Please enable JavaScript.
Coggle requires JavaScript to display documents.
인공지능의 이해 (1110 김태원) - Coggle Diagram
인공지능의 이해 (1110 김태원)
인공지능의 원리
인공지능이란 인간의 지능이 갖는 학습, 탐색, 추론 등의 능력을 모방하여 컴퓨터로 구현한 시스템이나 구현하려는 컴퓨터 과학 기술을 말한다.
인공지능은 1950년경 앨런 튜링에 의해 제시되었으며, 현재는 새로운 부흥기를 맞이하여 빠르게 발전하고 있다.
인공지능의 다양한 정의는 지성이 있는 기계를 만드는 과학 공학이고, 인간의 지적 능력을 기계로 구현하는 과학기술이다.
인공지능은 목적에 맞는 대량의 데이터를 학습하여 주어진 문제에 적절한 판단을 내리는 시스템을 볼 수 있으며, 이러한 동작을 통해 인간의 판단에 도움을 주고, 단순 작업을 대신하는 등의 편리함을 제공한다. 카메라, 마이크, 각종 감지 센서 등을 통해 입력 받은 빅데이터로 쌓이게 되고, 이러한 빅데이터를 학습한 인공지능은 탐색과 추론을 통해 판단을 한다.
인공지능을 예를 들면 대화형 비서,인공지능 렌즈, 번역 플랫폼가 있습니다.
인공지능의 특성은 인식, 추론, 탐색, 학습의 특성을 지닌다.
인식은 인간이 눈과 귀 등의 감각 기관을 통해 사물을 인식하는 것처럼, 인공지능은 센서를 통해 감지된 사물을 인식한다.
추론은 인공지능은 이미 알고 있는 지식으로부터 새로운 사실을 예측할 수 있다.
탐색은 인공지능은 얻을 수 있는 정보를 탐색함으로써 문제를 해결하기 위한 최선의 방법을 더 쉽게 찾을 수 있습니다.
학습은 인공지능은 데이터에서 일정한 패턴이나 규칙을 찾아 모델을 생성할 수 있다.
인공지능은 일반적인 소프트웨어와도 다른 특징을 지닌다.
인공지능이 적용되지 않은 소프트웨어는 고정된 단순 작업이나 반복되는 작업을 처리하고, 입력 데이터가 같으면 이를 처리하는 시간과 결과가 같다
인공지능이 적용된 소프트웨어는 추론이나 예측하는 작업이 가능하고, 데이터 기반의 기계학습을 구현한 인공지능의 경우, 학습을 통해 성능이 개선되기도 한다.
인공지능은 약인공지능과 강인공지능으로 나뉜다
약인공지능은 주어진 역할만 정해진 대로 수행하는 인공지능을 말하며, 약인공지능이 적용된 사례로는 바둑을 두는 알파고, 퀴즈를 맞히는 왓슨 등이 있다.
강인공지능은 인간처럼 다양한 일을 할 수 있는 지능을 말하는 것으로, SF 영화나 소설에 나오는 인간과 비슷한 수준의 지능을 가진 인공지능이다.
튜링 테스트는 1950년 앨런 튜링이 제안한 튜링 테스트는 기계가 인간과 비슷하게 대화할 수 있는지 판단하는 테스트로, 튜링 테스트를 통과하면 기계에도 지능이 있다고 봐야한다고 주장이다.
앨런 튜링은 튜링 테스트의 논리적인 방식만 제시했고, 이후 구체적이고 다양한 실험 방법이 추가로 제시되었다. 그러나 유진 구스트만이 테스트를 통과햇다고 주장하기 전까지 어떤 인공지능도 튜링테스트를 통과하지 못했다.
유진 구스트만은 2014년 영국 레딩 대학이 개발한 인공지능이다
인공지능을 활용한 문제 해결 사례는 인공지능이 생활 속에서 발생하는 다양한 문제를 해결하는 데 활용되고 있다. 은행에서는 인공지능을 이용하여 스미싱 여부를 판단하고, 심리 상담 센터에서는 인공지능이 적용된 앱을 이용하여 어린아이의 그림을 분석하고 심리 상태를 파악한다. 또한, 인공지능 돌봄 로봇은 혼자 사는 노인의 대화 상대가 되어주고, 건강 상태를 파악할 수 있다.
인공지능의 미래 활용 분야(AI+X)가 있다.
AI+의료, AI+비서, AI+교육 등이 있습니다.
인공지능 추론은 이미 알고 있는 지식을 토대로 새로운 결론을 이끌어 내는 사고 과정을 말한다.
데이터는 관찰이나 실험, 조사로 얻은 사실이나 자료 의미하며, 가공하기 전의 상태이다.
인공지능을 활용하기 위해서는 사람과 컴퓨터가 동시에 이해할 수 있는 형태로 지식을 나타내는 것이 필요하다.
규칙은 다양한 지식 표현 방법 중 대표적인 한 가지는 규칙을 이용한 방법이다
규칙은
인과관계
추천
전략
경험적 지식
논리는 수학 논리학에서 사용하는 명제 논리나 술어 논리를 사용한다
의미망은 지식이나 기억, 실세계를 노드와 호를 이용하여 네트워크 구조로 표현한 것이다
노드는 객체, 개념, 사건 등을 표현하고, 호는 노드 간의 관계를 화살표로 나타낸다. 아래 의미망을 보면 노드는 동물, 포유류, 토끼, 호랑이, 감각기관, 호흡, 이동 등이 있고 호는 has-a(~이 있다), is-a(~이다), do(~을 한다)가 있다.
프레임은 특정한 객체나 개념에 대한 지식을 슬롯으로 표현한 것이다
연역 추론은 일반적인 전제를 바탕으로 새로운 결론을 논리적으로 도출하는 추론 방법이다
귀납 추론은 구체적인 사례에서 일반적인 결론을 이끌어 내는 추론으로 이미 알고 있는 사실로부터 모르고 있던 사실을 유추해 내는 것이다
추론의 오류은 연역 추론에서 오류는 전제 조건을 생략하거나 잘못 설정했을 때 발생할 수 있고, 귀납 추론에서 오류는 관찰된 표본이 전체를 대표할 수 있는 표본이 아닌 경우나 전체에 대한 해석이 잘못되는 경우에 발생한다
도전! 독도로 가는 길 찾기
프로그래밍 프로젝트의 절차
주제 선택 및 문제 정의
추상화
알고리즘 설계
프로그래밍
평가 및 공유
딕셔너리는 키와 값을 한 쌍으로 저장하기 위한 자료형을 말한다
큐는 먼저 입력받은 것이 먼저 나오는, 선입 선출 방식을 사용하는 자료 구조다.
맷플롯립은 데이터를 시각화하기 위해 사용하는 파이썬 리이브러리다
큐는 자료의 삽입과 삭제가 선입 선출로 이루어지는 자료 구조를 말한다
우선순위 큐는 우선순위가 높은 데이터가 먼저 나오는 자료 구조를 말한다
인공지능의 탐색
탐색이란 문제 상황에서 답을 찾아가는 과정
인공지능의 탐색은 알고리즘으오 탐색한다
인공지능에서 탐색의 중요성
복잡한 문제를 탐색으로 해결하려는 노력은 인공지능 연구의 초창기부터 이어져왔다
세계 챔피언에게 패배했지만, 계속 도전하여 결국 승리를 거둔 딥 블루는 인공지능의 놀라운 발전 가능성을 보여주었다.
딥러닝으로 방대한 분량의 바둑 전문가 기보 데이터를 학습하고, 학습의 결과를 다시 탐색에 반영하며, 이길 확률이 높은 수를 선택함으로써 알파고는 승리했다.
문제해결을 위한 탐색 과정 설계하기
문제의 상태 정의하기
초기 상태와 목표 상태 설정하기
수행 작업 파악하기
탐색 전략 세우기
트리구조 노드와 링크로 이루어져 있으며 계층적인 정보를 표현할 때 사용한다
노드는 트리를 구성하는 원소로 데이터를 담고 있다
링크 노드와 노드 사이를 연결하며 노드 간 관계를 나타낸다
맹목적 탐색과 정보 이용 탐색
맹목적이란 프로그래밍이나 기계학습으로 문제를 해결할 때 목표 상태 이외에 어떤 정보도 주어지지 않은 상태에서 탐색하는 것을 말한다
깊이 우선 탐색은 상태 공간 트리에서 자식 노드를 먼저 방문하는 수직 방향의 탐색 알고리즘이다
노드는 루트 노드, 부모 노드, 자식 노드, 형제 노드 등이 있다
너비 우선 탐색은 상태 공간 트리에서 형제 노드를 먼저 방문하는 수평 방향의 탐색 알고리즘이다
정보 이용 탐색은 모든 탐색 공간을 찾지 않고 일부 공간만 탐색하기 때문에 답을 찾지 못할 수도 있고, 항상 최단 경로로 목표 노드에 도달할 수는 없다.
정보 이용 탐색은 다음 상태를 정할 때 오작 휴라스틱만 사용하는지, 시작 상태에서 현재 상태까지의 탐색 비용조 고려하는지에 따라 최상우선탐색과 (A-star) 탐색 등으로 구분된다.
최상우선탐색은 초기 상태에서 현재 상태에 이르기까지의 비용을 고려하지 않고, 현재 가장 좋은 것을 선택하는 탐색 방법이다
휴리스틱은 시행착오와 같이 경험으로 얻은 지식이나 어림짐작 등을 뜻한다.
