Please enable JavaScript.
Coggle requires JavaScript to display documents.
인공지능의 이해(1211 박정우) - Coggle Diagram
인공지능의 이해(1211 박정우)
맹목적 탐색과 정보 이용 탐색
맹목적 탐색
맹목적 탐색(blind search)이란 프로그래밍이나 기계학습으로 문제를 해결할 때 목표 상태 이외에 어떤 정보도 주어지지 않은 상태에서 탐색을 하는 것을 말한다.
현재 상태노드에서 다음 상태 노드를 방문할 때, 어떤 방향으로 탐색하는가에 따라 깊이 우선 탐색과 너비 우선 탐색 등이 있다.
정보 이용 탐색은 모든 탐색 공간을 찾지 않고 일부 공간만 탐색하기 때문에 답을 찾지 못할 수도 있고, 항상 최단 경로로 목표 노드에 도달할 수는 없지만 필요 없는 경로를 줄여 문제 해결 시간과 공간을 절약할 수 있다.
최상우선탐색
최상우선탐색은 초기 상태에서 현재 상태에 이르기까지의 비용을 고려하지 않고, 현재 가장 좋은 것을 탐색 방법. 현재 상태 노드에서 다음 방문할 상태 노드를 결정할 때 목표에 가장 가까워 보이는 노드를 선택.
깊이 우선 탐색
깊이 우선 탐색(DFS: Depth First Search)은 상태 공간 트리에서 자식 노드를 먼저 방문하는 수직 방향의 탐색 알고리즘. 자식 노드가 두 개 이상일 경우 주로 왼쪽 먼저 방문.
목표 노드가 수직으로 깊이 있다면 문제를 빨리 해결할 수 있음.
목표 노드가 없는 경로에 깊이 빠져 버리거나 목표 노드에 이르는 경로가 여러 개일 경우, 지금의 방문 경로가 최단 경로임을 보장할 수 없다.
-
너비 우선 탐색
너비 우선 탐색(BFS: Breadth First Search)은 상태 공간 트리에서 형제 노드를 먼저 방문하는 수평 방향의 탐색 알고리즘.
상태 공간 트리의 깊이가 얕고 넓은 경우, 목표 노드를 빨리 찾을 수 있다. 또한 목표 노드를 찾을 때까지 모든 상태 공간을 탐색하므로 목표 노드가 존재한다면 반드시 찾을 수 있고, 최단 경로를 알 수 있다.
하지만 노드 수가 많아지거나 목표 노드가 수직 방향으로 깊으면 탐색 시간이 오래 걸리고, 탐색을 위한 공간과 탐색 범위도 지나치게 넓어진다.
-
지식의 표현과 추론
인공지능과 추론
추론은 이미 알고있는 지식을 토대로 새로운 결론을 이끌어 내는 사고 과정을 말함.
추론은 인공지능에서도 중요한 영역임.
스마트폰 음성 인식, 이미지 검색, 이메일 스팸 필터링 등에서 추론
기능이 사용되고있음
추론
인공지능에서는 주로 연역 추론, 귀납 추론 중 하나의 방식을 사용하거나 조합하여 추론함.
-
-
추론의 오류
연역, 귀납 추론으로 언제나 옳은 결론에 도달하는 것은 아님.
둘다 오류 발생 가능함.
-
데이터, 정보, 지식
데이터는 관찰이나 실험, 조사로 얻은 사실이나 자료를 의미하며, 가공하기 전의 상태임.
반면, 정보는 다양한 데이터 중 사용자의 필요에 따라 처리한 데이터.
지식은 개념화된 정보로 정보를 일반화, 체계화한 것.
지식 표현
인공지능을 활용하기 위해서는 사람과 컴퓨터가 동시이해 가능한 형태로 지식을 나타내는 것이 필요함, 지식을 이러한 형태로 저장한
것을 지식 표현이라고 함.
지식 표현 방법에는 규칙, 논란, 의미망, 프레임 등이 있음.
1.규칙
‘만약 A라면, B이다’ 또는 ‘A하면, B하다’ 와 같은 형태로,
IF A THEN B 로 나타낼 수 있음.
A는 주어진 정보, 사실에 대응될 조건
B는 조건을 만족할 때 하는 판단이나 행동인 결론
-
-
- 의미망
의미망(semantic net)은 지식이나 기억, 실세계를 노드와 호(ark)를 이용하여 네트워크 구조로 표현한 것.
노드는 객체, 개념, 사건 등을 표현
호는 노드 간의 관계를 화살표로 나타낸다.
- 프레임
프레임(frame)은 특정 객체나 개념에 대한 지식을 슬롯으로 표현한 것.
하나의 프레임은 여러 개의 슬롯으로 구성되고, 슬롯은 슬롯 이름과 슬롯 값으로 구성됨.
인공지능의 원리
인공지능의 개념
인공지능(AI: Artificla inteligence)란 인간의 지능이 갖는 학습, 탐색, 추론, 등의 능력을 모방하여 컴퓨터로 구현한 시스템.
인공지능의 특성
- 인식, 2. 추론, 3. 학습, 4. 탐색
튜링 테스트
1950년 앨런 튜링이 제안한 튜링 테스트(Turing test)는 기계가 인간과 비슷하게 대화할 수 있는지 판단하는 테스트.
그러나 튜링 테스트를 통과한다고 해서 지능이 있다고 판단하지 않음.
*유진 구스트만이 13세의 우크라이나 소년이라는 설정의 인공지능으로 첫 통과함.
인공지능의 미래 활용 분야(AI+X)
AI+의료, AI+비서, AI+교육, AI+운수, AI+번역, AI+산업 등 활용 분야가 늘어나고 있음.
교실(학교)에서 발생하는 문제를 해결하기 위한 인공지능 설계
- 교실(학교)에서 발생할 수 있는 문제
예) 겨울철 난방기 가동으로 인해 수업 시간에 조는 학생들이 늘어나는 문제.
선생님의 말씀을 놓친 학생
- 인공지능이 해결할 수 있는 문제와 그 이유.
인공지능이 선생님의 수업내용을 기록, 녹음하여 수업을 못들은 학생들에게 수업내용 제공.
- 문제 해결을 위해 인공지능에게 필요한 역할.
수업 녹음, 수업 기록
인공지능 활용 문제해결 사례
인공지능은 생활 속에서 발생하는 다양한 문제를 해결하는데 활용됨.
은행: 인공지능을 이용하여 스미싱(smishing) 여부를 판단함.
심리 상담 센터: 인공지능이 적용된 앱을 이용하여 어린아이의 그림을 분석, 심리 상태 파악.
인공지능을 활용한 문제해결 사례
젠틀몬스터의 AI활용 마케팅 (AI기반 생성형 콘텐츠 제작을 통해 마케팅함, 고객의 셀카를 업로드하면 AI가 이를 분석하여 어울리는 선글라스, 안경 착용 이미지를 생성해줌.)
시간절약, 효율성 증가 등의 효과가 있음.
자율주행 자동차에 적용할 수 있는 인공지능
- 도로 차선인식 (차선을 인식하여 한 차선으로 똑바로 감.)
- 지도, 길 학습 (지도룰 하습해서 최단경로로 감.)
인공지능은 단순 작업을 대신하고 카메라, 마이크, 각종 감지 센서 등을 통해 입력받은 데이터를 빅데이터로 쌓아서 탐색, 추론을 통해 판단하는것.
지능 에이전트의 예시
- 대화형 비서(시리, 빅스비)
- 인공지능 렌즈(네이버렌즈)
- 번역 플렛폼(파파고)
인공지능과 탐색
탐색의 개념
탐색이란 문제 상황에서 답을 찾아가는 과정
예) 도서관에서 책 찾기, 체스에서 다음 수 찾기
-
문제해결을 위한 탐색 과정 설계
탐색을 통해 문제를 효과적으로 해결하기 위해서는 문제를 구조화하는 설계 과정이 필요하다.
- 문제의 상태 정의하기 2. 초기 상태와 목표 상태 설정하기
- 수행 작업 파악하기 4. 탐색 전력 세우기
-
