1. Determinisitic vs Approximaion
1) 결정적 알고리즘 (Dterminisitic Algorithm)
- 주어진 입력에 대해 항상 동일한 출력을 생성함
- 각 단계가 정확히 정의 되어 있으며 예측 가능 (무작위성, 불확실성 X)
- 정확한 해를 도출 함
- 최단 경로 탐색 (Digkstra), 정렬 알고리즘 (Quick sort, Merge sort), 선형 방정식 풀이
2) 근사 알고리즘 (Approximation Algorithm)
- 정확한 해를 구하는 데 계산 비용이 매우 크거나 불가능한 경우에 가까운 해를 찾도록 설계된 알고리즘
- 휴리스틱(heuristics) 또는 완화(relaxation) 기법을 사용하여 때로는 무작위(randomized) 요소를 포함함.
- 집합 덮게 문제(set Cover), 탐욕 알고리즘 (Greedy Algorithm), 외판원 문제(TSP), K- 평균 클러스터링 (K-means clustering)
2. 모델링
- 모델링은 현실의 복잡한 시스템을 단순화 => 이해, 예측, 제어할 수 있는 것
- 시스템(System)은 우리가 관심 있는 실제 세상 속 대상 ex. 택시 이동
- 모델(Model)은 시스템을 간단하게 표현하게 표현한 그림이나 수식
- 응용 및 추론(Application & Inference)는 모델을 가지고 문제를 해결하거나 예측
- 데이터(Data)는 모델을 만들기 위해 실제 세상에서 모은 정보
- 현실(System) -> 데이터(data)수집 -> 단순화 (Model) -> 예측 (Simulation & Analysis) -> 검증 (Test & Validation)
3. AI (Artificial Intelligence)
- AI는 인간의 지능이 필요한 작업 (시각 인식, 음성 인식, 의사결정, 언어 번역 등)을 수행할 수 있는 기계를 만드는 학문이다.
- 인공지능은 인간의 사고 방식을 수학과 알고리즘으로 모델링하여, 기계가 스스로 학습하고 추론하도록 만드는 학문
- AI 연구는 약 70년 이상 지속 => 빠르고 강력한 하드웨어, 방대한 데이터 축전, 컴퓨터 과학의 발전 (지식 표현, 알고리즘 개선, 머신 러닝, 딥러닝의 발전 등)
- 장점 1) 대량 데이터 처리 가능
- 장점 2) 다중 출처 데이터 동시 처리 가능
- 장점 3) 학습 알고리즘으로 지속적 업데이트
- 장점 4) 데이터 조직 및 인사이트 추출
4. AI가 정보를 처리하는 학습 과정
1) Data -> information
- 데이터(날 것의 사실)를 처리하여 정보(의미가 있는 데이터)
2) Information -> Knowledge - 정보를 인지 => 정보를 조합하고 경험/규칙과 연결하여 배운 것 (지식)
3) Knowlege -> Understanding - 여러 지식에서 규칙이나 경향을 찾아내는 패턴 추출 과정을 통해 이해를 함
4) Understanding -> Inltellgence - 이해한 것을 바탕으로 추론을 하여 단순이 아는 것을 넘어 문제 해결, 판단 의사결정을 함 (지능)
5. 지능 (Intelligence)
- 튜링 테스트 (Turing Test)
- 인간과 기계가 텍스트 인터페이스로 대화하고 질문자가 응답자가 인간인지 기계인지 구분할 수 없으면 합격
- 기계가 인간 수준의 지능적 행동 수행 여부 평가
- 지능 구현 방법
- 자연어 처리 : 인간과 의사소통
- 지식 표현 : 정보를 이해하고 구조화
- 추론 : 논리적 판단
- 머신 러닝 : 학습 능력
6. 에이전트 (Agent)
- 환경을 보고(Sensors), 행동하는(Actuators) 존재
- 공식 : Agent = Architecture + Program
- 인간 : 눈, 귀 -> Sensors / 손, 다리 -> Actuators
- 로봇 : 카메라 -> Sensors / 모터 -> Actuators
- 에이전트는 과거 감지 기록을 바탕으로 행동 결정
- 예시 : 청소기 에이전트
if 상태 == Dirty → Suck
else if 위치 == A → Right
else if 위치 == B → Left- Rational Agent는 주어진 지각과 가능한 행동을 바탕으로 최적의 행동 수행
- AI의 목표는 합리적인 Agent를 구현하는 것이다.
7. PEAS 프레임워크
- Performance Measure : 목표 달성 기준
- Environment : 에이전트가 작동하는 과정
- Actuators : 행동을 수행하는 장치
- Sensor : 환경을 감지하는 장치
- 예시 : 자율 택시
- P : 안전, 빠른 이동, 법규 준수, 편안함
- E : 도로, 다른 차량, 보행자
- A : 핸들, 브레이크, 가속기
- S : 카메라, GPS, 속도계
잡다한거 다 공부중....