Please enable JavaScript.

Coggle requires JavaScript to display documents.

인공지능의 이해(1518 양윤빈) - Coggle Diagram

- - - - 상태 공간 트리에서 자식 노드를 먼저 방문하는 수직 방향의 탐색 알고리즘
        
        장점 : 목표 노드가 수직 방향으로 깊이 있다면 문제를 빨리 해결할 수 있고, 필요한 저장 공간도 비교적 적게 듦
        
        단점 : 목표 노드가 없는 경로에 깊이 빠져 버리거나, 목표 노드에 이르는 경로가 여러 개일 경우, 지금의 방문 경로가 최단 경로임을 보장할 숭수 없음
  - - - 하지만 대체로 좋은 결과를 내고, 효율적이며 빠르게 목표를 찾을 수 있어 내비게이션 등 인공지능 시스템의 탐색에 많이 사용
      - 모든 탐색 공간을 찾지 않고 일부 공간만 탐색하기 때문에 답을 찾지 못할 수도 있고, 항상 최단 경로로 목표 노드에 도달할 수는 없음.
    - - 초기 상태에서 현재 상태에 이르기까지의 비용을 고려하지 않고, 현재 가장 좋은 것을 선택하는 탐색 방법, 현재 상태 노드에서 다음 방문할 상태 노드를 결정할 때 목표에 가장 가까워 보이는 노드를 택함
      - 평가함수 : 현재 상태가 목표 상태에 얼마나 가까운지를 평가하는 함수, 최상우선탐색은 이를 이용해 목표에서 가장 가까운 상태를 선택
    - - 최상우선탐색을 개선한 알고리즘, 앞으로 남은 탐색 거리에 초기 상태에서 현재 상태에 이르기까지의 비용도 고려하므로 탐색 비용을 줄일 수 있음
- - - - IF <A> THEN <B> 로 나타낼 수 있음.
        
        <A>는 주어진 정보나 사실에 대응될 조건, <B>는 조건을 만족할 때 하는 판단이나 행동인 결론
        
        A가 참이면, B를 수행하는 형태이고, 이를 생성 규칙이라고도 하며, 인과 관계, 추천, 전략, 경험적 지식 등을 표현할 수 있음
    - - 명제 논리(명제를 가지고 논리를 판별하는 것)이나 술어 논리(주어와 서술어 간의 관계를 다루는 것)을 사용
    - - 지식이나 기억, 실세계를 노드와 호를 이용하여 네트워크 구조로 표현한 것
    - - 특정한 객체나 개념에 대한 지식을 슬롯으로 표현한 것
        
        장점 : 관련된 지식을 한군데 모을 수 있고 표현력이 우수
        
        단점 : 슬롯에 대한 표준이 없고 지식을 생성하는 것이 매우 힘듦
  - - - 일반적인 전제를 바탕으로 새로운 결론을 논리적으로 도출하는 추론 방법
    - - 구체적인 사례에서 일반적인 결론을 이끌어 내는 추론
    - - 연역 추론, 귀납 추론은 언제나 옳은 결론에 도달하는 것은 아님.
    - - 탐구 활동
- - - - 인식: 인간이 눈과 귀 등의 감각 기관을 통해 사물을 인식하는 것처럼, 인공지능은 센서를 통해 감지된 사물을 인식
      - 추론 : 인공지능은 이미 알고 있는 지식으로부터 새로운 사실을 예측 가능
      - 탐색 : 인공지능은 얻을 수 있는 정보를 탐색함으로써 문제를 해결하기 위한 최선을 방법을 더 쉽게 찾을 수 있음
      - 학습 : 인공지능은 데이터에서 일정한 패턴이나 규칙을 찾아 모델을 생성할 수 있다
    - - 인간 : 여러가지 일을 동시에 처리 가능
      - 인공지능 : 특정한 일만 수행 가능
    - - 인공지능이 적용되지 않은 소프트웨어 : 고정된 단순 작업이나 반복되는 작업을 처리
      - 인공지능이 적용된 소프트웨어 : 추론이나 예측하는 작업이 가능하다. 데이터 기반의 기계학습을 구현한 인공지능의 경우, 학습을 통해 성능이 개선되기도 함
    - - 앨런 튜링: 튜링 테스트의 논리적인 방법만 제시. 이후 구체적으로 다양한 실험 방법이 추가로 제시됨
        
        2014년 유진 구스트만이 최초로 테스트를 통과했다고 주장. 유진 구스트만도 앞뒤가 맞지 않는 문답을 했지만 13세의 어린 소년이라는 설정으로 의심을 비켜감.
        
        여러 비판 의견이 있지만, 여전히 인공지능의 발전을 측정할 수 있는 하나의 척도임
  - - - 단백질 구조를 예측하는 학술 대회에서 인공지능 '알파폴드'가 우승 인류가 오랜 시간 밝혀낸 약 2억 개의 단백질 구조를 예측하는 데 성공. 단백질 구조를 설계하는 것도 시작. 신약 개발 등 생명 과학 분야에서 큰 성과를 거둘 수 있음.
    - - AI 의료, 비서, 교육, 운수, 번역, 산업 등 활용 되고 있고 분야가 계속 늘어갈 것임
- - - - 탐색 : 문제 상황에서 답을 찾아가는 과정
    - - 복잡한 문제를 탐색으로 해결하려는 노력 예시 : 딥 블루(체스), 알파고(바둑)
      - 실생활 사례 : 내비게이션