Please enable JavaScript.
Coggle requires JavaScript to display documents.
인공지능의 이해(1312 서강윤) - Coggle Diagram
인공지능의 이해(1312 서강윤)
인공지능의 원리
인공지능의 개념과 특성
인공지능의 특성
인간의 지능을 모방한 인공지능은 인식, 추론, 탐색, 학습의 특성을 지니며, 데이터를 학습하고, 학습한 데이터를 근거로 추론하고 탐색한다.
인식: 센서를 통해 감지된 사물을 인식한다.
추론: 이미 알고 있는 지식으로부터 새로운 사실을 예측할 수 있다.
탐색: 얻을 수 있는 정보를 탐색함으로써 문제를 해결하기 위한 최선의 방법을 더 쉽게 찾을 수 있다.
학습: 데이터에서 일정한 패턴이나 규칙을 찾아 모델을 생성할 수 있다.
-
인공지능이 적용되지 않은 소프트웨어: 고정된 단순 작업이나 반복되는 작업을 처리한다./ 입력 데이터가 같으면 이를 처리하는 시간과 결과가 같다.
인공지능이 적용된 소프트웨어: 추론이나 예측하는 작업이 가능하다./ 데이터 기반의 기계학습을 구현한 인공지능의 경우, 학습을 통해 성능이 개선되기도 한다.
튜링 테스트
-
일반인으로 구성된 심사 위원이 5분 동안 컴퓨터와 채팅을 통한 텍스트로만 대화한다. 그 후 대화한 상대를 사람으로 판단하는 비율이 30% 이상이면, 해당 시스템에 인간처럼 지능이 있다고 판단한다.
-
인공지능의 개념
인공지능이란 인간의 지능이 갖는 학습, 탐색,추론 등의 능력을 모방하여 컴퓨터로 구현한 시스템이나 구현하려는 컴퓨터 과학 기술을 말한다.
-
현재의 인공지능은 목적에 맞는 대량의 데이터(빅데이터)를 학습하여 주어진 문제에 적절한 판단을 내리는 시스템으로 볼 수 있으며, 이러한 동작을 통해 인간의 판단에 도움을 주고, 단순 반복을 대신하는 등의 편리함을 제공한다.
예시) 인공지능 비서, 번역, 인공지능 카메라 등
인공지능을 활용한 문제 해결
인공지능을 활용한 문제 해결 사례
인공지능은 생활 속에서 발생하는 다양한 문제를 해결하는 데 활용되고 있다. 인공지능 돌봄 로봇은 혼자 사는 노인의 대화 상대가 되어주고, 건강 상태를 확인할 수 있다.
알파폴드는 단백질 구조 예측 학술 대회 우승, 코로나 19를 구성하는 단백질 구조 예측에 성공했다. 이는 인공지능이 과학 분야에서도 큰 성과를 보일 수 있다는 것임을 알 수 있다.
인공지능의 미래 활용 분야(AI+X)
인공지능의 기술이 빠르게 발전하면서 의료, 교육, 운수, 번역, 산업 등 사회 전 분야에서 인공지능이 활용되고 있다. 앞으로 활용 분야는 계속 늘어날 것이다.
-
인공지능과 탐색
문제 해결을 위한 탐색 과정 설계
탐색을 통해 문제를 효과적으로 해결 하려면 문제를 구조화하는 설계 과정이 필요하다. 문제 해결을 위한 탐색 과정에서 나오는 상황을 상태, 모든 상태의 집합을 공간, 처음 상태를 초기 상태, 문제가 모두 해결된 상태를 목표 상태라 한다.
탐색의 이해
탐색의 개념
탐색이란 문제 상황에서 답을 찾아가는 과정이다. 이에 적용되는 알고리즘은 A알고리즘, B알고리즘, C알고리즘이 있다. 이 알고리즘들을 미로에 적용해 탐색에 대해 알아본다.
A알고리즘: 출발부터 도착까지 모든 과정을 일일이 명령하면 그대로 수행하는 방식이다.
가장 간단한 방식이지만 출발지나 도착지가 변경되거나 미로의 모양이 변경되면 매번 새롭게 명령해야 하는 번거러움이 있다.
B알고리즘: 왼쪽 벽을 따라가며 왼쪽으로 회전하여 미로 탐색 문제를 해결하는 방법을 사용한다.
미로의 모습을 알지 못해도, 간단한 단일 연결 미로는 반드시 탈출할 수 있다. 하지만 탐색 경로가 항상 최단 경로를 보장하지 못하며, 출발점이 미로 중앙에 위치하거나 이중 연결 미로라면 탈출하지 못 할 수도 있다는 한계가 존재한다.
C알고리즘: 각 미로 칸마다 숫자 정보를 입력하고 탐색하는 알고리즘이다. 방향 정하면 목적지가 있는 방향으로 이동, 벽 아닌 길 따라감, 분기점에서 저장된 숫자가 작은 칸으로 이동해서 탐색 범위 좁음.
항상 최단거리를 보장할 수는 없지만 대체로 좋은 경로 선택하는 효율적 탐색 방법
인공지능에서 탐색의 중요성
인간이 해결하기 어려운 복잡한 문제를 탐새긍로 해결하려는 노력은 인공지능 연구의 초창기부터 이어져 왔다. 탐색의 범위를 좁혀 가는 지능적 탐색으로 효율적이고 빠른 탐색을 하는 것이 필수다.
그 예시로는 딥 블루, 알파고, 딥러닝, 네비게이션 등이 있다.
-
지식의 표현과 추론
지식의 표현
인공지능과 추론
이미 알고 있는 지식을 토대로 새로운 결론을 이끌어 내는 사고 과정을 말한다. 이는 인공지능에서도 중요한 영역으로, 인공지능은 데이터를 이용한 학습을 바탕으로 새로운 데이터로 추론하여 결과를 도출해낸다.
지식 표현
인공지능을 활용하기 위해선 사람, 컴퓨터 둘 다 이해할 수 있는 형태로 지식을 나타내는 것이 필요, 지식을 이러한 형태로 나타낸 것을 지식 표현이라 한다. 이를 표현하는 방법에는 규칙, 논리, 의미망, 프레임 등.
규칙
만약 <A>이라면 <B>이다. 또는 <A>하면 <B>하다.와 같은 형태로 IF <A> THEN <B> 로 나타낼 수 있다. A는 조건 B는 조건 만족시 하는 판달, 결론이다. 인과관계, 추천 등을 표현할 수 있다.
논리
명제 논리나 술어 논리를 사용, 명제 논리는 명제를 가지고 논리를 판별하는 것, 술어 논리는 주어와 서술어 간의 관계를 다루는 것 이다. 가장 명확한 방법이나 복잡한 상황시 적용 어렵다.
의미망
지식, 기억, 실세계를 노드와 호를 이용하ㅕ 네트워크 구조로 표현한 것. 노드는 객체, 개념, 사건 등을 표현, 호는 노드 간의 관계를 화살표로 표현.
프레임
특정한 객체나 개념에 대한 지식을 슬롯으로 표현한 것이다. 하나의 프레임은 여러 개의 슬롯으로 구성되고 슬롯은 슬롯 이름, 슬롯 값으로 표현. 프레임 관련 지식 한 군데에 모을 수, 하지만 스롯애 대한 표준 없고 지식 생성이 힘듦.
데이터, 정보, 지식
데이터: 관찰이나 실험, 조사로 얻은 사실이나 자료를 의미, 가공하기 전 상태이다.
정보: 다양한 데이터 중에서 사용자의 필요에 따라 저리한 데이터를 말한다.
지식: 개념화된 정보로 정보를 일반화 하고 체계화 한 것이다.
추론
-
귀납 추론
구체적인 사례에서 일반적인 결론을 이끌어 내는 추론으로 이미 알고 있는 사실로부터 모르고 있던 사실을 유추해 내는 것, 따라서 사례의 다양성, 정확성, 결론에 큰 영향 끼침.
-
-
맹목적 탐색과 정보 이용 탐색
-
정보 이용 탐색
정보 이용 탐색은 경험이나 지식을 탐색에 적용한 알고리즘이다. 필요 없는 경로를 줄여 문제 해결 시간과 공간을 절약할 수 있다. 정보 이용 탐색은 오직 휴리스틱(경험으로 얻은 지식, 어림짐작)만 사용하는지, 탐색 비용도 고려하는지에 따라 최상우선탐색과 A*탐색 등으로 구분된다.
최상우선탐색
초기 상태에서 현재 상태에 이르기까지의 비용을 고려하지 않고, 현재 가장 좋은 것을 선택하는 탐색 방법이다. 목표에 가장 가까워 보이는 노드를 선택한다. 평가 함수(현재 상태가 목표 상태에 얼마나 가까운지 평가하는 함수)를 이용해 목표에 가장 가까운 상태를 선택한다.
A*탐색
A*탐색은 최상우선탐색을 개선한 알고리즘이다. 최상우선탐색과 달리 앞으로 남은 탐색 거리에, 초기 상태에서 현재 상태에 이르기까지 비용도 고려하므로 보다 탐색 비용을 줄일 수 있다.
-
-
