인공지능 개요
태그 :
- 개념
- - 인간의 인지, 추론, 학습의 사고과정에 필요한 능력을 컴퓨터 시스템을 통해 구현함으로써 문제를 해결할 수 있는 기술(인간모사 시스템) - 지능(Intelligence): 경험을 이용한 이해, 생각/추론 능력, 새로운 상황에 대처, 새로운 지식의 학습/응용 - 인간의 지능을 필요로 하는 작업을 처리할 수 있는 기계를 만드는 학문(Minsky)
## Ⅰ. 인공지능 정의
### 가. 인공지능 정의
- 인간의 인지, 추론, 학습의 사고과정에 필요한 능력을 컴퓨터 시스템을 통해 구현함으로써 문제를 해결할 수 있는 기술 (인간모사 시스템)
- 지능(Intelligence) : 경험을 이용한 이해, 생각/추론 능력, 새로운 상황에 대처, 새로운 지식의 학습/응용
- 인간의 지능을 필요로 하는 작업을 처리할 수 있는 기계를 만드는 학문(Minsky)
### 나. 인공지능 특이점
| 이미지 | 특이점(Singularity) |
| -------- | -------- |
|  | - 인공지능이 비약적으로 발전해 인간의 지능을 초월하는 시점
- 약인공지능이 특이점을 넘어서며 강인공지능으로 발전 (약: 2025년 예상)| ## Ⅱ. 인공지능 분류체계 및 유형 ### 가. 인공지능 분류 체계 |이미지 1 | 이미지 2 |
| -------- | -------- |
|  |  |
| 구분 | 내용 |
| -------- | -------- |
|**인공지능** | - **인간의 인지, 추론, 학습의 사고과정에 필요한 능력을 컴퓨터 시스템을 통해 구현**함으로써 문제를 해결할 수 있는 기술(인간모사 시스템) |
|**머신러닝** |- 컴퓨터가 수많은 **데이터를 스스로 학습하고 알고리즘을 통해 학습의 결과를 도출**하는 인공지능의 한 분야의 학습법 |
| **딥러닝** |- 더욱 고도화된 **신경망 알고리즘을 적용**하여 보다 빠르고 감성적이며 인간과 유사하게 행동하는 컴퓨터 프로그램을 구현한 학습방법(머신러닝+신경망 알고리즘) |
- 인간의 능력을 가진 컴퓨터 시스템을 구현하기 위한 방법으로 지도/비지도학습을 통한 스스로 학습하는 머신러닝, 신경망 알고리즘을 이용하는 딥러닝으로 세분화 됨
### 나. 인공지능 유형
| 분류 | 설명 | 사례 |
| -------- | -------- | -------- |
| **약 인공지능**
(Weak AI / Artificial Narrow Intelligence: ANI)| 주어진 조건 아래에서만 작동 가능 | 구글맵스, 자율자동차, 구글번역, 페이스북 추천 | |**강인공지능**
(Strong AI / Artificial General Intelligence : AGI) |인간과 같은 사고가 가능한 인공지능 | 터미네이터, 비서로봇, 공장 로봇 등 | | **초인공지능**
(Artificial Super Intelligence : ASI) | 모든 영역에서 인간을 훨씬 뛰어넘는 인공지능 |“인류가 앞으로 1,000년 동안 쓸 수 있는 신 에너지원을 만들어 내 봐.” 와 같은 고차원의 명령도 가능 | ### 다. 인공지능 발전 레벨별, 구현방식별 분류 |분류 |분류기준 |상세분류 |
| -------- | -------- | -------- |
| 기능발전(레벨) | 입력에 따른 출력이 변하는 Agent 관점 |- 레벨1 : 단순제어 프로그램
- 레벨2 : 고전적 인공지능
- 레벨3 : 머신러닝
- 레벨4 : 딥러닝 | | 구현방식 | 지적 기능 구현 방식| - 지식기반 방법론(인식, 추론, 학습)
- 데이터기반 방법론(머신러닝, 딥러닝)| ## Ⅲ. 인공지능 평가 방법(접근방법)과 개발방법론 ### 가. 인공지능 평가 방법(접근방법) |접근방법 |평가기준 | 테스트 기법 |
| -------- | -------- | -------- |
|공학적 접근방법 | 얼마나 잘 하는가?
성능위주(Performance) | - 정확도(ROC Curve)
- 처리 성능 | |인지과학적 접근 | 얼마나 사람과 비슷하게 하나?
Simulation of Behavior | - 튜링테스트 | ### 나. 인공지능(지능시스템) 개발 방법론 |개발방법론 | 설명 | 활용 이론 |
| -------- | -------- | -------- |
|Rule-Based Approach| - 저장된 지식을 기반으로 의사결정
- 인간 지식을 기호의 조합으로 표현(Computer Program)
- 지식 획득 및 표현, 저장, 관리 |- 논리학
- Knowledge Base- Fuzzy Logic
- Expert System | |Data Driven Approach|- 데이터로부터 추출된 지식으로 의사결정
- 모은 자료로부터 공통 성질을 추출해서 판단하는데 사용
- 훈련, 기계학습, 최적화 | - 통계적 방법론
- Neural Network
- 유전 알고리즘 | ## [참고] 1. 인공지능의 연구 분야  2. 인공지능 시스템의 기능적 구성  3. 인공지능 연구분야 |기초연구 | 응용연구 |
| -------- | -------- |
|- 지식표현(knowledge representation)
- 탐색(search)
- 문제풀이(problem solving)
- 정리증명(theorem proving)
- 추론(reasoning)
- 기계학습(machine learning)
- 인공신경망(artificial neural network)
- 유전 알고리즘(genetic algorithm)
- 인공지능 언어, 도구(tool)
- 계획(planning)
- 불확실성(uncertainty)
|- 자연언어 이해(natural language understanding)
- 음성인식, 쓰여진 언어 이해
- 영상 및 패턴인식(vision, pattern recognition, image understanding)
- 전문가 시스템(expert system)
- 로보틱스(robotics)
- 자동 프로그래밍(automatic programming)
- 에이전트(agent)
- 데이터마이닝(Data Mining)
- 생물정보학(Bioinformatics)|
- 약인공지능이 특이점을 넘어서며 강인공지능으로 발전 (약: 2025년 예상)| ## Ⅱ. 인공지능 분류체계 및 유형 ### 가. 인공지능 분류 체계 |
(Weak AI / Artificial Narrow Intelligence: ANI)| 주어진 조건 아래에서만 작동 가능 | 구글맵스, 자율자동차, 구글번역, 페이스북 추천 | |**강인공지능**
(Strong AI / Artificial General Intelligence : AGI) |인간과 같은 사고가 가능한 인공지능 | 터미네이터, 비서로봇, 공장 로봇 등 | | **초인공지능**
(Artificial Super Intelligence : ASI) | 모든 영역에서 인간을 훨씬 뛰어넘는 인공지능 |“인류가 앞으로 1,000년 동안 쓸 수 있는 신 에너지원을 만들어 내 봐.” 와 같은 고차원의 명령도 가능 | ### 다. 인공지능 발전 레벨별, 구현방식별 분류 |
- 레벨2 : 고전적 인공지능
- 레벨3 : 머신러닝
- 레벨4 : 딥러닝 | | 구현방식 | 지적 기능 구현 방식| - 지식기반 방법론(인식, 추론, 학습)
- 데이터기반 방법론(머신러닝, 딥러닝)| ## Ⅲ. 인공지능 평가 방법(접근방법)과 개발방법론 ### 가. 인공지능 평가 방법(접근방법) |
성능위주(Performance) | - 정확도(ROC Curve)
- 처리 성능 | |인지과학적 접근 | 얼마나 사람과 비슷하게 하나?
Simulation of Behavior | - 튜링테스트 | ### 나. 인공지능(지능시스템) 개발 방법론 |
- 인간 지식을 기호의 조합으로 표현(Computer Program)
- 지식 획득 및 표현, 저장, 관리 |- 논리학
- Knowledge Base- Fuzzy Logic
- Expert System | |Data Driven Approach|- 데이터로부터 추출된 지식으로 의사결정
- 모은 자료로부터 공통 성질을 추출해서 판단하는데 사용
- 훈련, 기계학습, 최적화 | - 통계적 방법론
- Neural Network
- 유전 알고리즘 | ## [참고] 1. 인공지능의 연구 분야  2. 인공지능 시스템의 기능적 구성  3. 인공지능 연구분야 |
- 탐색(search)
- 문제풀이(problem solving)
- 정리증명(theorem proving)
- 추론(reasoning)
- 기계학습(machine learning)
- 인공신경망(artificial neural network)
- 유전 알고리즘(genetic algorithm)
- 인공지능 언어, 도구(tool)
- 계획(planning)
- 불확실성(uncertainty)
|- 자연언어 이해(natural language understanding)
- 음성인식, 쓰여진 언어 이해
- 영상 및 패턴인식(vision, pattern recognition, image understanding)
- 전문가 시스템(expert system)
- 로보틱스(robotics)
- 자동 프로그래밍(automatic programming)
- 에이전트(agent)
- 데이터마이닝(Data Mining)
- 생물정보학(Bioinformatics)|