Please enable JavaScript.

Coggle requires JavaScript to display documents.

인공지능의 이해 (1501 김나현) - Coggle Diagram

- - - - 깊이 우선 탐색
        
        상태 공간 트리에서 자식 노드를 먼저 방문 하는 수직 방향의 탐색 알고리즘 이다. 자식 노드가 두 개의 이상일 경우 주로 왼쪽 노드을 먼저 방문 한다. 탐색 중에 단말 노드의 도착했는데도 목표 노드를 찾지 못했다면 다시 분기점으로 되돌아가 방문 하지 않은 노드부터 다시 수직 방향으로 탐색 한다. 만약 목표 노드가 수직 방향으로 깊이 있다면 문제를 빨리 해결할 수 있고 필요한 저장 공간도 비교적 적게 되는 장점이 있다. 하지만 목표 노드가 없는 경로에 깊이 빠져 버리거나 목표 노드에 이르는 경로가 여러개의 경우 지금의 방문 경로가 최단 경로임을 보장할 수 없다는 단점이 있다.
  - - - 최상 우선 탐색은 초기 상태에서 현재 상태에 이르기까지의 비용을 고려하지 않고 현재 가장 좋은 것을 선택 하는 탐색 방법이다. 목표에 가장 가까워 보이는 노드를 택 한다. 평가 함수는 현재 상태가 목표 상태에 얼마나 가까운지를 평가 하는 함수로 최상 우선 탐색은 이를 이용해 목표에서 가장 가까운 상태를 선택 한다. 정점과 간선으로 구조화 한 자료구조를 그래프라고 한다. 복잡한 지도를 단순하게 추상화 한다.현재 상태보다 평가 함수 값이 크다는 것은 목표 상태에서 멀어졌다는 뜻이다 최상 우선 탐색은 목표와 가까운 상태를 선택하는 알고리즘 이기 때문에 방문이 가능한 다음 상태 중에서 평가 함수 값이 가장 작은 노드를 다음 상태로 선택하여 방문 한다
      - A*탐색은 최상 우선 탐색을 개선 한 알고리즘이다. 앞으로 남은 탐색거리에 초기 상태에서 현재 상태에 이르기까지의 비용도 고려하므로 보다 탐색 비용을 줄일 수 있는 알고리즘이다.
- - - - 인공지능이란 인간의 지능이 갖는 학습, 탐색, 추론 등의 능력을
        모방하여 컴퓨터로 구현한 시스템이나 구현하려는 컴퓨터 과학 기술을
        말한다.
        앨런 튜링에 의해 처음 제시되었으며, 현재는 새로운 부흥기를
        맞이하여 빠르게 발전하고 있다.
        카메라, 마이크, 각종 감지 센서 등을 통해 입력받은 데잍는 빅데이터로 쌓이게 되고, 이러한 빅데이터를 학습한 인공지능은 탐색과 추론을 통해 판단한다.
        이렇게 동작하는 인공지능을 일상에서 이미 지능 에이전트의 형테로 다양하게 경험하고 있다.ex)대화형 비서, 인공지능 렌즈, 번역 플랫폼
        인식-판단-행동
    - - 인간의 지능을 모방한 인공지능은 인식, 추론, 탐색, 학습의 특성을 지니며, 데이터를 학습하고, 학습한 데이터를 근거로 추론하고 탐색한다.
        인간은 다양하고 복잡한 상황에서도 동시에 여러가지 일을 처리 할수 있다. 하지만 인공지능은 다양하고 복잡한 상황에서는 한계를 보인다.
        하지만 기계장치에서 동작하는 인공지능은 전기가 공급되는 동안 인간처럼 지치지 않고, 잠도 자지 않으며, 반복적인 작업을 오류없이 수행할 수 있다. 또한 받아들인 정보를 빠르게 해석하고 분석할 수 있으며, 특정 영역에 대한 문제를 해결하는 방법이나 해답을 인간보다 빠르게 찾아낼 수도 있다.
    - - 튜링 테스트를 통과한다면 기계에도 지능이 있다고 봐야 한다는 주장이다. 하지만 튜링 테스트를 통과했다고 해서 기계에 지능이 있다고 판단하는 것은 힌계가 있다는 지적도 있다.
        그러나 2014년 유진 구스트만이 테스트를 통과했다고 주장하기 전까지 어떤 인공지능도 튜링 테스트를 통과하지 못했다. 게다가 유진 구스트만도 앞뒤가 맞지 않는 여러 문답을 했으나 13세의 어린 소년이라는 설정으로 기계라는 의심을 비켜 갔다고 볼 수 있다.
  - - - 스미싱 여부 판단, 심리 상담 센터에서는 인공지능이 적용된 앱을 이용하여 어린아이의 그림을 분석하고 심리 상태를 파악
- - - - 탐색이란 문제 상황에서 답을 찾아가는 과정으로, 컴퓨터과학자들은 인간의 탐색방법을모방하여 컴퓨터에 적용하고자 노력해 왔다.
        A알고리즘은 가장 간단한 방식이지만 출발지나 도착지가 변경되거나 미로의 모양이 바뀌면 매번 새롭게 명령해야하는 번거러움이 있다
        B알고리즘은 왼쪽 벽을 따라가며 왼쪽으로 회전하여 미로 탐색 문제를 해결하는 방법을 사용한다.
        C알고리즘은 각 미로 칸마다 숫자 정보를 부여하고 탐색하는 알고리즘이다.
    - - 딥 블루는 인공지능의 놀라운 발전 가능성을 보여 주었다. 알파고는 수많은 경우의 수 중에서 승리에 유리한 수만을 탐색하는 방법으로 탐색 범위를 획기적으로 좁혔다. 또한 딥러닝으로 방대한 분량의 바둑 전문가 기보데이터를 학습하고, 학습의 결과를 다시 탐색에 반영하며, 이길 확률이 높은 수를 선택함으로써 알파고는 인긴에게 승리할 수 있었다.
- - - - 추론은 이미 알고 있는 지식을 토대로 새로운 결론을 이끌어 내는 사고 과정 ex)음성인식, 이미지 검색, 이메일의 스팸필터링
    - - 데이터는 관찰이나 실험 조사로 얻은 사실이나 자료를 의미하며 가공하기 전의 상태이다. 반면 정보는 다양한 데이터 중에서 사용자의 필요에 따라 처리한 데이터를 말한다. 지식은 개념화 된 정보로 정보를 일반화 하고 체계화한 것이라 할 수 있다. 예를 들어 풍속, 풍향, 습도, 온도 등을 기록해 둔 것은 데이터이고 이러한 데이터를 근거로 “내일 비가 올 확률은 80%” 라고 예보 하는 것은 정보이다.
    - - 사람과 컴퓨터가 동시에 이해할 수 있는 형태로 지식을 나타내는 것이 필요하고 지식을 이러한 형태로 나타낸 것을 지식 표현이라고 한다. 문제 해결을 위해 적절한 지식 표현 방법을 선택하는 것은 매우 중요하다.
        
        규칙
        
        다양한 지식 표현 반복 중 대표적인 한가지는 규칙을 이용한 방법이다. ‘만약 A라면,B이다‘ 또는 ’A 하면 B하다’와 같은 형태로 IF A then B로 나타낼 수 있다. A는 주어진 정보나 사실에 대응될 조건이고 B는 조건을 만족 할 때 하는 판단이나 행동인 결론이다. A 가 참이면 B를 수행 하는 형태이고 이를 생성 규칙이라 한다.
        
        논리
        
        명제 논리는 명제를 가지고 논리를 판별 하는 것이고 술어논리는 주어와 서술어 간의 관계를 다루는 것이다. 명제 논리에서 나타나는 단점은 술어논리로 보완 될 수 있다. 가장 명확한 방법이지만 복잡한 상황에서의 적용이 어렵다는 특징이 있다.
        
        의미망
        
        지식이나 기억, 실세계를 노드와 호를 이용하여 네트워크 구조로 표현한 것이다. 노드는 객체,개념, 사건 등을 표현하고 호는 노드 간의 관계를 화살표로 나타낸다. has-a(~이 있다),is-a(~이다), do(~을 한다)
        
        프레임
        
        특정한 객체나 개념에 대한 지식을 슬롯으로 표현한 것이다. 하나의 프레임은 여러개의 슬롯으로 구성 되고 슬롯은 슬롯 이름과 슬롯 값으로 구성 된다. 관련된 지식을 한군데 볼 수 있다는 것과 표현력이 우수 하다는 장점이 있지만 표준이 없고 지식을 생성 하는 것이 매우 힘들다는 단점이 있다.
  - - - 일반적인 전제를 바탕으로 새로운 결론을 논리적으로 도출 하는 추론 방법이다. 대표적인 방법으로 삼단논법이 있다. 두 개의 전제와 하나의 결론으로로 된 형식을 가지고 있다. 최초의 대전제가 결론을 이끌어 내는 중요한 근거가 되며 논리의 일관성이 있다.
    - - 구체적인 사례에서 일반적적인 결론을 이끌어 내는 추론으로 이미 알고 있는 사실로부터 모르고 있던 사실을 유추 하는 것이다. 사회의 다양성이나 정확성이 결론에 큰 영향을 끼친다.
    - - 연역 추론에서 오류는 전제조건을 생략하거나 잘못 설정했을 때 발생할 수 있고, 귀납 추론에서 오류는 관찰된 표본이 전체를 대표 할 수 있는 표본이 아닌 경우나 전체에 대한 표본의 해석이 잘못 되는 경우에 발생할 수 있다.