16th June 2021 TIL

AI

인공지능이란 인간처럼 사고하고 감지하고 행동하도록 설계된 일련의 알고리즘 체계라고 할 수 있다. (EX: 빅스비, 시리)
즉 사람의 지능을 흉내내는 소프트웨어, 프로그램, 인공적인 장치 모두를 일컫는 말이다.

머신러닝

머신러닝은 엄청난 양의 경험을 통해 특정 작업의 성능을 향상시키거나 패턴을 찾아내는 방법이다. 특정한 사건들보다 다수의 사건에 대한 경험을 통해 그들의 추세를 학습하고 이를 기반으로 판단을 내리는 패턴인식의 형태이다.
특정사건들보다 다수의 사건으로 많은 데이터를 쌓아야 하는 이유: 인간이 인지하지 못하거나 예측할 수 없는 상황들까지 모두 예측할 수 있는 수준을 만들기 위해

지도학습

• 기계를 가르친다는 의미로, 데이터로 컴퓨터를 학습시켜서 모델을 만드는 방식을 지도학습이라고 한다.
• 데이터는 누적된 데이터 즉, 과거의 데이터가 있어야 한다.
• 과거의 데이터는 독립변수와 종속변수로 분리해야 한다.
• 독립변수와 종속변수의 관계를 컴퓨터에게 학습시키면, 컴퓨터는 그 관계를 설명할 수 있는 공식을 만든다.
• 이 공식을 머신러닝에서는 [모델]이라고 한다.
• 모델을 만들면, 결과를 모르는 원인을 모델에 입력했을 때, 결과를 순식간에 계산해서 알려준다.
• 데이터가 많을수록, 정확할수록 좋은 모델을 만들 수 있다.

회귀
예측하고 싶은 종속변수(결과)가 숫자
양적 데이터(어느 정도인지를 의미하는 데이터, 숫자) --> 종속변수(결과)가 양적데이터

분류
예측하고 싶은 종속변수(결과)가 문자
범주 데이터(문자) --> 종속변수(결과)가 범주 데이터

비지도학습

• 지도학습에 포함되지 않는 방법들
• 컴퓨터(기계)에게 데이터에 대한 통찰력을 부여하는 것
• 정답을 알려주지 않았는데, 무언가에 대한 관찰을 통해 새로운 의미나 관계를 밝혀내는 것
• 데이터의 성격을 파악하거나, 데이터를 정리정돈하는 것에 주로 사용
• 그룹핑을 하는 것
• 데이터의 성격을 파악하는 것이 목적

군집화
비슷한 것을 찾아서 그룹을 만듦

정리

지도학습
과거의 원인과 결과를 바탕으로, 알 수 없는 원인이 발생했을 경우, 그것은 어떤 결과를 초래할 것인가를 추측하는 것이 목적

비지도학습
데이터의 성격을 파악하는 것이 목적, 데이터만 있으면 됨

강화학습

• 어떻게 하는 것이 더 좋은 결과를 낼 수 있는지를 스스로 느끼면서 실력향상을 위해서 노력하는 수련과 비슷
• 일단 해보면서 경험을 통해서 실력을 키워나가는 것
• 그 행동의 결과가 자신에게 유리한 것이었다면, 상을 받고, 불리한 것이라면 벌을 받는 것
• 이 과정을 반복하여, 더 많은 보상을 받을 수 있는, 더 좋은 답을 찾아낼 수 있다는 것이 기본 아이디어
• 경험을 통해 [더 좋은 답]을 찾아가는 것
• 강화학습에서는 더 많은 보상을 받을 수 있는 정책을 만드는 것이 핵심이다

딥러닝

• 인간의 뉴런과 시냅스의 원리를 모방한 인공신경망을 사용하는 기술
• 수많은 노드로 구성되며 다층 구조로 이루어져 있어 심층적인 학습 가능
• 관측된 데이터는 많은 요인들이 서로 다른 가중치로 기여해 만들어짐

AI 편향성의 3가지 범주

1. 알고리즘 편견

• 보호되는 특징과 의사 결정에 사용되는 다른 정보 사이에 통계적 종속성이 존재하는 경우 발생한다
• 인종데이터를 보호해도 지리적 특성 정보를 사용해 비슷한 편견을 갖는 경우가 그 예이다.

2. 부정적 유산 - AI모델을 학습시키는데 사용되는 데이터에 이미 존재하는 편향성

3. 과소평가 - 인구의 특정 구간에 대한 데이터가 충분하지 않아 발생하는 경우