Please enable JavaScript.

Coggle requires JavaScript to display documents.

인공지능의 이해(1428 홍수민) - Coggle Diagram

- - - - 방대한 양의 데이터를 학습히고, 학습결과를 다시 탐색에 반영하여,이길 확률이 높은 경우의 수를 선택함으로써 알파고는 인간에게 승리할수있었다.
  - - - 초기상태 목표상태 설정
        
        수행작업 파악
        
        탐색 전략 세우기
        
        상태:탐색 과정에서 만나게 되는 상황
        
        상태공간: 모든 상태의 집합
- - - - 데이터-관찰이나 실험 조사로 얻은 사실이나 자료, 가공하기 전의 상태
      - 정보- 다양한 데이터 중에서 사용자의 필요에 따라 처리한 데이터를 말한다.
      - 지식-개념화된 정보로 일반화하고 체계화 된것
  - - - 인과관계-원인 결과
      - 추천- 상황 추천내용
      - 전략- 일련의 규칙들로 표현
      - 경험적 지식- 경험적 지식을 표현
    - - 명제논리 명제를 가지고 논리를 파악
      - 술어 논리 주어와 서술어 간의 관계를 다루는것
    - - 지식이나 기억, 실세계를 노드와 호를 이용하여 네트워크 구조로 표현한것
    - - 관련지식을 한군데 모을수있음, 표현력 우수, 슬롯 표준이 없고 지식 생성이 힘듬
  - - - https://drive.google.com/file/d/1VYYpd_hM_dPis8ZTz4dEuo4hfN_oQ-RS/view?usp=drivesdk
- - - - 깊이 우선
        
        자식 노드 먼저 방문, 자식 노드가 두개 이상을 경우 왼쪽 노드를 먼저 방문한다.
        
        단말 노드에 도착했는데 목표노드를 찾지 못했다면 다시 분기점으로 되돌아가 방문하지 않은 노드부터 다시 수직 방향으로 탐색
        
        장점 목표노드가 수직방향으로 깊게 있다면 문제를 빨리 해결할 수 있다, 저장공간 상대적으로 적음
        
        단점 목표노드가 없는 경로에 깊이 빠져버리거나 목표노드에 이르는 경로가 여려 개일 경우 , 지금의 방문경로가 최단경로임을 보장할 수 없다.
      - 너비우선
        
        형제 노드 먼저 방문 , 장점 노드가 존재하면 반드시 찾을수있음 최단 경로 알수있음 단점 수가 많아지거나 수직방향으로 깊은곳에 있다면 오래 걸리고 지나치게 넓어진다
  - - - 목표에 가장 가까워 보이는 노드 선택
        
        평가함수 현재 상태가 목표상태에 얼만 가까운지를 평가하는 함수
    - - 최상우선 탐색을 개선한 알고리즘
        
        앞으로 남은 거리에 초기 상태에서 현재 상태에 이르기까지의 비용도 고려해 탐색 비용을 줄일수있음
        
        :
- - - - 센서 등을 통해 입력받은 데아터는 빅데이터로 쌓이게 되고, 이러한 빅데이터를 학습한 인공지능은 탐색과 추론을 통해 판단을 한다.
        
        인식(센서)-판단(인공지능)-행동(액추에이터)
    - - 안식
        
        센서를 통해 감지된 사물 인식
      - 추론
        
        이미 알고있는 지식으로부터 새로운 사실을 예측할수있다.
      - 탐색
        
        얻을수있는 정보를 탐색함으로써 문제를 해결하기 위한 최선의 방법을 더 쉽게 찾을 수 있다.
      - 학습
        
        데이터에서 패턴이나 규칙을 찾아 모델을 생성할 수 있다.
    - - 의료
      - 비서
      - 교육
      - 운수
      - 번역
      - 산업
    - - https://drive.google.com/file/d/1a6Hj2FXJeMFXD4O_LMAR_ZkVTU_aezfE/view?usp=drive_link