인공지능
- 인공지능이란 사람과 유사한 지능을 가지도록 인간의 학습능력, 추론능력, 지각능력, 자연어 이해 능력 등을 소프트웨어로 실현하는 기술
인공지능의 기술
- 지각, 학습, 추론의 기술을 바탕으로 다양한 Application 제작
인지컴퓨팅
-
Natural Language, Speech Recognition, Computer Vision
-
인공 신경망 기반의 기계번역, 자율 주행 기술, 음성 인식 분야의 성장
-
Watson, Google Machine Learning, Microsoft Azure
기계 학습
로봇과 자율주행차
- DARPA Robotics Challenge, DRC Finals 2015, DARPA Urban Challenge,
인간과의 게임
- Deep Blue, Watson, DeepMind, AlphaGo
인공지능의 역사
-
AlanTuring(1912~1954), Dartmouth AIProject(1956), 1stAIWinter(60년대말~70년대), AIboom(80년대 중반), AIResurgence(부활)
-
John McCarthy(1927~2011), Arthur Samuel(1901~1990), Frank Rosenblatt(1928~1971)
Perceptron
- 학습이 진행될수록 선형분리(Linear boundary)를 업데이트하면서 학습
Perceptron 이론 한계
-
간단한 XOR문제에는 적용할 수 없는 한계
-
인공지능의 외면으로 발전
인공지능의 재도약
- 1980년대 산업계의 전문가 시스템의 도입과 정부 주도의 대규모 프로젝트
2nd AI Winter
-
전문가 시스템의 실패 : 전문가 시스템의 성능 대비 높은 가격의 문제, 높은 유지 보수 비용, 업데이트가 매우 어려움
-
정부 과학 정책의 변화 : 일본의 5세대 컴퓨터 프로젝트 실패, 실용중심의 정부 정책으로 정부 주도의 전략과제부제
현재의 인공지능
- Deep Learning : 다층구조의 인공신경망의 문제, 지나치게 긴학습시간, 훈련 데이터의 편중성, 일반성을 잃는 과적합(Overfitting),
기계 학습 ; 머신러닝
-
컴퓨터가 인간처럼 학습하여 최적의 해를 찾아주는 시스템
-
스스로 규칙을 형성하고 해를 찾음
-
지도 학습(원하는 출력 값을 의미하는 레이블이 주어져 있음), 비지도 학습, 강화 학습(주어진 환경에 대하여 보상이나 패널티를 받음으로 학습하여 해를 찾는 방식, Q-Learning)
인공신경망
-
인간의 뇌의 구조를 이용해 네트워크를 만들어 최적의 해를 구하는 알고리즘
-
연결 강도 가중치로 표현
-
인간의 뇌의 기능적 구분과 계층적 구분을 모토로 함
-
학습 시 네트워크가 히든 레이터가 커질 수록 초기상태에 고착하는 상황 존재
-
퍼센트론, 다층 퍼셉트론, 백프로라게이션 알고리즘
-
1843년 매컬로크와 피츠, 1957 로젠블라트, 1959 위드로와 호프, 1960 민스키와 페퍼트, 1986 역전파 알고리즘 소개, 1990 서포트 백터 기계 등장
딥러닝 신경망
-
단층 신경망, 심층 신경망
-
순환 신경망 : 시계열 자료
-
합성곱 신경망
-
심층 Q-망
-
경쟁적 생성망
딥러닝 관련 소프트웨어
- 텐서플로, Caffe, Theano, 토치, CNTK, Matlab, R, 파이토치(PyTorch), MXNe
텐서플로우
-
텐서(딥러닝에서 데이터를 표현하는 방식) + 플로우(데이터 흐름 그래프)
-
아나콘다, 주피터 노트북, 파이참
케라스
-
파이썬 라이브러리
-
모듈화, 최소화, 확장성, 파이썬 기반
