Please enable JavaScript.

Coggle requires JavaScript to display documents.

인공지능, 머신러닝, 딥러닝, ChatGPT - Coggle Diagram

- - - - 인공지능의 특성
        
        인공지능의 개념
        
        환경과의 상호작용성
        
        스스로 과업 설정 + 달성
        
        인간처럼 적응해 나가는 능력
        
        인공지능 기술이 적용된 예시
        
        자동화
        
        빅데이터
        
        로봇
        
        자율성
        
        사용자의 계속적인 가이드 없이 복잡한 환경에서
        작업하는 능력
        
        적응성
        
        경험으로부터 성능을 향상시킬 수 있는 능력
      - 상호작용
        
        환경(인간 포함)과의 상호작용,
        사람처럼 자연스럽게 행동함
      - 사회적영향
        
        인공지능은 긍정적&부정적 측면이 모두 있음
        : 알고리즘의 편향을 조심해야 함
    - - '데이터'로 학습
    - - 학습한 내용을 지식의 체계로 구축
    - - 구축한 지식의 체계(=표상)에 의미 부여
    - - 의미 + 판단
  - - - '다층 퍼셉트론'의 활용
        
        과업 수행
        
        회귀
        
        정의
        
        숫자값을 출력하여 예측함
        
        분류
        
        정의
        
        데이터를 그룹화하여 분류함
        
        지도학습
        
        비지도학습
        
        정의
        
        데이터를 군집화하여 성격을 규명하는 것
        
        정의
        
        데이터를 학습하여 결과를 예측함
        
        입력층 → 은닉층 → 출력층의 구조
        
        입력층에 들어온 값을 은닉층에서
        가중치와 활성화함수로 변환하여 출력값을 만듦
        
        보다 복잡한 문제 해결 가능
        → 비선형 모델 가능
        
        Layer나 뉴런이 많다고
        반드시 좋은 것은 아님!
      - 입력층 → (처리) → 출력층의 구조
        
        입력층에 입력값(x) 입력 후 가중치 w를 곱해 더한 값에 임계값을 넘으면 1을 출력하고, 넘지 않으면 0을 출력함
        
        선형 모델 가능!
      - 학습 알고리즘
        
        가중치의 변화 = 결정 경계의 변화
        = 학습
        
        경사하강법 등으로 오차의 양을 줄여 최적화함!
- - - - 만약, 규칙을 알아서 찾는다면?
        그건 여기, 머신러닝!
        
        데이터에서 특징 추출하는 것도,
        규칙을 찾는 것도 알아서 한다면? 딥러닝!
  - - - AGI #
        
        ASI
        
        인간보다 월등히 나은 AI
        
        특성
        
        자의식이 있는 AI
        
        예시
        
        자비스, 터미네이터
      - 특성
        
        자의식이 없는 AI
      - 예시
        
        AI 스피커, 알파고, 자율주행
- - - - 훈련할 때 가장 많은 데이터로 모델링을 해야
        비교적 정확한 결과가 나옴!
        (훈련 데이터와 평가 데이터는 서로 달라야 함)
        
        훈련 데이터 : 평가 데이터 = 9 : 1 or 8 : 2
      - 유의할 점
        
        인공지능 모델 구성 시, 충분한 데이터가 있어야 함
        
        원데이터에서 훈련 데이터(학습데이터)를 잘 추출해야 함
        
        훈련 데이터를 잘못 추출하면
        일반화가 되지 않는 모델이 만들어짐
        
        알고리즘의 편향 #
        
        예시
        
        남성을 선호하는 아마존의 인공지능 선발 시스템
        
        흑인보다 백인을 선호하는 인공지능 시스템
- - - - 예시
        
        자동문