Please enable JavaScript.

Coggle requires JavaScript to display documents.

인공지능의 이해 1405 김여은 - Coggle Diagram

- - - - 인식: 인공지능은 센서를 통해 감지 된 사물을 인식 한다
      - 추론: 인공지능은 이미 알고 있는 지식으로부터
        새로운 사실을 예측할 수 있다
      - 탐색: 인공지능은 정보를 탐색함으로써 문제를 해결하기
        위한 최선의 방법을 더 쉽게 찾을 수 있다
      - 학습: 인공지능은 데이터에서 일정한 패턴이나 규칙을 찾아 모델을 생성할 수 있다
      - 인간과 인공지능의 차이점
        
        인간은 여러 가지 일을 동시에 처리 가능
        
        인공지능은 특정한 일만 수행 가능
      - 인공지능이 적용되지 않은 소프트웨어와
        인공지능이 적용된 소프트웨어의 차이점
        
        인공지능이 적용 되지 않은 소프트웨어
        단순 작업, 반복 작업
        데이터가 같으면 처리하는 시간과 결과가 같음
        
        인공지능이 적용된 소프트웨어
        추론, 예측작업
        학습을 통해 성능 개선
    - - 텍스트 기반 대화만으로 지능을 판별하는데 한계가 있음
      - 한계점
        
        인간은 다양한 감각과 상황 인식을 통해 의사소통을 하지만 튜링 테스트는 단순히 문자만으로 평가 했기 때문에 제한적임
        
        기계가 지능을 가졌는지를 완전히 입증하기 어렵다
      - 2014년 영국 국대에서 유진 구스트만이라는 챗봇이 13세 소년을 흉내내어 참가자 33%를 속임
        
        그러나 여전히 “완전히 인간처럼 대화한다“ 보기는 어려움
  - - - 인공지능은 스미싱 문자 판별, 심리 상담 센터 앱,
        돌봄 로봇 등 다양한 생활 문제 해결에 활용됨
    - - 의학, 외국어 번역, 문학 예술, 과학
    - - 합성곱 신경망과 트랜스포머 같은 딥러닝 기술로 단백질 아미노산 간의 관계를 분석
        
        덕분에 기존에 풀기 어려웠던 단백질 구조를
        빠르고 정확하게 파악
- - - - 컴퓨터과학자들은 인간의 탐색 방법을 모방하여
        알고리즘으로 구현 하려고 노력
    - - A 알고리즘
        
        출발부터 도착까지 모든 경로를
        일일이 명령 하는 방식
        
        미로의 모양이 바뀌면 다시
        명령 해야해서 비효율적
      - B 알고리즘
        
        왼쪽 벽을 따라가는 방법 (좌수법)
        
        미로의 구조를 몰라도 해결 가능
        항상 최단경로는 아님
      - C 알고리즘
        
        각 칸마다 숫자를 부여의 탐색
        
        불필요한 탐색 줄이고 효율적
  - - - 1단계 문제 상태 정의하기
        
        문제를 해결하기 위해 현재 상태와 앞으로 도달할 목표 상태를 명확히 파악 하는 단계
      - 2단계 초기상태와 목표 상태 설정 하기
        
        문제를 시작하는 초기 상태와 최종적으로 도달하고자 하는 목표 상태를 구체적으로 설정합니다
      - 3단계 수행 작업 파악하기
        
        현재 상태에서 다음 상태로 변화시키는 작업을 정의합니다
        이 작업은 문제를 해결하는 핵심 요소가 됩니다
      - 4단계 탐색 전략 세우기
        
        설정한 초기 상태에서 목표 상태까지 경로를 찾는 탐색 전략을 세웁니다
- - - - 깊이 우선 탐색이란?
        상태 공간 트리에서 가장 깊은 노드를 우선적으로 방문 하는 방식
        
        장점
        1.목표 노드가 깊은 곳에 있을 경우 빠르게 해를 찾을 수 있습니다
        2.탐색을 위한 저장 공간이 적게 필요합니다
        
        단점
        1.목표 노드가 존재 하더라도 무한의 깊은 경로가 있을 경우
        목표를 찾지 못 할 수 있습니다
        2.최단 경로를 보장하지 않습니다
      - 너비 우선 탐색이란?
        상태 공간 트리에서 형제 노드를 우선적으로
        방문 하는 방식입니다
        
        장점
        1.목표 노드가 존재 한다면 반드시 찾을 수 있습니다
        2.가장 먼저 찾은 해가 최단 경로임을 보장합니다
        
        단점
        1.상태 공간 트리의 노드수가 많아지면
        탐색 시간이 오래 걸리고,
        많은 저장 공간이 필요합니다
  - - - 현재 상태에서 목표지점까지의 추정 비용이 가장 작은 노드를 우선적으로 탐색 하는 알고리즘
        
        장점:목표 노트에 빠르게 접근할 수 있다
        단점:최단 근무를 보정하지 못 할 수 있다
    - - 최상 우선 탐색의 단점을 보완 하는 알고리즘 입니다
        (시작점에서 현재 상태까지 실제 비용과 현재 상태에서 목표까지의 추정 비용을 모두 합산한 값을 기준으로 탐색합니다)
        
        장점:최단 경로를 보장 하며 최상 우선 탐색 보다
        더 효율적으로 탐색 할 수 있습니다
- - - - 데이터:가공 되지 않은 단순한 사실이나 자료
      - 정보:데이터를 가공 하고 처리 하여 의미를 부여 한 것
      - 지식:정보를 일반화 하고 체계화하여 새로운 사실을 추론하는데 활용할 수 있는 것
    - - 규칙
        
        만약 <A>라면, <B>이다. 또는 <A>하면 <B>하다
        IF <A> THEN <B>
      - 논리
        
        명사 논리와 수로 논리를 사용하여 지식을 형상화 하고
        추론 하는 방법
      - 의미망
        
        객체와 객체 간의 관계를 네트워크 형태로 표현 하는 방법
      - 프레임
        
        특정 개체에 대한 지식을 슬롯 이라는 속성-값 쌍의
        집합으로 표현 하는 방법
  - - - 일반적인 전제로부터 논리적인 과정을 거쳐 새로운 결론을 도출 하는 방법
    - - 구체적인 사례들을 바탕으로 일반적인 결론을 이끌어 내는 방법
    - - 연역 추론이나 귀납 추론 과정에서 잘못된 결론에 도달 할 수 있는 경우