Please enable JavaScript.
Coggle requires JavaScript to display documents.
인공지능의 이해(1422 정지현) - Coggle Diagram
인공지능의 이해(1422 정지현)
인공지능과 탐색
탐색
문제 상황에서 답을 찾아가는 과정,컴퓨터 학자들은 인간의 탐색 방법을 모방하여 컴퓨터에 적용하고자 노력해 옴.
A알고리즘
출발부터 도착까지 모든 과정을 과정을 일일이 명령하면 그대로 수행하는 방식,가장 간단한 방식,출발지나 도착지가 변경되거나 미로의 모양이 바뀌면 매번 새롭게 명령해야 하는 번거로움이 있었고,미로의 모습을 모르는 상황에서는 수행하기 어려운 알고리즘.
B알고리즘
왹쪽 벽을 따라가며 왼쪽으로 회전하여 미로 탐색 문제를 해결하는 방법 사용,미로의 모습 몰라도,간단한 단일 연결 미로는 반드시 탈출 가능 ,하지만 탐색 경로가 항상 최단경로를 보장하지는 못함,출발점이 미로 가운데에 있거나 이중으로 연결된 미로라면 탈출 불가능 할 수도 있다는 한계점 존재.
C알고리즘
각 미로 칸 마다 숫자 정보를 부며하고 탐색,사람이 길을 가는 방향을 정한다면 목적지의 반대로 이동하지 않고 목적지가 있는 방향으로 이동함,미로 탐색도 목적지에 가까이 가는 방향으로 이동하게 하면,불필요한 탐색 범위를 줄일 수 있다.
인공지능에서 탐색의 중요성
-복잡한 문제를 탐색으로 해결하려는 노력은 인공지능 연구의 초창기부터 이어져 왔다.세계 체스 챔피언에게 패배했지만,계속 도전하여 결국 승리를 거둔 딥블루,바둑의 알파고 등등이 있다.
문제 해결을 위한 탐색 과정 설계
-탐색을 통해 문제를 효과적으로 해결하기 위해서는 문제를 구조화하는 설계과정이 필요함.이후,문제를 해결하기 위한 탐색 알고리즘을 선택하고 실행하여 해결가능성을 확인하고 답을 구한다.
문제 해결을 위한 탐색과정에서 만나게 되는 상황을 상태라고 함,모든 상태의 집합을 상태공간이라고 함,문제가 주어진 상태,즉 문제의 처음 상태를 초기 상태라고 함.문제가 모두 해결된 상태를 목표 상태라고 함.탐색은‘상태 공간 안에서 초기 상태로부터 목표 상태까지의 경로를 찾는 과정‘이라고 정의함.
-
-
인공지능의 원리
인공지능의 개념
인간의 지능이 갖는 학습,탐색,추론 등의 능력을 모방하여 컴퓨터로
구현한 시스템이나 구현하려는 컴퓨터 과학 기술
-
-
센서를 통해 입력받은 데이터는 빅데이터로 쌓이게되고,이러한 빅데이터를 학습한 인공지능은 탐색과 추론을 통해 판단을 함. (에시,인공지능 대화형 비서,다양한 앱,번역 플랫폼 등등)
예시\로봇 청소기
상단에 장착된 카메라를 이용하여 벽면과 천장의 특징을 구별하여 지도를 생성하고, 장애물을 탐지하여 이를 피하며 청소한다.
인곤지능의 특성
인식
인간이 눈과 귀 등의 감각 기관을 통해 사물을 인식하는 것처럼,인공지능은
센서를 통해 감지된 사물을 인식한다.
-
-
-
-
개와 고양이를 구분하거나 앉았다 일어나는 행동과 같이 인간이 간단히 할 수 있는 일이 인공지능에게는 어려울 수 있다.하지만 게계 장치에서 동직하는 인공지능은 전기가 공급되는 동안 인간처럼 지치지 않고 ,잠도 자지 않으며 ,반복적인 작업을 오류 없이 수행 가능,또한 받아들인 정보를 빠르게 해석하고 분석가능, 특정 영역에 대한 문제 해결하는 방법이나 해답을 인간보다 빠르게 찾기 가능.
인공지능이 적용되지 않은 소프트웨어
-고정된 단순 작업이나 반복되는 작업 처리
-입력 데이터가 같으면 이를 처리하는 시간과 결과가 같다.
인공지능이 적용된 소프트웨어
-추론이나 예측의 작업 가능
-데이터 기반의 기계학습을 구현한 인공지능의 경우, 학습을 통해 성능이 개선되기도 한다.
튜링테스트
1950년 앨런 튜닝이 제안한 테스트
-기계가 인간과 비슷하게 대화가 가능한지 판단하는 테스트,튜링 테스트를 통과한다면 기계에도 지능이 있다고 봐야한다는 주장
-튜랑테스트를 통과했다고 해서 기계에 지능이 잇다고 판단하는 것은 한계가 있다는 지적도 있음.
-2014 유진 구스트만이 테스트를 통과했다고 주장하기 전까지는 어떤 인공지능도 튜링 테스트를 통과하지 못함.게다가 유진 구스트만도 앞뒤가 바찌 않는 여러 문답을 했으나 13세의 어린 소년이라는 설정으로 기계라는 의심을 빗겨감.
인공지능을 활용한 문제 해결 사례
-인공지능을 이용하여 스미싱 판단
-심리 상담센터에서 안공지능이 적용된 앱이용하여 어린아이의 그림을 분석하고 심리상태를 파악함.
-안공지능 돌봄 로봇은 혼자 사는 노인의 대화 상대가 되어주고 건강상태 파악.
인공지능의 미래 활용 분야
-ai+x
인공지능과 다양한 산업의 융합을 의미함.
-ai+의료
질환의 발증을 막는 ‘예방’,질환을 앓고 있는 사람을 찾아내는 ‘진단’,증세 악화를 개선하는 ‘치료‘에 모두 적용되어 활용 가능.
-이외에도 교육,번역 등 다양한 분야에서 ai+x는 활용되고 있다.
-
맹목적 탐색과 정보 이용 탐색
맹목적 탐색
프로그래밍이나 기계학습으로 문제를 해결할때 목표 상태 이외에 어떤 정보도 주어지지 않은 상태에서 탐색을 하는 것을 말함.목표 상태에 도달할 떄까지 모든 상태 공간을 탐색하는 알고리즘이다.현재 상태 노드에서 다음 상태 노드를 방문할 떄,어떤 방향으로 탐색하는가에 따라 깊이 우선 탐색과 너비 우선 탐색 등이 있다.
깊이 우선 탐색
상태 공간 트리에서 자식 노드를 먼저 방문하는 수직 방향의 탐색 알고리즘임.자식노드가 두개 이상일 경우 주로 왼쪽 자식노드를 먼저 방문, 탐색 중에 단말 노드에 도착 했는데도 목표 노드를 찾지 못했다면 다시 분기ㅣ점으로 돌아가 방문하지 않은 노드부터 다시 수직 방향으로 탐색함,
장점\ 목표 노드가 수직방향으로 깊이 있다면 문제를 빨리 해결 가능하고 저장공간도 비교적 적게듦.
단점\ 목표 노드가 없는 경로에 깊이 빠져버리거나 목표 노드가 여러개인 경우,지금의 방문경로가 최단거리임을 보장 불가능함.
너비 우선 탐색
상태 공간 트리에서 형제 노드를 먼저 방문하는 수평 방향의 탐색 알고리즘임, 상태 공간트리의 깊이가 앏고 넓은 경우 ,목표노드를 빨리 찾기 가능,목표노드를 찾을 때까지 모든 상태 공간을 탐색하므로 목표 노드가 존재한다면 반드시 찾을 수 있음.최단경로 알기 가능,
단점\ 노드 수가 많아 지거나 목표 노드가 수직 방향으로 깊은곳에 있으면 탐색 시간이 오래 걸리고, 탐색을 위한 공간과 탐색 범위도 지나치게 넓어짐
-
정보 이용 탐색
경험이나 지식을 탐색에 이용하는 알고리즘으로 ,필요 없는 경로를 줄여 문제 해결 시간과 공간 절약 가능.일부 탐색 공간만 탐색 하기 떄문에 답을 찾지 못 할 수도 있음.대체로 좋을 결과를 냄,효율적이고 빠르게 목표를 찾을 수 있어서 내비게이션등 인공지능 시스템의 탐색에 많이 사용됨.
휴리스틱만 사용하는지 시작 상태에서 현재 상태 까지의 탐색 비용도 고려하는지에 따라 최상우선 탐색과 a*탐색 등으로 구분됨.
최상 우선 탐색
초기상태에서 현재 상태에 이르기까지의 비용을 고려하지 않고 ,현재 가장 좋은 것을 선택하는 탐색 방법임.현재상태 노드에서 다음 방문할 상태노드를 결정할 때 목표에 가장 가까워 보이는 노드 선택.
평가 함수는 현재 상태가 목표 상태에 얼마나 가까운지를 평가하는 함수로,이를 이용해 목표에서 가장 가까운 상태 선택.
A*탐색 알고리즘
최상 우선 탐색을 개선한 알고리즘,앞으로 남은 거리에 ,초기 상태에서 현재 상태에 이르기까지의 비용도 고려함으로 보다 탐색 비용을 줄이기 가능.
지식의 표현과 추론
지식의 표현
인공지능과 추론
추론\ 이미 알고 있는 사실을 바탕으로 새로운 결과를 이끌어 내는 사고 과정,즉 알고 있는 사실로부터 모르고 있던 사실을 ㄹ알게 되는것
추론은 인공지능에서도 중요한 영역임.인공지능은 데이터를 이용한 학습을 바탕으로 새로운 ㅁ데이터로 추론을 하여 결과 도출(예시\ 음성인식,이미지검색,이메일의 스팸 필터링 등등)
데이터 ,정보,지식
테이터\ 관찰이나 실험,조사로 얻은 사실이나 자료를 의미, 가공하기 전의 상태
정보\ 다양ㅇ한 데이터 중에서 사용자의 필요에 따라 처리한 데이터
지식\ 개념화된 정보로 정보를 일반화하고 체계화한 것
인간은 지식을 활용하여 다른사람의 질문을 이해하고 질문에 답변 가능, 또한 다양한 복적과 상황에 맞게 지식을 적용 가능,인공지능도 문제를 해결하가 위해 지식 필요,인공자능에게 팔요한 지식은 기게가 이해 가능 해야 함.
지식 표현
-
규칙
우리가 흔히 사용하는 만약 a라면 b이다. 또는 a하면 b하다,와 같은 형태로
If a then b 로 나타내기 가능
a=주어진 정보나 사실에 대응될 조건
b= 조건을 만족할 떄 하는 판단이나 행동안 결론
A가 참이면 b를 수행하는 형태이고,이를 생성 규칙이라고도 하며,인과관계,추천,지략,경험적 지식 등을 표현 가능
논리
수학 논리학에서 사용하는 명제 논리나 술어 논리 사용,명제 논리는 명제를 가지고 논리를 판ㅂ별하느느 것이고 술어논리는 주어와 서술어 간의 관계를 다루는 것,명제논리에서 나타나는 단점은 술어 논리로 보완 가능
예시\ ‘개는 동물이다’라는 평서문을 술어 논리로 표현하면 ’animal’처럼 표현 가능
가장 명확한 방법이지만 복잡한 상황에서의 적용이 어려움
의미망
지식이나 기억 ,실세계를 노드와 호를 이용하여 네트워크 구조로 표현한것.노드는 객체,개념,사건 등을 포현하고,호는 노드간의 관계를 화살표로 나타낸다.호의, 종류는 has-a(~이 있다),is-a(~이다),do(~을 한다)가 있다.
프레임
특정한 객체나 개념에 대한 지식을 슬롯으로 표현한 것,하나의 프레임은 여러개의 슬롯으로 구성됨,슬롯은 슬롯 이름과 슬롯 값으로 구성됨
장점\ 관련된 지식을 한군데에 모을 수 있다
단점\ 슬롯에 대한 표준이 없고 지식을 생성하는 것이 매우 힘들다
추론
연역 추론
일반적인 전제를 바탕으로 새로운 결론을 논리적으로 도출,대표적인 예시로는 삼단논법이 있음,산단논법은 두개의 전제와 하나의 결론으로 된 형식을 가지고 있음,최초의 대전제가 결론을 이끌어내는 중요한 근거가 되며 논리의 일관성이 있음.
귀납 추론
구체적인 사례에서 알반적인 결론을 이끌어내는 추론,이미 알고 있는 사실로부터 모르고 있던 사실을 유추하는 것이다.사례의 다양성이나 정확성이 큰 영향을 끼침
추론의 오류
연역추론이나 귀납추론으로 언제나 옳은 결론에 도달하지는 않음.연역 추론에서 오류는 전제 조건을 생략하거나 잘못 설정했을 때 발생가능,귀납 추론에서 오류는 관찰된 표본이 전체를 대표할 수 있는 표본이 아닌 경우나 전체에 대한 표본의 해석이 잘못되는 경우에 발생함.
-
-
