TIL - 인공지능(AI)

dgk089·2021년 2월 1일
0

인공지능

  • 인공지능(人工知能, 영어: artificial Intelligence, AI)은 인간의 학습능력, 추론능력, 지각능력, 논증능력, 자연언어의 이해능력 등을 인공적으로 구현한 컴퓨터 프로그램 또는 이를 포함한 컴퓨터 시스템

  • 단순히 인지능력에서 발전하여 인지한 환경 속에서 최적의 답을 찾아내고, 여기에 스스로 수행한 학습을 더해 추론 및 예측을 하며, 향후에는 문제를 스스로 발견하고 해결하는 행동 단계에 이르기까지 다양한 분야의 연구와 투자가 활발히 진행

  • 인공지능 안에 머신러닝, 딥러닝이 포함된다.
    인공지능 > 머신러닝 > 딥러닝

  • 머신러닝(machine learning) : 경험을 통해 자동으로 개선하는 컴퓨터 알고리즘의 연구. 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야

  • 딥러닝(deep learning) : 사람의 사고방식을 컴퓨터에게 가르치는 기계학습의 한 분야. 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화(다량의 데이터나 복잡한 자료들 속에서 핵심적인 내용 또는 기능을 요약하는 작업)를 시도하는 기계 학습 알고리즘의 집합
    머신러닝의 일종으로 심층 인공신경망을 사용하여 End-to-End 학습 구조를 가지는 학습 모델

  • 데이터에 대한 학습을 통해 규칙 생성 및 예측

머신러닝과 딥러닝 차이

  1. 데이터 의존도 : 딥러닝은 대용량의 데이터를 필요로 함

  2. 하드웨어 의존도 : 딥러닝 학습을 위해 GPU와 같은 병렬처리 하드웨어 필요

  3. Feature Engineering 수행 여부 : 머신러닝은 Feature Engineering 과정 필요

  4. 학습시간 : 딥러닝 학습을 위해 장시간 소요

  5. 해석력/설명력 : 딥러닝은 블랙박스로 해석력, 설명력이 낮음

  6. 알고리즘 복잡도/깊은 신경망 : 딥러닝은 깊은 레이어를 사용하며 복잡한 알고리즘 구조

  • Feature Engineering(Feature(변수) 추출 + Feature 선택) : 변수 선택법. 분석가의 중간 개입을 통해 사용할 변수를 선택하는 과정
    머신러닝만 해당. 딥러닝은 학습과 분류과정이 통합된 End-to-End 학습이 가능





** 출처
  • blog.nvidia.com

0개의 댓글