Please enable JavaScript.

Coggle requires JavaScript to display documents.

인공지능의 이해(1402 김나은) - Coggle Diagram

- - - - 카메라, 라이다, 레이더 등의 센서로사물을 인식하고 인공지능으로 최적의 판단을 하여 최종 목적지까지 안전하게 이동한다.
    - - 인공지능이 개인의 비서 역할을 하는 서비스로 인공지능 스피커가 대표적인 예다. 일정 관리, 외국어 번역, 검색, 음악 관리, 날씨 정보 제공, 사물 인터넷 제어 등을 제공한다.
    - - 인공신경망을 이용한 기계 번역은 문맥을 파악할 수 있어 보다 자연스럽고 정확한 데이터 번역이 가능하다. 딥러닝으로 빅데이터를 학습해 시간이 지날수록 정확도는 높아진다.
    - - 질환의 발증을 막는 '예방', 질환을 앓고 있는 사람을 찾아내는 '진단', 증세 악화를 개선하는 '치료'에 모두 적용되어 활용될 수 있다.
    - - 공장 내 각종 장비에 센서가 설치되어 데이터를 수집하고, 수집한 데이터를 분석하여 최적의 공정을 설계하고 제어하는 시스템을 통해 생산 기간 단축, 맞춤형 제품 개발, 에너지 효율 증가, 재고 비용 감소 등의 효과가 나타날 수 있다.
    - - 학습자에게 자료 수집, 기초 분석, 시각화 등을 제공하고 교수자에게 수업 현활 보고, 문제에 대한 대안 제시 등 평과 업무와 학급 관리에 도움을 줄 수 있다. 학습자의 개별화 학습, 맞춤형 자기주도 학습이 가능하며, AI 디지털 교과서로 제공될 수 있다.
- - - - 기계가 이해할 수 있는 형태
  - - - 규칙, 논리, 의미망, 프레임 등
    - - 명제 논리: 명제를 가지고 논리를 판별하는 것
      - 술어 논리: 주어와 서술어 간의 관계를 다루는 것
      - 가장 명확한 방법//복잡한 상황에서의 적용이 어렵다는 특징
    - - 지식이나 기억, 실세계를 노드와 호를 이용하여 네트워크 구조로 표현한 것
      - 노드: 객체, 개념, 사건 등을 표현
      - 호: 노드 간의 관계를 화살표로 표현
        has-a(~이 있다), is-a(~이다), do(~을 한다)
    - - 특정한 객체나 개념에 대한 지식을 슬롯으로 표현한 것
      - 하나의 프레임은 여러 개의 슬롯으로 구성
        슬롯은 슬롯 이름과 슬롯 값으로 구성
      - 장점: 관렴된 지식을 한군데 모을 수 있음, 표현력이 우수함
        단점: 슬롯에 대한 표준이 없고 지식을 생성하는 것이 매우 힘듦
    - - '만약 <A>라면 <B>이다.' , '<A>하면, <B>하다.' , 'IF <A> THEN <B>'
        <A>: 주어진 정보나 사실에 대응될 조건<B>: 조건을 만족할 때 하는 판단이나 행동인 결론
        생성 규칙//인과 관계, 추천, 전략, 경험적 지식
- - - - 자식 노드가 두 개 이상일 경우, 주로 왼쪽 노드를 먼저 방문
        단말 노드에 도착했는데도 목표 노드를 찾지 못했다면 다시 분기점으로 되돌아가 방문하지 않은 노드부터 다시 수직 방향으로 탐색
        
        장점: 만약 노드가 수직 방향으로 깊이 있다면 문제를 빨리 해결할 수 있고, 필요한 저장 공간도 비교적 적게 듦.
        
        단점: 목표 노드가 없는 경로에 깊이 빠져 버리거나 목표 노드에 이르는 경로가 여러 개일 경우, 지금의 방문 경로가 최단 경로임을 보장할 수 없음.
    - - 상태 공간 트리의 길이가 얕고 넓은 경우, 목표 노드를 빨리 찾을 수 있다.
        
        장점: 목표 노드를 찾을 때까지 모든 상태 공간을 탐색하므로 목표 노드가 존재한다면 반드시 찾아낼 수 있고, 최단 경로를 알 수 있음.
        
        단점: 노드 수가 많아지거나 목표 노드가 수직 방향으로 깊은 곳에 있다면 탐색 시간이 오래 걸리고, 탐색을 위한 공간과 탐색 범위도 지나치게 넓어지는 단점이 있음.
  - - - 현재 상태 노드에서 다음 방문할 상태노드를 결정할 때 목표에 가장 가까워 보이는 노드를 택한다. 최상우선탐색은 평가함수를 이용해 목표에서 가장 가까운 상태를 선택한다.
        *평가함수: 현재 상태가 목표 상태에 얼마나 가까운지를 평가하는 함수