#2.2 인공지능 개요 | 인공지능

아래의 내용은 세종대학교 최유경 교수님의 인공지능(2020) 강의자료를 바탕으로 작성되었음을 밝힙니다.

sejongresearch github 바로가기

https://github.com/sejongresearch/2020.Spring.AI

GitHub - sejongresearch/2020.Spring.AI: 2020학년도 지능기전공학부 인공지능 수업

최유경 교수님 강의 in Youtube

https://www.youtube.com/watch?v=ny48cBIKtiY&list=PL1xKqHsVFgvmIAJBy-cbB9zQcnMb6zsT2&index=3 

---

Agenda(학습 목표)

1. AI(인공지능), ML(머신러닝), DL(딥러닝)이 무엇이고 그것들의 관계
2. 왜 이런 기술의 변화가 발생하는지와 그 흐름
3. 코딩 없이 머신러닝 하기 - 티처블 머신

 

AI vs. ML(Machine Learning) vs. DL(Deep Learning)

AI > ML > DL로 AI가 가장 큰 범주고 DL이 가장 작은 범주이다. 그리고 새로운 솔루션이 나온다는 것은 그만큼 더 성능이 좋다는 것이다.

기술	의의
초기/AI	탐색과 추론의 시대
ML	기계가 스스로 학습하다.
DL	기계가 스스로 학습하는 과정 중에 문제해결 방법이 인간 뇌의 정보처리 방식을 흉내내다.(인공신경망을 깊게 쌓았다.)

지능(Intelligence)이란?

지능의 3요소(by. Robert Sternberg)

• 상황 인식: 입력 신호를 바탕으로 현 상태 파악
• 추론 및 판단(결정): 인식한 상황을 바탕으로 판단
• 반응/행동: 판단에 맞게 행동

 

AI란?

머신(컴퓨터)이 사람과 유사한 지능을 가지도록 인간의 학습·추론·지각·자연어 이해 능력 등을 컴퓨터 프로그램으로 실현하는 기술이다.

 

AI의 역사

2번의 겨울이 있었다. 연구비와 기대치가 하락하는 시기를 겨울이라고 부른다.

연결주의 -> (winter) -> 기호주의 -> (winter) -> 연결주의 순서로 세력을 잡게 되었다.

ANI/AGI/ASI(AI의 수준은 세 개로 구분되어 있는데 현재의 수준은 Artificial Narrow Intelligence(ANI)이다.)

첫 번째 AI Winter

문제: Perceptron 이론의 한계 발견

※ Perceptron: 뇌 안의 뉴런을 모사한 방법론.(향후 딥러닝으로 발전)

• Perceptron은 학습이 진행될수록 선형 분리(Linear boundary)를 업데이트하면서 학습한다.
• BUT. 간단한 XOR 문제에 적용할 수 없는 문제가 발견되었다.(분류: AND/OR/XOR)

 

극복: 전문가시스템의 성공

 

두 번째 AI Winter

문제: 실제 문제를 잘 못 푸는 와중에 실용성을 중시하는 정책이 중시되어 연구비 고갈

극복: Deep Learning, Data양 급증, 로보틱스 기술 발전

1. Data양의 급증
2. GPU의 발전: NVIDIA의 혁신
3. 인공신경망을 통한 기술의 발전

 

인공지능의 미래

어두울 수도, 밝을 수도 있다. 그만큼 AI 윤리가 중요하다.

 

Turing Test(튜링 테스트)

튜링 테스트는 지능의 유무를 판단하는 기준이다. 실제 튜링 테스트와 같은 방식은 아니지만 CAPTCHA라는 테스트는 인터넷에서 웹 페이지에 접속하고 있는 행위자가 사람인지 컴퓨터인지 구분하기 위해서 개발되었다.

 

---

 

ML(Machine Learning)이란?

입력과 출력 사이의 관계식을 사람이 찾아서 기계한테 알려주는 것이 일반적인 컴퓨터 사이언스라면,

기계한테 데이터를 많이 주고 직접 입력과 출력 사이의 관계식(함수)를 찾게 하는 것이 머신러닝이다.

즉, 경험적으로 문제를 해결하는 방법(학습)을 컴퓨터에 적용한 것이다.

 

머신러닝은 Classification(분류) 문제와 Regression(회귀) 문제로 구분된다.

• 분류: 카테고리를 나누는 것(ex. image based classification)
• 회귀: 숫자를 예측하는 것

 

기계 학습의 3가지 방법

기계학습에는 지도학습, 비지도학습, 강화학습이 있다.(본 수업에서는 주로 지도학습을 다룬다.)

 

Supervised Learning(지도학습) vs. Unsupervised Learning(비지도학습)

이해를 쉽게 하기 위해, 아래와 같이 비유하자.

• AI Machine: "Learner"
• AI Engineer: "Teacher"

No-code 머신러닝 실습

구글의 티처블 머신으로 가능하다.