인공지능(Artificial Intelligence)
학습이란 무엇인가?
여러 경험을 통해 패턴을 얻어내고 다음 행동에 영향을 주는 것이 바로 학습이다.
기계가 학습을 한다고 해서 머신러닝이라고 부름.
기계 학습을 총 3가지로 나눔.
- 지도 학습, 비지도 학습, 강화 학습
지도 학습 : 데이터와 라벨을 바탕으로 패턴을 파악함.
비지도 학습 : 답이 없는 데이터를 가지고 기계가 스스로 학습하여 데이터를 분류하여 패턴을 파악한 후 사용자에게 제공.
(데이터를 군집화해서 패턴을 찾아내고 다음 행동에 변화를 일으키는 것.)
Big_data - K-means Clustering, EM Clustering 등.
강화 학습 : 능동적으로 학습을 진행하여 옳은 길을 찾으면 상을 주고 아니면 벌을 주는 형식으로 찾아가는 방식.
Ex)(바둑, 스타크래프트, 테트리스 등..)게임 - 결과값이 확실하고 컨트롤이 가능한 가상 환경에서 데이터를 무수히 만들 수 있기 때문 사용.
기계를 학습하는 방법(머신 러닝 알고리즘)
신경망 학습(1940 시작) - Neural Networks
인간의 뇌를 모방하여 구성.
초기 네트워크, 하드웨어 미비로 데이터 연산 측면에서 성과가 좋지 않았음.
따라서 요즘 빅데이터와 컴퓨팅 파워가 발전되면서 성과를 발휘함.
위 신경망 학습을 심화 버전으로 Deep Learning 이라고 부름.
Deep Learning
기계학습의 일부로 이전에는 사람이 개입할게 많았다면 딥러닝은 모델(계층 구조)를 만들어 초기 설정을 함으로써 학습을 할 수 있다.
활성화 함수가 중요한 역할을 함.
Deep Learning 안에서도 여러가지 방법이 있음.(대표적으로 3가지)
-이미지(추출, 분류, 인식) - 합성곱신경망(CNN : Convolutional Neural Network)
기존 네트워크를 바탕으로 한 새로운 인식 작업을 위해 CNN을 재학습하여 사용하는 것이 가능.
-자연어(음성인식, 번역분야) - 순환신경망(RNN : Recurrent Neural Networks)
반복적이고 순차적인 데이터 학습에 특화.
-최근 떠오르는 GAN : Generative Adversarial Network(2014 시작)
2개의 모델을 서로 대결하면서 학습하는 것. - ex) 위조지폐 분류기, 초상권 없는 얼굴 생성, 스타크래프트 맵 예측 능력(패턴을 파악)
구체적인 Deep Learning과 Biomedical 분야의 간략한 역사
앞으로 기대성으로는 양자역학을 입증하며 꿈, 창의성, 상상력, 의식, 인간이란 무엇일까라는 궁극성, 기대감을 가지고 있다.
