모두를 위한 AI 강연

서울대학교에서 모두를 위한 AI라는 강연을 네이버 TV를 통해서 해주셨다. 그래서 감사하게도 듣을 수 있었다. 이 강의를 듣고 배운 점, 좋은 자료 등을 여기에 남기자.

배운 점

1950년대 인공지능 과 관련된 논문이 나왔다. 바로 앨런 튜링이라는 사람이다. 튜링은 컴퓨터의 아버지라고 한다.
사람처럼 생각하고 사람처럼 행동하는 것을 인공지능이라고 한다.

우리가 생각하는기계를 만들었다고 할때 과연 그 기계가 즉 인공지능 처럼 정말로 사람의 사고력을 지녔는지를 어떻게 판단할 수 있을까? 라는 질문이 한가지 있었다고 한다.

그 질문에 대한 답변이 바로 튜링 테스트이다.

하지만 모든 사람들이 이 주장에 동의하지는 않았습니다. 그중에 한분이 철학자 존 설(JOHN ROGER Searle) 아무리 기계가 통과해도 인간의 사고작용이나 마음하고 똑같을 수는 없다고 주장을 했고

중국어 방이라는 근거를 제시한다.

하지만 다시 반박할 수 있다.

튜릴테스트를 통과한 기계를 우리는 강인공지능이라고 한다.

인공지능 좁은 인공지능 vs 넓은 인공지능으로 나눤다. 현재는 좁은 인공진능이 대부분이다.

인공지능은 어떻게 사고하는가?

지각 -> 생각 -> 행동

생각하는 것의 예를

공간은 주로 그래프 형태로 이루어져 있다.

계속 지각하고 생각하고 행동하면서 추상적으로 주어진 그래프라는 그런 구조 안에서 목적지로 가는 가장 짧은 경로를 찾아내는 문제로 보통은 생각하는 과정을 묘사해서 문제를 풀게 된다.

인공지능은 어떻게 만들까?

1. 사람이 아는 지식을 넣어주는 것 - 초기에 많이 사용되었다. 하지만 한계가 있다.( 많은 데이터가 정확하지 않을 수 있다는 점이다.)

2. 사람이 넣어준 데이터를 기계가 학습해 기계 스스로 지식을 만들어 가는 방법 - 머신러닝, 딥러닝이다. 단점은 있다. 누가 데이터를 만들어주나??

3. 기계가 스스로 세상에서 체험하게 하는 방법이다. - 이것을 적극적으로 하는 방법은 로봇을 통해서 감각적으로 느끼는것과 네트워크에서 간접적으로 느끼는 것이다.

인공지능에게 지식을 어떻게 넣어줄까?

가장 많이 쓰는 방법은 lf than 방식이다. 기계에게 널리지 베이스를 이용해서 지식을 넣어준다. 예를 들어 음악틀어줘!! 라고 말하면 기계가 그 사람이 좋아하는 것을 튼다는 규칙을 집어널어서 더 똑똑하게 한다.

컴퓨터는 망구조를 많이 사용한다.

이것이 일종의 추론 과정이다. 이것이 기계가 지식을 가지는 과정이다.

또 다른 방법은 시간에 따라서 시간의 순서대로 학습라는 것 하지만 1970년대에는 실패했다.

인공지능은 어떻게 학습하는가?

1. 감독학습 2. 무감독 학습 3. 강화학습

2. 감독학습

2. 무감독 학습

3. 강화학습

인공지능은 세상을 어떻게 보는가?

인공지능이 사람의 언어를 이해하는가?

딥러닝과 같은 학습을 통해서 학습한다.

인공지능은 감정을 느낄 수 있는가?

감정을 느끼는거와 같은 인공지능을 만들 수 있다. 로봇과 같은 인공지능을 만든다면 가능할 것이다. 그리고 인과관계를 통해서 그것을 추론해서 표현하고 이해할 수도 있다. 그리고 고통받는 사람을 이해해주는 것도 가능하다. 하지만 그것을 완전히 이해한다고 말하기는 어렵진만 기능주의 철학에서는 맞다고 할 수도 있다.

인공지능이 개성을 가질 수 있는가?

개성이란 개인의 고유한 성품체계로 다른 사람하고 구분해서 나를 나로 만들어 주는 특성이다. 이러한 고유한 정체성 안에는 욕망, 바람 아니면 가치 기준 이런 것들이 같이 녹아 있는 하나의 유기체입니다. 그런데 개성을 이루는 욕구와 믿음 가치들의 체계는 명제 내용으로 이루어진 지향적인 사고체계로서 기능화가 가능합니다.인공지능도 자신만의 관점에서 자신만의 경험을 갖은 것이 어떻게 가능할까? 인공지능이 감각기관을 지닌 유기체를 연결하는 것이다.

인공지능이 인간의 지능을 능가할 수 있을까?

넘어설 수 있다고 본다. 그러한 지능을 슈퍼지능이라고 하고 그 시점을 특이점이라고 한다. 왜냐하면 기계는 사람보다 정확하게 기억하게 연결할 수 있다. 알파고는 바독에서 슈퍼지능을 넘어섰다고 할 수 있다.

---

" 표현학습(reprsentation learning) - 서울대 지능정보융합학과 이원종 교수

딥러닝이라는 기술이 놀라운 성능을 낼 수 있는 근본적인 이유로는 가장 잘 알려진 개념이 표현학습이다.

딥러닝과 표현학습

딥러닝 전에는 특성추출이라는 방식을사용했다. 단점은 매번 새로운 정보를 전문가가 수작업으로 기계에게 학습을 시켜야 한다는 점이다.

정보표현이란?

2012년에 'Alexnet'이라는 아주 역사적으로 중요한 딥러닝 모델이 발표되었다. 많은 연구자들이 딥러닝으로 뛰어들었다.

앞서 설명한 첫 번째 생각은 딥러닝은 표현학습을 통하여 인간이 생각하는 세부 개념들을 실제로 학습하여 좋은 성능을 낼 것이라는 방향이었습니다.

두 번째 생각은 첫 번째 생각과는 매우 다르게 알고리즘이 해낸 표현학습의 결과는 인간이 이해할 수 있게 정리될 필요가 없다. - 실제로 대부분 딥러닝이 학습해낸 표현은 인간이 해석할 수 없습니다.

이미 말했듯이 ' 좋은 성능은 곧 인간이 생각하는 세부 정보의 정리가 성곡적으로 된 것이다' 라는 믿음은 현재 사용되는 딥러닝 기술에 대해서는 전혀 맞다고 할 수 없습니다. - 다만 이에대한 최신 논문은 거의 없는 편이다.

최종 결론은 현재도 많은 연구자들이 인간이 사용하기 편하도록 세부정보도 자세히 살필 수 있는 기술을 만들기 위해 노력하고 있다.

분산표현학습

엉킴을 풀어낸 표현

"중요" 현재의 기술은 앞서 설명드린 것처럼 표현학습을 통ㅎ서 정보가 잘 정리되고 있는 건 명확하고 딥러닝이 좋은 성능을 내니까. 그런데 그렇게 정리된 정보가 도대체 뭘 의미하는지 이해하긴 어렵고 그런데 이런' Disentangled represnetation' 처럼 특별한 기술을 사용하면 적어도 일부에 대해서는 인간이 원하는 정보를 잘 정리할 수 있고 그런 상황이라고 생각하면 되겠습니다.

오토인코더- 비지도학습

임베딩 학습(Embedding learning )

임베딩은 통상 한 응용 분야에서 이미 정해져 있는 자주 사용되는 입력 데이터를 하나의 문제가 아니라 해당 데이터 분야의 다양한 문제들에 사용하기 위해서 개별 입력 정보 자체의 새로운 표현방법을 미리 학습해둔 결과라고 볼 수 있습니다. 예를 들어 보면 가장 대표적인 예제가 자연어 학습이다.

표현 규제

표현학습의 평가

따라서 표현학습이 잘 되었는가에 대한 평가는 표현자체에 대한 특징으로 판단하기 어렵고요. 어쩔 수 없이 평가를 위한 하나의 문제 또는 여러 개의 문제를 미리 고르고 그에 대한 성능평가를 통하여 간접적으로 표현학습의 우수성을 평가할 수 밖에 없습니다.

딥러닝 = 표현학습 = 비지도학습

---

"데이터를 가치있게 만드는 데이터 마이닝 - 서울대학교 컴퓨터공학부 강유 교수"

데이터 마이닝이란?

설명 작업이란 데이터를 보고 데이터의 핵심적인 패턴이 무엇인지를 찾는 것입니다. 대표적인 예시로는 클러스터링이 있다.

다른 하나는 예측 작업 데스크가 있다. 알려지지 않은 변수나 미래의 값을 예측하는 것이다.

빅데이터의 등장배경과 역활

웹, 스마트폰으로 인해서 정말 많은 데이터가 만들어졌다. 빅데이터는 비정형화된 것이다. 그래서 잘 뽑아내야한다.

역활로는 미래를 예측해서 위험을 막을 수 있다. 리스크나 불확실성을 이겨나갈 수 있다.

데이터 마이닝의 주요 활용 사례?

가장 많이 쓰이는 것은 "웹 검색"이다. 다음은 " 추천 시스템"이다. 미국에서는 탈세 방지를 위해서 사용된다. 그 사용자의 패턴을 분석해서 탈세의 가능성을 예측한다.

데이터에서 어떻게 패턴을 찾을 수 있을까?

대표적인 데이터는 "행렬 데이터" 를 사용한다.

어떻게 이상을 탐지하나?

방대한 자료 속 표절 논문을 찾는 방법은?

그래프에도 패턴이 존재할까?

중요 웹페이지를 추천하는 기준은?

sns에서 친구를 어떻게 추천하는가?

환율 데이터에서 패턴을 찾는 원리는?

---

" 인공지능은 어떻게 들을 수 있을까? = 서울대학교 지능정보융합학과 이교구 교수"

소리의 발생 및 전달

일반적인 상황에서는 공기가 매질의 역활을 한다. 하지만 소리는 공기만으로 전달되는 것은 아니고 물이나 쇠를 통해서 전달 됩니다.

음파의 속성

사람의 노래소리는 복합음이다.하나의 주파수만 가지고 있는게 아니라는 것이다. 자연의소리, 동물의 소리, 악기의소리가 전부 복합음이다.

크기, 위상, 주파수

사람의 청각기관

인공청각지능

듣는 인공지능 : 음성인식

듣는 인공지능 : 음성 분리

듣는 인공지능 : 음성 인식

---

"인공지능이 알려주는 내 취향 - 추천기술의 발전 - 이상구 교수"

아마존의 성공 비결은?

컴퓨터는 상품을 어떻게 이해하나?

기저귀와 맥주가 무슨 관계?

내 추천에 왜 다른 사람들 도움을?

넷플릭스가 내놓은 100만 불 상금

좋은 추천이란?

추천도 딥러닝으로 가능한가?

빈익빈 부익부

인공지능이 알려주는 내 취향

---

출처

NAVER TV 모두를 위한 AI
https://tv.naver.com/v/31271226 https://tv.naver.com/v/31271892
https://tv.naver.com/v/31283423
https://tv.naver.com/v/31283863/list/745980
https://tv.naver.com/v/31283988