Please enable JavaScript.

Coggle requires JavaScript to display documents.

인공지능의 이해(1513 박자연) - Coggle Diagram

- - - - 현재의 인공지능은 목적에 맞는 대량의 데이터를 학습하여 주어진 문제에 적절한 판단을 내리는 시스템으로 볼 수 있다.
        
        이러한 동작을 통해 인간의 판단에 도움을 주고, 단순 작업을 대신하는 등 편리함을 제공한다.
        
        카메라, 마이크, 각종 감지 센서 등을 통해 입력받은 데이터는 빅데이터로 쌓이게 된다.
        
        이러한 빅데이터를 학습한 인공지능은 탐색과 추론을 통해 판단을 한다.
        
        대화형 비서, 인공지능 렌즈, 번역 플랫폼 등 인공지능을 일상에서 이미 지능 에이전트의 형태로 다양하게 경험하고 있다.
  - - - 탐색은 인공지능이 얻을 수 있는 정보를 탐색함으로써 문제를 해결하기 위한 최선의 방법을 더 쉽게 찾을 수 있다.
      - 인식은 인간이 감각 기관을 통해 사물을 인식하는 것처럼, 인공지능은 센서를 통해 감지된 사물을 인식한다.
      - 추론은 인공지능이 이미 알고 있는 지식으로부터 새로운 사실을 예측할 수 있다.
      - 학습은 인공지능이 데이터에서 일정한 패턴이나 규칙을 찾아 모델을 생성할 수 있다.
      - 인공지능은 인간의 지능을 모방하려 하지만 인간의 지능과는 다른 특징을 보인다.
        
        인간은 다양하고 복잡한 상황에서도 동시에 여러 가지 일을 처리할 수 있지만 인공지능은 다양하고 복잡한 상황에서는 한계를 보인다.
        
        인공지능은 특정한 한 가지 일에 특화된 경우가 대부분이다.
      - 개와 고양이를 구분하거나 앉았다 일어나는 행동과 같이 인간이 간단히 할 수 있는 일이 인공지능에게는 어려울 수 있다.
        
        하지만 기계 장치에서 동작하는 인공지능은 전기가 공급되는 동안 인간처럼 지치지 않고, 잠도 자지 않으며, 반복적인 작업을 오류 없이 수행할 수 있다.
        
        받아들인 정보를 빠르게 해석하고 분석할 수 있으며, 특정 영역에 대한 문제를 해결하는 방법이나 해답을 인간보다 빠르게 찾아낼 수도 있다.
      - 인공지능은 일반적인 소프트웨어와도 다른 특징을 지닌다.
        
        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.
  - - - 하지만 튜링 테스트를 통과했다고 해서 기계에 지능이 있다고 판단하는 것은 한계가 있다는 지적도 있다.
      - 인간이 다양한 감각을 통해 정보를 받아들이는 것처럼 인공지능은 다양한 센서로 주변 상황을 인식하는데, 튜링 테스트는 이런 것들이 빠진 채 문자 대화에만 머물러 있었기 때문이다.
- - - - 문제 해결을 위한 탐색 과정에서 만나게 되는 상황을 상태라고 하며, 모든 상태의 집합을 상태 공간이라고 한다. 문제의 처음 상태를 초기 상태라고 하고, 문제가 모두 해결된 상태를 목표 상태라고 한다. 탐색은 상태 공간 안에서 초기 상태로부터 목표 상태까지의 경로를 찾는 과정이라고 정의할 수 있다.
- - - - 추론은 이미 알고 있는 지식을 토대로 새로운 결론을 이끌어 내는 사고 과정을 말한다.
        
        추론은 인공지능에서 중요한 영역이다.
        인공지능은 데이터를 이용한 학습을 바탕으로 새로운 데이터로 추론을 하여 결과를 도출한다.
    - - 데이터는 관찰이나 실험, 조사로 얻은 사실이나 자료를 의미하며, 가공하기 전의 상태이다.
      - 정보는 다양한 데이터 중에서 사용자의 필요에 따라 처리한 데이터를 말한다.
      - 지식은 개념화된 정보로 정보를 일반화하고 체계화한 것이다.
      - 인간은 지식을 활용하여 다른 사람의 질문을 이해하고 질문에 답변할 수 있다. 또한 다양한 상황과 목적에 맞게 지식을 적용할 수 있다.
      - 인공지능도 문제를 해결하기 위해 지식이 필요하며, 인공지능에게 필요한 지식은 기계가 이해할 수 있는 형태여야 한다.
    - - 인공지능을 활용하기 위해서는 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 중요하며, 표현된 지식은 추론 과정을 통해 새로운 사실을 생성할 수 있다.
      - 지식을 표현하는 방법에는 규칙, 논리, 의미망, 프레임 등이 있다.
        
        규칙
        
        '만약 <A>라면 <B> 이다.' 또는 'A하면, B하다.' 와 같은 형태로 IF A THEN B로 나타낼 수 있다.
        A는 주어진 정보나 사실에 대응될 조건이고, B는 조건을 만족할 떄 하는 판단이나 행동인 결론이다. A가 참이면, B를 수행하는 형태이고, 이를 생성 규칙이라고도 하며, 인과 관계, 추천, 전략, 경험적 지식 등을 표현할 수 있다.
        
        논리
        
        수학 논리학에서 사용하는 명제 논리나 술어 논리를 사용한다.
        명제 논리는 명제를 가지고 논리를 판별하는 것이고, 술어 논리는 주어와 서술어 간의 관계를 다루는 것이다. 명제 논리에서 나타나는 단점은 술어 논리로 보완될 수 있다.
        
        의미망
        
        지식이나 기억, 실세계를 노드와 호를 이용하여 네트워크 구조로 표현한 것이다. 노드는 객체, 개념, 사건 등을 표현하고, 호는 노드 간의 관계를 화살표로 나타낸다.
        
        프레임
        
        특정한 객체나 개념에 대한 지식을 슬롯으로 표현할 것
        하나의 프레임은 여러 개의 슬롯으로 구성되고, 슬롯은 슬롯 이름과 슬롯 값으로 구성된다.
  - - - 일반적인 전제를 바탕으로 새로운 결론을 논리적으로 도출하는 추론 방법
      - 대표적인 방법으로 삼단 논법이 있다.
        삼단 논법은 두 개의 전제와 하나의 결론으로 된 형식을 가지고 있다. 최초의 대전제가 결론을 이끌어 내는 중요한 근거가 되며 논리의 일관성이 있다.
    - - 구체적인 사례에서 일반적인 결론을 이끌어 내는 추론으로 이미 알고 있는 사실로부터 모르고 있던 사실을 유추해 내는 것
      - 사례의 다양성이나 정확성이 결론에 큰 영향을 끼침
    - - 연역 추론에서 오류는 전제 조건을 생략하거나 잘못 설정했을 때, 귀납 추론에서는 관찰된 표본이 전체를 대표할 수 있는 표본이 아닌 경우나 전체에 대한 표본의 해석이 잘못되는 경우에 발생할 수 있다.
    - - 알고 있는 사실을 바탕으로 추론을 통해 새로운 지식을 생성할 수 있다.
- - - - 깊이 우선 탐색
        
        상태 공간 트리에서 자식 노드를 먼저 방문하는 수직 방향의 탐색 알고리즘
        
        자식 노드가 두 개 이상일 경우 주로 왼쪽 노드를 먼저 방문
        
        탐색 중에 단말 노드에 도착했는데도 목표 노드를 찾지 못했다면 다시 분기점으로 되돌아가 방문하지 않는 노드부터 다시 수직 방향으로 탐색함
        
        장점: 만약 목표 노드가 수직 방향으로 깊이 있다면 문제를 빨리 해결할 수 있고, 필요한 저장 공간도 비교적 적게 드는 장점이 있다.
        단점: 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
        
        상태 공간 트리에서 형제 노드를 먼저 방문하는 수평 방향의 탐색 알고리즘
        
        장점: 상태 공간 트리의 깊이가 얕고 넓은 경우, 목표 노드를 빨리 찾을 수 있다. 목표 노드를 찾을 때까지 모든 상태 공간을 탐색하므로 목표 노드가 존재한다면 반드시 찾을 수 있고, 최단 경로를 알 수 있다.
        단점: 노드 수가 많아지거나 목표 노드가 수직 방향으로 깊은 곳에 있다면 탐색 시간이 오래 걸리고, 탐색을 위한 공간과 탐색 범위도 지나치게 넓어진다.
  - - - 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 택한다.
        
        평가 함수는 현재 상태가 목표 상태에 얼마나 가까운지를 평가하는 함수로, 최상우선탐색은 이를 이용해 목표에서 가장 가까운 상태를 선택한다.
    - - 최상우선탐색을 개선한 알고리즘으로 최상우선탐색은 현재 상태에서 유리한 선택을 하여 탐색 범위를 좁혔지만, 다른 길로 가는 것이 탐색 비용을 줄일 수 있는 경우에도 평가 함숫값이 더 크면 선택할 수 없었다. A* 탐색은 앞으로 남은 탐색 거리에, 초기 상태에서 현재 상태에 이르기까지의 비용도 고려하므로 보다 탐색 비용을 줄일 수 있는 알고리즘
- - - - 인공지능 기술이 빠르게 발전하면서 의료, 교육, 운수, 번역, 산업 등 사회 전 분야에서 인공지능이 활용되고 활용 분야는 계속 늘어날 것이다.