1. 인공 지능 (Artificial Intelligence) 이란?
ㅇ 인공 지능 용어 출현 및 기술 발전
- 1950년, 앨런 튜닝이, 컴퓨터가 사람 처럼 생각,판단할 수 있는 `튜링 테스트`를 제안
- 1956년, 다트머스 회의 때 용어 최초 언급
. 시대에 따라 그 정의가 점차 변하고 있음
- 기술 발전
. 1960 ~ 1980년 : 전문가 시스템
.. 전문가 시스템 : 전문가의 조건 판단을 프로그램화해서 문제를 처리하는 시스템
. 1980 ~ 2000년 : 인공 지능 암흑기 및 신경망 연구
. 2000 ~ 2010년 : 통계 기반 머신러닝, 분산처리 기술
. 2010 ~ 현재 : 심층 신경망 기반의 이미지 인식 성능 향상 등
ㅇ 인공 지능
- 인간의 지능적인 행동을 모방하여, 학습,추론,문제 해결 등을 할 수 있는 시스템이나 기술
. 주로, 기계학습을 통해 만들어짐
- 컴퓨터의 기능을 인간의 뇌 기능과 유사하게 접근하려는 시도로써,
. 이를 실현코자, 신경과학, 인지과학, 수학, 물리학, 전자, 전기 등 학문 간에
. 다양한 통합적 노력들이 이루어지고 있음
ㅇ 인공지능 발전 단계 : 규칙 기반 → 통계 기반 → 학습 기반 → 생성형 AI
2. 인공 지능의 연구 및 접근
ㅇ 인공지능 연구의 대상
- 알고리즘(풀이순서,공식등)이 없는 상황에서 경험적으로 문제풀이를 하는 것
ㅇ 인공지능에 대한 접근방식
- 계산심리학 관점 : 인간과 동일한 방식으로 작동하는 컴퓨터 프로그램을 만듬
- 기계지능 관점 : 컴퓨터 프로그래밍이 가능한 영역을 인간 수행 작업영역으로 확장시킴
ㅇ 인공지능 구현시 고려사항
- 지식의 정의
- 지식의 표현
- 지식의 조작
- 모델의 정당성
ㅇ 인공지능 활용 영역
- 언어 인식/이해, 학습, 추론, 패턴인식, 컴퓨터비전, 검색, 범주화 등 다양
3. 인공 지능의 구성
ㅇ 핵심 요소
- 데이터
. 인공지능 학습의 원천으로, 입력 정보이자 지식의 근간이 됨
- 알고리즘
. 데이터를 처리하고 학습·추론·판단하는 절차나 규칙의 집합
- 모델
. 알고리즘이 데이터를 학습하여 구축된 결과물(수학적 표현체)
- 계산 자원
. 대규모 데이터와 복잡한 모델 학습을 위한 하드웨어 인프라
ㅇ 구성 요소
- 사용자와의 인터페이스
. 사용자의 입력을 인공지능이 이해할 수 있는 형태로 변환
.. 例) 음성인식,영상인식,문자인식 등 패턴 인식 등
- 패턴 이해
. 인식된 데이터 속의 규칙과 의미를 해석
.. 例) 문맥 분석, 감정 분석, 의미 해석 등 패턴 분석
- 지식 베이스(Knowledge Base) 및 데이터베이스(Database)
. 지식 베이스 : 컴퓨터 내부에 방대한 특정 분야 지식을 체계적으로 축적시킨 것
.. 문제 해결에 필요한 사실과 규칙 등
. 데이터베이스 : 대량의 정형,비정형 데이터를 체계적으로 저장
- 추론 엔진 (Inference Engine)
. `지식 베이스의 지식`과 `외부에서 나타난 사실을 표현하는 정보`를 결합해 결론 도출
.. . 논리적 탐색 및 규칙 기반 판단 수행
4. 인공 지능의 종류
ㅇ 약 인공지능 (Weak AI, ANI : Artificial Narrow Intelligence)
- 특정 작업에 특화된 인공지능
. 현재 우리가 접하는 대부분의 인공지능 시스템
ㅇ 강 인공지능 (Strong AI, AGI: Artificial General Intelligence)
- 인간과 동등하거나 뛰어넘는 지능을 가진 인공지능
. 아직까지는 이론적인 개념에 가까움