재수강이었기에 A0가 최대 학점이었지만, 즐거운 수업이었다.
2022학년도 1학기 전문기초교양으로 수강했던 인공지능개론 수업은 머신러닝과 딥러닝의 역사, 파라미터를 최적화하는 수학적 원리 등을 거시적으로 배울 수 있었던 귀중한 시간이 되었습니다. 딥러닝과 신경망 모델에 대해 공부하며 튼튼한 토대가 될 해당 수업을 다시한번 복습하고 정리해보려고 합니다.
💡 오늘 배울 내용
인공지능의 개념
인공지능 역사
머신러닝과 딥러닝
딥러닝 역사
약인공지능과 강인공지능
인공지능의 한계와 문제점
🔎 인공지능의 개념
🔘지능(Intelligence) : 복잡한 목표를 성취할 수 있는 능력
🔘인공지능(Artificial Intelligence)
-1956년 John McCarthy가 처음으로 창안한 용어
-Think Humanly : 인지 모델링 접근
-Think Rationally : 사고방식에 대한 접근
-Acting Humanly : 튜링 테스트적 접근
-Acting Rationally : 합리적인 에이전트적 접근
-인간과 유사한 지능을 갖는 기계와 소프트웨어를 개발하는 컴퓨터 과학의 한 분야
🔘지능형 에이전트 : 환경을 인지하고 목표를 달성하기 위해 자율적으로 행동하는 시스템
-자율성(autonomy)과 학습(learning)가능 : 자율적으로 학습
🔘튜링 테스트
-Alan Turing이 1950년에 제안한 테스트 기법
-'기계가 생각할 수 있는가'에 대한 물음과 대답
-컴퓨터의 반응을 인간의 반응과 구별할 수 없다면, 컴퓨터는 생각할 수 있다고 보아야 함
-CAPTCHA(Completely Automated Public Turing test to tell Computers and Humans Apart) : 컴퓨터와 사람을 구분 짓기 위한 완전 자동 튜링 테스트
-유진 구스트만 : 처음으로 튜링테스트를 통과한 챗봇 인공지능
🔎 인공지능 역사
▣1950 : 튜링 테스트
▣1956 : 'Artificial Intelligence' 용어 정의
▣1960~1970s : 인공지능 태동기(과열)
▣1973 : "Artificial Intelligence: A General Survey"
-인공지능 첫번째 암흑기(AI winter I) 촉발
-James Lighthill
-유럽 전역에 걸친 자금 삭감, 소수에 대학에서만 AI연구가 진행됨
▣1974~1980 : 첫번째 AI 암흑기(AI winter I)
▣1980s : Second AI boom
-전문가 시스템(Expert System) 연구 : 전문가의 지식 및 능력을 체계적으로 조직
-대형 서버에 집중된 연구
▣1987~1993 : 두번째 AI 암흑기(AI winter II)
-전문가 시스템에 대한 외면(개인용 컴퓨터 확산)
▣1990s : 확률적 추론 연구
-베이즈 네트워크 : 조건부 확률을 사용하여 복잡한 모델(결합 분포)를 쉽게 표현
-SVM(Suport Vector Machine) : 지도학습 모델, 분류와 회귀 분석을 위한 알고리즘
▣1996 : 딥 블루, 1997 : 디퍼 블루(Deeper Blue)
-IBM이 만든 체스 특화 인공지능
-체스 챔피언 가리 카스파로프(GarryKimovich Kasparov)와의 대결에서 승리
▣2006 : 딥 러닝(Deep Learning)개념 탄생
▣2011 : 왓슨(Watson)
-자연어 형식으로 된 질문들에 답할 수 있는 인공지능 컴퓨터 시스템
-IBM DeepQA 프로젝트를 통해 개발
-'퀴즈 쇼 제퍼디!'에 참가하여 우승
▣2016 : 알파고(AlphaGo)
-DeepMind에서 개발한 바둑 인공지능 프로그램
-정책망 지도학습/강화학습, 가치망 강화학습의 알고리즘 사용
-TPU(딥러닝 전용 프로세스)
▣2020s~
-인공인간 네온(NEON)
-알파 폴드(AlphaFold)
-알파 코드(AlphaCode)
🔎 머신러닝과 딥러닝
🔘딥러닝(인간의 Brain과 인지 과정을 모형화)
:인공신경망을 수많은 계층 형태로 연결하여 회귀 분석의 상위 호환
-대량의 자료
-진화된 알고리즘
-증대된 컴퓨터 성능
🔎 딥러닝의 역사
▣1943 : Neural Networks
-워렌 맥컬로크(Warren McCulloch), 월터 피츠(Walter Pitss)
-뇌의 뉴런 작동 원리를 설명, 전기 신호를 사용하여 간단한 신경망 모델링
▣1957 : 퍼셉트론(Perceptron)
-프랑크 로젠블렛(Frank Rosenblatt)
-최초의 신경망 모델, 머신러닝 개념 도입
▣1969 : Neural Networks의 한계점 증명
-마빈 민스키(Marvin Minsky), 시모어 페퍼트(Seymour Papert)
-단층 퍼셉트론으로는 XOR을 절대 증명할 수 없음을 수학적으로 증명
-다층 퍼셉트론으로 해결 가능하지만, 학습 방법의 한계
▣1974 : 역전파 알고리즘
-폴 웨어보스(Paul Werbos)제안
-XOR 문제 해결
-다층 퍼셉트론을 학습시킬 수 있는 방법
▣1986 : 역전파 알고리즘
-제프리 힌턴(Geoffrey Hinton) 독립적으로 연구
-Neural Networks 재 주목
▣1989~1998 : 다수의 알고리즘 개발
-CNN
-MNIST
-LSTM
-Bidirectional RNN
▣1990s~ : 쇠퇴기
-다층 레이어에서 학습이 어려움
(Vanishing and Exploding Gradients Problem)
-강력한 경쟁자 SVM(Suport Vector Machine) 등장
▣2006 : 딥 러닝(Deep Learning)으로 부활
-제프리 힌턴(Geoffrey Hinton)팀 논문 - A fast Learning Algorithm for deep belief nets
-'Neural' 대신 'Deep'으로 용어 재 브랜딩
▣2009 : ImageNet
▣2021 : AlexNet, Dropout
▣2014 : GANs, DeepFace
▣2016 : AlphaGo
▣2017 : AlphaZero
▣2018 : BERT
▣2020~ : GPT3, AlphaFold, AlphaCode
🔎 약 인공지능과 강 인공지능
🔘약 인공지능(Week AI)
-현재의 인공지능 수준
-특정 영역에 편중, 학습한 작업만 수행
🔘강 인공지능(Strong AI) ; 범용 인공지능(AGI)
-인간과 동등하거나 우월한 능력을 가진 인공지능
🔘강 인공지능의 발생
-2055(많은 AI Researchers의 예상)
-2045(Ray Kurzweil 예측)
강 인공지능의 탄생을 함께할 수 있어 행복하다!
🔘강 인공지능에 대한 논란
-스티븐 호킹(Stephen Hawking), 앨런 머스크(Elon Musk)
:강 인공지능 탄생과 인류의 멸망 등 위험성 역설
-닉 보스트롬(Nick Bostrom)
:인공지능 발전은 초지능으로 까지 나아갈 수 밖에 없음
🔎 인공지능에 대한 우려
🔘차별 학습(학습 데이터에 대한 의존)
🔘범죄에 이용
🔘인공지능 관련 제도/규제
-저작권 인정
-법 인격
-윤리 기준
🔘실수가 미치는 영향
