 옵니다」라고 먼저 알려 줍니다. 다섯 가지 특성 가운데 어느 것이 가장 잘 드러나나요? 까닭도 말해 보세요.

행동(Action): 구동기

판단한 결과는 어떻게 실제 움직임이 될까?

판단이 끝나면 실제로 세상에 변화를 만드는 단계가 필요합니다.

구동기 (Actuator)

「사람의 팔과 다리」

지능의 명령을 받아 실제로 환경에 변화를 일으키는 장치입니다.
(예: 로봇 팔, 스피커, 바퀴, 화면 표시)

다양한 구동기 예시

장치	하는 일 (행동)	쓰이는 에이전트
바퀴 모터	이동	로봇 청소기
로봇 팔	물건 집기·조립	공장 자동화 로봇
스피커	소리 출력	인공지능 스피커
경보 장치	경고음 울리기	스마트홈 보안
도어락	문 잠금·해제	자동 출입 시스템

헷갈리기 쉬운 점

「자동문도 사람이 오면 열리는데, 지능 에이전트인가요?」
자동문은 단순한 「센서」와 모터(구동기)만 있습니다. 하지만 상황을 보고 스스로 판단(누구인지, 열어 줘야 할지 말지)하는 「지능(소프트웨어)」 요소가 없기 때문에 단순한 기계일 뿐, 지능 에이전트는 아닙니다. 지능 에이전트는 센서·지능·구동기 세 부분으로 이루어지는데, 자동문에는 그 가운데 지능이 빠져 있습니다.

자동으로 움직인다고 다 인공지능은 아니라는 것과 같은 이야기입니다. 자동문에 얼굴을 알아보고 들여보낼지 말지를 스스로 정하는 소프트웨어를 붙이면 그때부터는 지능 에이전트가 됩니다. 구분하는 기준은 문이 열리느냐가 아니라, 열지 말지를 누가 정하느냐입니다.

스스로 확인

스마트 화분이 흙의 수분을 측정하고, 흙이 말라 있으면 펌프를 작동시켜 물을 줍니다. 여기서 센서와 구동기는 각각 무엇인가요? 이 화분이 지능 에이전트인지 판단하려면 무엇을 더 알아야 할까요?

지능 에이전트는 어디에 쓰이나

지능 에이전트는 우리 주변 어디에서 일하고 있을까?

지능 에이전트는 온라인·산업·서비스 등 다양한 분야에서 활약합니다.

분야별 지능 에이전트 활용 사례

분야	대표 사례	센서 (인식)	구동기 (행동)
온라인	음악·영상 추천 시스템	시청·청취 기록 수집	맞춤형 콘텐츠 노출
온라인	스팸 메일 자동 필터링	메일 내용·발신자 정보 수집	스팸 폴더 자동 이동
산업	불량품 검사 공장 로봇	고해상도 카메라	불량품 분리 로봇 팔
산업	자율 비행 농업 드론	GPS·카메라·습도 센서	농약 살포 노즐
서비스	병원 돌봄 로봇	음성·동작 감지 센서	이동 바퀴·로봇 팔
서비스	스마트홈 자동 관리	온도·조도·동작 센서	조명·에어컨 제어

설계 예시

스마트홈 경비원 에이전트 설계

센서, 지능, 구동기가 실제로 어떻게 함께 작동하는지 예시로 살펴봅니다.

집을 지키는 스마트홈 보안 에이전트를 만든다고 상상해 봅시다. 이 에이전트는 주변 상황을 인식하고, 판단한 뒤, 적절한 행동을 수행합니다.

1

목표 설정

집 내부가 안전한지 확인한다.

2

인식 (센서)

카메라로 집 내부 상황을 관찰한다.

3

추론 (지능)

가족인지 침입자인지 판단한다.

4

행동 (구동기)

경보를 울리거나 문을 열어 준다.

smart_home.c

// 스마트홈 보안 에이전트의 작동 흐름 (C 문법을 빌린 의사코드)

void runSecurityAgent() {
    while (true) {
        // 1. 인식 (Sensor)
        Image currentView = cameraSensor.captureImage();

        // 2. 추론 (Intelligence)
        Person detectedPerson = aiEngine.analyzeFace(currentView);

        if (detectedPerson == UNKNOWN_PERSON) {
            // 3. 행동 (Actuator)
            speakerActuator.soundAlarm();
            networkModule.callPolice();
        } else if (detectedPerson == FAMILY_MEMBER) {
            doorActuator.unlock();
        }
    }
}

스스로 확인

약국에서 처방전을 읽어 약을 골라 봉투에 담는 로봇이 있습니다. 이 로봇의 센서·지능·구동기는 각각 무엇이고, 인식·판단·행동 가운데 어느 단계를 맡나요?

그래서 「판단」은 실제로 어떻게 하는가?

인공지능은 인식 → 판단 → 행동의 순서로 움직입니다. 그렇다면 「판단」은 어떤 방식으로 이루어질까요?

「판단」이란 무엇인가?

판단이란 여러 선택지 중에서 하나를 고르는 일입니다. 로봇 청소기는 「어느 방을 먼저 청소할까?」를 골라야 하고, 체스 AI는 「다음 수를 어디에 둘까?」를 골라야 합니다. 이 선택을 하는 방법이 크게 세 갈래로 나뉩니다.

인공지능을 일반 소프트웨어와 비교할 때는 흔히 「사람이 규칙을 적어 주느냐, 데이터에서 규칙을 찾아내느냐」로 나누어 봅니다. 그런데 아래 세 갈래를 보면 데이터로 학습하는 것은 그중 하나뿐이고, 나머지 둘은 학습하지 않고도 스스로 고릅니다. 그러니 「학습해야만 인공지능」이라고 외워 두면 안 됩니다. 세 갈래의 공통점은 학습이 아니라 미리 정해 두지 않은 상황에서도 스스로 고른다는 것입니다.

방법 1

탐색 (Search)

가능한 경우를 상태 공간 트리(state space tree, 하나의 상태를 노드로 두고 한 번의 움직임으로 갈 수 있는 상태를 가지로 이어 그린 트리)로 전개해 놓고, 목표 상태(또는 그 상태에 이르는 길)를 찾는 방법입니다.

로봇 청소기라면
「어느 방으로 갈지」 — 가능한 경로를 전개해 목표에 이르는 길을 탐색

방법 2

지식 표현과 추론

아는 사실을 규칙·의미망·프레임으로 미리 적어 두고(의미망은 개념끼리의 관계를 선으로 이은 그림, 프레임은 한 대상의 속성을 칸마다 채운 틀입니다), 그 지식에서 새로운 사실을 이끌어 내는 방법입니다.

로봇 청소기라면
「카펫 위에서는 물걸레를 올린다」 — 사람이 적어 둔 규칙으로 상황 판단

방법 3 · 기계학습

탐색은 상태와 움직이는 규칙을, 지식 표현은 규칙과 사실을 사람이 직접 알려 주어야 합니다. 기계학습은 그 규칙을 데이터에서 스스로 찾는 세 번째 방법입니다.

로봇 청소기라면
「먼지 종류를 붙인 사진을 수천 장 보여 주면 AI가 스스로 먼지 패턴을 익힌다」

판단 방법 세 갈래 한눈에 비교

판단 방법	핵심 아이디어	로봇 청소기 예시	사람이 미리 주는 것
탐색	가능한 경우를 전개해 목표에 이르는 길 탐색	어느 방을 먼저 청소할까?	상태와 움직이는 규칙, 목표
지식 표현·추론	규칙을 미리 적어 두고 새 사실 추론	카펫이면 물걸레 올리기	규칙과 사실
기계학습	데이터에서 패턴을 스스로 학습	먼지 사진 보고 종류 파악	데이터(이 예라면 먼지 종류를 붙인 사진)

스스로 확인

엘리베이터가 여러 대 있는 건물에서 호출 버튼이 눌리면 어느 엘리베이터를 보낼지 골라야 합니다. 이 판단을 탐색으로 할 때와 기계학습으로 할 때, 사람이 미리 주어야 하는 것은 각각 무엇일까요?

확인 퀴즈

배운 내용을 확인해 봅시다.

Q1 A/D 변환의 3단계를 올바른 순서로 나열한 것은 무엇일까요?

Q2 지능 에이전트의 센서에 대한 설명으로 올바른 것을 고르세요.

Q3 다음 중 지능 에이전트를 구성하는 3요소와 그 역할이 잘못 짝지어진 것은?

Q4 드론 수십 대가 서로 위치를 주고받으며, 부딪히지 않게 하늘에서 에어쇼 대형을 맞추고 있습니다. 이 상황에서 가장 돋보이는 지능 에이전트의 특성은 무엇일까요?

Q5 로봇 청소기가 「어느 방을 먼저 청소할지」 결정하는 방법으로 가장 적합한 것은?

핵심 정리

4가지 특성은 능력의 목록이고, 인식 → 판단 → 행동은 일하는 순서다. 「행동」은 특성 목록에 없던 단계다.
인공지능은 지능 에이전트 안에서 판단을 맡는 부분이다. 둘은 나란히 놓고 비교할 짝이 아니다.
센서는 빛의 변화나 반사에 속을 수 있으므로 한 가지 센서에만 기대지 않는다.
판단의 세 방법 가운데 데이터로 학습하는 것은 기계학습 하나뿐이다. 셋의 공통점은 미리 정해 두지 않은 상황에서도 스스로 고른다는 것이다.
자동으로 움직여도 무엇을 할지 스스로 정하지 않으면 지능 에이전트가 아니다.

핵심 용어

센서 — 아날로그 → 전기 신호
A/D 변환기 — 전기 → 디지털
지능 에이전트 — 센서+지능+구동기
구동기 — 판단 → 행동

지능 에이전트의 다섯 가지 특성

① 자율성 — 시키지 않아도 스스로 판단
② 능동성 — 먼저 나서서 움직임
③ 사회성 — 사람·다른 기기와 주고받음
④ 시간 연속성 — 한 번으로 끝나지 않고 이어서 일함
⑤ 반응성 — 환경이 달라지면 그에 맞게 대응

판단의 세 가지 방법

탐색 — 가능한 경우를 전개해 목표 상태나 그에 이르는 길 찾기
지식 표현·추론 — 적어 둔 규칙에서 새 사실 이끌어 내기
기계학습 — 데이터에서 규칙을 스스로 찾기