AI란?
감지하고 있는 것에 반응하여, 환경을 인지하고, 생각하며, 배우고, 행동을 취할 수 있는 컴퓨터 시스템
Automated intelligence : 수동적으로 진행한 업무 또는 인지 등의 자동화
Assisted intelligence : 인간이 더 빠르고 더 정확하게 업무를 수행하는 것을 돕는 역할
Augmented intelligence : 더 나은 의사결정에 도움을 주는 역할
Autonomous intelligence : 인간의 개입이 없는 의사 결정 프로세스의 자동화
학습 자료 : Big Data
학습 방법 : Machine Learning Technique
자동화/관리어린 아이에게 한글을 가르치는 과정
학습 자료 : 교재
-
정제되지 않은 데이터 >> 데이터 정제 >> 학습 데이터
- 무의미한 데이터의 제거(Noise 제거) ex) 텍스트 내의 특수 기호, 광고 글, 무의미한 링크 등
- 학습하기 위한 형태로의 변경 ex) 문서 내에서 문장 단위 분리, 데이터 포맷 일원화 등
- 학습을 위한 Labeling 작업 ex) 고양이 사진, 개 사진, Sentiment문장, 그렇지 않은 문장 등
학습 방법 : 교육법
-
교재에 맞는 교육법, 교육법에 맞는 교재
- 영상 인식 & 분류 방법 : Convolution Neural Network, Capsule Network
- Sentence 분류 방법 : Recurrent Neural Network, Convolution Neural Network with Word2Vec
- 시계열 예측 방법 : Long Short-Term Neural Network
자동화/관리 : 스스로 공부하는 습관
- 학습 데이터 수동/자동 생성 : 데이터 전처리&정제
- 학습 스케쥴링에 의한 자동 학습 : 데이터 추가 학습
- 학습 모델 LifeCycle 관리 : 모델 배포 및 업그레이드
사람처럼 행동하도록 만들어진 장치 또는 소프트웨어
인공지능에 대한 기대
- 시간 효율성 : 사람보다 훨씬 빠르게 분석해서 결과를 도출, 대량의 데이터를 핸들링
- 비용 효율성 : 여러 사람이 해야 할 일을 기계가 처리, 24시간 365일 업무를 수행
- 객관성 유지 : 항상 같은 기준으로 분석/판단을 수행
- 진화 : 인간이 미처 발견하지 못한 데이터의 특성 인지
AI에 대한 Question
- 학습하는 원리와 과정 이해
- Deep Learning은 학습 과정을 알 수 없음
- Deep Learning Model의 성능이 좋은 이유와 원인을 증명할 수 없음
- 적은 학습 데이터, 짧은 학습 시간
- 많은 양의 학습 데이터를 생성하는 시간과 인력이 필요
- 많은 양의 학습을 진행하려면 많은 Computing Power & Resource가 필요
- 효과적인 학습 모델(학습 효율)
- Deep Learning의 성능을 개선할 새로운 개념 및 신경망 이론이 필요
- 학습법의 재활용
- 한 영역에서 개발한 인공지능 모델을 다른 영역에 적용하여 개발 효율을 높임
- 효과적으로 적용할 수 있는 분야 또는 영역
- 전문가의 개입 최소화
- 인간의 개입을 최소화하는 인공지능 모델 필요
- 학습법을 개발하기 위한 쉬운 틀
- 인공지능 모델을 개발하기 위한 쉽고 편리한 소프트웨어 개발 틀 및 개념
- 스스로 학습
- AI Tool의 민주화
- AI 모델 개발 과정을 Programming 지식 없이도 수행할 수 있도록 하는 Platform이 필요
- 학습 자동화 툴
Frontend & Artificial Intelligence