[딥러닝] 01. 인공지능이란?

2. 인공지능의 정의

• 인공지능 : 지능적인 기계를 만드는 학술 분야
• 인간의 지능적인 사고 특징
  • 학습(Learning) : 과거의 패턴들로부터 학습할 수 있는 능력을 가지고 있음.
  • 문제해결(Problem Solving) : 복잡한 문제를 분석하고 해결할 수 있는 능력을 가지고 있음.
  • 빅데이터(Big Data) : 아주 큰 용량의 변화하는 데이터 처리 가능
  • 추론(Reasoning) : 주위의 상황으로부터 추론할 수 있는 능력을 가지고 있음.
• 지능의 정의?
  1. 인간이 사물을 이해하고 학습하는 능력(learning)
  2. 어떤 문제가 주어졌을 때, 합리적으로 사고하여 문제를 하결하는 능력(problem solving)
• 두 정의를 합하여 인공지능을 다시 정의하면, 인간의 인지적인 기능을 흉내내어 문제를 해결하기 위해 학습하고 이해하는 기계(컴퓨터)

 

• 인공지능 vs 머신러닝(기계학습) vs 딥러닝
  • 인공지능 : 인간처럼 학습하고 추론하는 프로그램 연구
  • 머신러닝 : 인공지능의 한 분야로서 프로그래밍 없이 스스로 학습하는 프로그램 연구
  • 딥러닝 : 인공신경망 등을 사용해 빅데이터로부터 학습하는 프로그램 연구

• 딥러닝 = 신경망의 학습 알고리즘으로, 인간의 뉴런처럼 입력을 받아 출력을 보내는 구조로 되어 있음

• 최근 인공지능의 붐은 전적으로 딥러닝의 성공 덕분이다!

3. 인공지능의 간단한 역사

• 탐색의 시대 → 지식의 시대 → 학습의 시대 로 발전해 옴.
• 인공지능의 태동(1940~1960)
  • 1943년) Warren McCulloch, Walter Pitts가 간단한 네트워크를 분석하고 이것이 간단한 논리 기능을 수행할 수 있음을 보여줌... 나중에 연구자들이 인공신경망이라고 부르게 됨.
  • 1950년) 튜링 테스트 - "기계와 사람을 구분할 수 없다면 인공지능이 구현되었다고 봐야함"을 주장
    • 문제점) 인간의 행동과 지적인 행동이 같진 않음(비지능적인 인간도 있고, 비인간적인 인간도 있음) / 튜링 테스트 자체가 너무 올드하다(현재-인간의 유머를 이해할 수 있다면 진정한 인공지능으로 보자)
  • 1956년) 다트머스 학술 대회(Marvin Minsky, John MacCarthy 등) - "인공지능" 용어 최초 정의
  • 1950년대) Frank Rosenblatt - 인공신경망의 초기 형태인 퍼셉트론(perceptron) 개발... but, 1969년 Minsky와 Papert의 저서 '퍼셉트론'에서 퍼셉트론이 할 수 있는 작업엔 심각한 제한이 있었고 Rosenblatt의 예측은 엄청나게 과장되었다는 것을 증명 => 활발한 연구 활동 중단
• 탐색의 시대(1960~1970)
  • 초기 많은 AI 프로그램은 기본 탐색 알고리즘 사용
    • 문제점) 현실적인 문제는 정형화하기 너무 복잡함 ~> 인위적으로 축소 / 시작 상태가 목표 상태가 될 수 있는 모든 경우의 수를 탐색 ~> 현실의 문제에서는 탐색의 복잡도가 지수적으로 커짐
• 첫 번째 AI 겨울(1974~1980)
  • 당시 문제점
    1. 1970년대 당시 충분한 컴퓨팅 파워가 없었음.
    2. "장난감 문제" : 현실적인 문제에 대한 최적의 솔루션을 찾는 데는 상상할 수 없는 양의 계산 시간이 필요함
    3. AI 응용 프로그램은 빅데이터를 필요로 하는데, 1970년엔 데이터베이스를 만들 수 없었고, 어떤 프로그램도 방대한 정보를 어덯게 학습해야 하는지 알지 못했음.
    4. John McCarthy처럼 논리를 사용한 개발자는 논리 그 자체의 구조를 변경하지 않고는 일반적인 추론을 구현하기 어렵다는 것을 발견
• 지식의 시대(1980~1990)
  • 연구자들) 이 세상의 모든 문제를 해결할 수 있는 시스템을 개발한다는 생각을 버림
  • 이에 새롭게 등장한 시스템이 "전문가 시스템(expert system)"
    • 전문가 시스템 : 규칙을 사용해 특정 영역에 대한 질문이나 문제를 해결하는 프로그램
      • DENDRAL - 전문가 시스템을 사용한 가장 초기 사례로, 분광계 수치 화합물을 분석하는 전문가 시스템
      • MYCIN : 전염성 질환을 진단하고 항생제를 처방하는 전문가 시스템
  • 신경망의 부활
    • 1982년) JohnHopfield는 완전히 새로운 방식으로 정보를 학습하고 처리할 수 있는 한 형태의 신경망(Hopfield Net을 제안)
    • "역전파(backpropagation)" 라고 불리는 유명 학습 방법 대중화
• 두번째 AI 겨울(1987~1993)
  • 전문가 시스템은 유용했으나, 몇 가지 특수한 상황에서만 유용하다는 것이 밝혀짐...
  • 1980년대 후반, 정부기관과 투자자들이 AI에 대한 투자 거의 포기
• AI의 부활(1993~2011)
  • "지능형 에이전트" 라는 새로운 패러다임이 1990년대 널리 퍼짐.
• 딥러닝, 빅데이터 및 인공지능(2011~현재)
  • 딥러닝 - 많은 은닉층을 가진 "심층 신경망"에서 사용하는 학습 기술
  • 빅데이터 시대 도래 ~> 딥러닝의 훈련 데이터로 활용

4. 규칙 기반 방법 vs 머신러닝 방법

• 규칙 기반 방법) 전문가 시스템이나 전통적인 프로그램에서 사용하는 방법 / '규칙'을 사용해 전문가의 지식을 '지식베이스'에 저장 / 인간이 모든 지식을 코딩해야 함. / 단점 - 현실 세계의 복잡성을 표현하기 어려움
• 머신러닝 방법) 여러 번 자료를 보여주면서 학습시키면 됨... (특징 추출할 필요 X)

5. 인공지능 응용 분야

• 자율 주행 자동차(현재는 level3 적용 상태... 그 이상은 윤리적인 문제로 도입될지 안될지 모름) / 맞춤형 광고 / 영상 기반 불량 판별 / 챗봇 / 의료분야 / 언어 번역 / 경영 분야 / 딥러닝 예술 / 음악 등등

 

 

 

딥러닝 EXPRESS 01. 인공지능이란? (p.12 ~ 38)