인공지능

 인공지능과 머신러닝, 그리고 딥러닝의 관계

- 인공지능: 사고나 학습 등 인간이 가진 지적 능력을 컴퓨터로 구현하는 기술

- 기계학습: 컴퓨터가 데이터를 스스로 학습하여, 성능을 향상시키는 알고리즘을 구축

- 딥러닝: 인공신경만 기반 복잡한 비선형 문제를 기계가 스스로 학습하여 해결

 

인공지능

 

그럼 지능이란?

- 문제 해결

- 추론, 직관, 판단, 상상력, 인지 ...

- 물리적, 정신적, 감정적 행동

 

정신 활동의 종류

  - 암기 -> USB memory,

  - 인식(오감으로) -> sensor, camera

   - 신체 조절-> 전기신호

   - 추측 -> 수학, 통계, 컴퓨터 과학

   - 이해 및 추론 -> 인지 과학 (사람처럼 생각하기

 

인공지능의 정의들1

Act like Human ? Think like Human? Think & Act Rationally?

- 인간적 사고

    사람의 생각과 관련된 활동, 예를 들면 의사 결정, 문제 해결, 학습 등의 활동을 자동화하는 것 (벨만Bellman, 1978)

- 인간적 행위

    지능이 요구되는 일을 할 수 있는 기계를 만드는 예술 (커즈와일Kurzweil, 1990)

    사람이 하면 더 잘 할 수 있는 일을 컴퓨터가 하도록 하는 방법을 찾는 학문 (리치Rich와 나이트Knight, 1991)

- 합리적 행위

    인공물이 지능적인 행위를 하도록 하는 것 (닐슨Nisson, 1990)

- 합리적 사고

    인지하고, 추론하고, 행동할 수 있도록 하는 컴퓨팅에 관련된 학문 (윌슨Wilson, 1992)

    지능적인 에이전트를 설계하는 학문 (풀Poole과 맥워쓰Mackworth, 1998)

 

 

인공지능의 정의2 - 앨런튜링

철학적으로 인간성이나 지성을 갖춘 존재

혹은 시스템에 의해 만들어진 지능, 즉 인공적인 지능

study of how to make computers do better thins which people do

 

튜링 테스트

-> 기계가 인간과 얼마나 비슷하게 대화하는지에 따라 지능이라고 할 만한 것이 있는지 알아내는 테스트

유명한 예시로 "ELIZA"

 

 

인공지능에 대한 갑론을박

반대 - 중국인방

사고 실험 : 실제 실험이 아닌 생각으로 진행하는 실험

=> 이해하지 못하고 흉내 낼 수 있어도 지능적(intelligent) 행동 == Weak AI

 

레이 커즈와일의 반박

「인간의 뇌는 결국 뉴런들의 집합일 뿐이며 이 부품(뉴런) 하나하나는 생각을 할 수 없다. 뉴런 하나는 단순히 일련의 법칙을 따라서 작동할 뿐이고, 그 들이 모여서 뇌라는 하나의 시스템을 이룰 때 비로소 생각이라는 것을 할 수 있게 되고 중국어를 이해할 수 있게 되는 것이다.」

 

 

인공지능의 역사와 주요 연구 분야

 

- 에니악과 퍼셉트론 모델(초기 신경망), XOR 모델

    - 수단 목표 분석 기법

        - 해결해야 하는 문제를 state로 정의

        - 차이 감소: 목표 상태(GOAL)과 현재를 비교하여 차이를 줄인다 (+하위 목표 설정)

        - 연산자(조작자/수단) 선택 반복하여 목적상태로의 도달

 

 

<탐색 추론>

ex)  늑대와 양 강 건너기, 8퀸, 틱택토, 큐브, 외판원

정보이용탐색 : 최상우선탐색 (목표와 거리가 짧은 곳부터)

   - 휴리스틱 탐색

무정보 탐색 : 깊이우선탐색, 탐욕 알고리즘, 반복적 깊이심화 탐색

   - 게임트리: 몬테카를로 탐색 - 바둑

   

 

   

<지식 기반 접근>

    - expert system: MYCIN, PROSPECTOR, DENDRAL

    - 지식의 표현 방법

         - 요소: 지식과 규칙(if-else), 프레임(lisp), 논리, 의미망, 스크립트, 온톨로지, 불확실성과 확률....

         - 표현대상에 따라

                  - 절차적 지식: 문제해결의 절차 기술

                  - 선언적 지식 :어떤 대상의 성질, 특성이나 관계 서술

   

<통계적 접근>

- 추론

     가정이나 전제로부터 결론을 이끌어내는 것

     확률모델의 추론 : 확률분포 결정 - 베이즈 정리

-  다층 퍼셉트론, 오차 역전파 알고리즘

- fuzzy theory : 언어적인 애매한 정보를 정량화 하여 표현

- 진화 프로그래밍

- 확률적 그래프모델 -> 컴퓨터 비전, 로보틱스 ,NLP등에 적용

- SVM : margin과 support vector, 결정 경계 찾는 이진 분류기 

 

- 데이터 마이닝, 기계학습

 - 지도, 비지도, 반지도, 강화 학습

 - 딥러닝 CNN