<처음 만나는 인공지능, 김대수 저> 를 읽고 정리한 내용입니다.
인공지능이란?
인공지능(Artificial Intelligence: AI) = 컴퓨터를 사용하여 인간의 지능을 모델링하는 기술
인공지능의 주요 목표 중의 하나는 인간 두뇌와 관련 있는 '지능적인 원리를 이해하여 컴퓨터에 적용하고 현실 생활에 활용하는 것'이다.
Z-machine 이라는 3인조 로봇 밴드
인공지능의 중요성을 강조하는 손정의 회장
인공지능의 도전과 한계
인공지능을 구성하는 4가지 핵심 요소
- 모델 형태 (ex. 신경망, 머신러닝, 다층 퍼셉트론, 전문가 시스템 등)
- 하드웨어와 소프트웨어 (ex. GPU, Tensor-flow 등)
- 프로그래밍 언어 (ex. Python, Java, C 등)
- 응용 분야 (음성인식, 영상인식, 챗봇, 자연어 처리, 지식 처리, 감정 분석 등)
1950년대에 인공지능에 관한 연구가 시작됨.
수학적 정리 증명, 자연어 처리, 문자 인식, 음성 인식, 영상 인식 등의 패턴을 인식하는 측면에서 상당한 성과를 이루었다.
그러나 여전히 인공지능은 상당한 제한점을 내포하고 있다.
- 학습의 문제
규칙 기반 인공지능은 제한된 규칙을 이용하여 실제와 가깝게 처리하기 아주 어렵다.
신경망 계열은 딥러닝을 바탕으로 규칙이나 영상을 어느 정도 학습할 수 있으나, 시간이 오래 걸리는 제한점이 있다.
- 실세계 응용에서의 적용 문제
문제 해결이 요구되는 분야에 대해 많은 양의 지식을 저장하고 있는 지식 베이스가 필요하다.
- 정신세계에 대한 표현이 어렵다.
인공지능의 큰 흐름
기호주의 인공지능과 연결주의 인공지능
인공지능의 분류
- 기호주의 인공지능
- 규칙기반 인공지능 - 연결주의 인공지능
- 신경망 인공지능 - 통계적 인공지능
인공지능의 역사
- 1943~1956 : 명제논리의 개념, 튜링 테스트, 최초의 체스 프로그램
- 1956~1974 : '인공지능'이란 이름 탄생, '마크 I 퍼셉트론' 신경망 개발, <퍼셉트론즈> 출판 - 퍼셉트론 모델의 문제점 대두
- 1980~1987 : 신경망의 부활(다층 퍼셉트론), 역전파 알고리즘
- 1993~2011 : 딥 블루, RBM 학습 알고리즘
- 2011~ 현재 : 심층 신경망(DNN), 딥페이스
딥러닝의 탄생 이유
- 기존 신경망 모델의 단점 극복
- 하드웨어의 급격한 발전 (GPU 병렬 연산)
- 빅데이터
