우리 곁의 인공지능
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