우리 곁의 인공지능
- 이루다, 블루투스 스피커, 알파고 등등
인공지능 분야의 흐름
1936 A-machine > 1950 앨런튜닝 컴퓨팅 기계와 지능 > 존 매카시 인공지능 창시 > 1956 Dartmouth conference > 인공지능에 대한 기대 증폭 > 계산 기능 한계, 논리 체계 한계 > 전문가 시스템 - 신경망 연구 > 일본의 5세대 컴퓨터 출현, 영국의 Alvey 등장 > 데이터 부족 > 메모리 비용 1억분의 1로 감소 > CPU 속도 400만배 향상 > 빅데이터 출현 - 딥러닝 성과 도출
인공지능 역사
1950~1960 AI 개념 정립, 다양한 방식 시도 > 1970- Expert System > 1985 신경망 > 2000 자연언어 처리 > 2010 딥러닝 > 2015 가상비
구성론적 접근 : 인간의 지능을 재현하려는 과정을 통해 인간을 이해하려는 것
실제적 접근 : 한계를 명확하게 인지하고 인간에게 도움을 주는 역할로의 인공지능을 접근
인공지능의 기본 문제
-
프레임 문제
-
튜링 테스트와 중국어 방
-
기호 접지 문제
인공지능 < 머신러닝 < 딥러닝
머신러닝
-
인간이 가지고 있는 학습 능력을 로봇이나 컴퓨터에서 실현하기 위한 기술
-
인공지능 분야에서도 수학적인 기초나 분류가 비교적 잘 되어있는 분야
머신러닝의 분류
-
강화 학습
-
지도 학습
-
비지도 학습
패턴인식 VS 클러스터링
회귀 문제
-
상관관계에 있는 속성의 값들을 이용하여 특정 속성의 값을 연속적인 수(실수)로 예측하는 것임
-
선형 회귀, 일반 선형 모형, 신경망, 커널 회귀, 가우시안 프로세스 회귀
-
예측 오차 최소화를 통한 학습, 최소제곱법, 일반 선형 모형
-
신경망, 퍼셉트론,
분류 문제
-
미리 정의된 클래스(카테고리, 레이블)가 있고, 그 중에 어디에 속하는가를 예측하는 것임
-
퍼셉트론, 신경망, SVM, 랜덤 포레스트, 가우시안 혼합 분포, 나이브 베이즈 필
-
판별 모형과 생성 모형
-
서포트 백터 머신, 나이브 베이즈 모형
성능 평가
-
Confusion matrix (TP, FP, FN, TN)
-
Accuracy(•(TP + TN) / (TP + TN + FP + FN)), Precision((TP) / (TP + FP)), Recall((TP) / (TP + FN)), F1 measure, ROC, AUC, Diversity, Serendipity
K-최근접이웃 알고리즘
커널 회귀
클러스터링(K-means)
-
데이터를 데이터간의 유사도에 따라 다수의 그룹으로 분류하는 것
-
데이터가 가진 정보만을 이용하여 그룹을 나누기 때문에 비지도 학습(정답이 없는 학습)
-
특정값 추출
