인공지능이란? 인공지능의 모든 궁금증이 해소됩니다: 미리어드 스페이스 인공지능, 머신러닝, 딥러닝 저자 직강 시리즈

지능이란?

 

다양한 환경에서 복잡한 의사결정의 문제를 해결하는 능력

생존과 번식을 위해

생각  > 의사결정 > 행동

 

이떄 뇌가 올바른 행동을 선택하기 위해 반드시 필요한 것이 바로 학습이다.

학습을 통해서 올바른 생가, 의사결정, 행동을 할수있다.

지능의 핵심은 학습이다

 

인공지능의 핵심은 학습이고 머신러닝이다

 

지능과 인공지능

인공지능은 사람의 지능을 컴퓨터에게 학습 시키는것

사람처럼 생각하는것, 판단하는것, 행동하는것은 추상적이다. 

직관적으로 설명할수 있는건 사람처럼 행동하는것

컴퓨터가 사람처럼 행동한다면 이것이 학습을 잘했고 인공지능이라 말할수 있다.

 

인고지능 역사

 

튜링머신

엘렁튜링 튜링머신 = 폰노이만 아케텍쳐

 

인공지능이란?

인간처럼 행동하는 시스템을 인공지능이라 정의하자

시스템 = 컴퓨터

 

인공지능이란?

사람의 행동을 컴퓨터로 구현하는 것

 

인공지능 분야

 

 

인지

시각 = 카메라

후각 = 화학센서

청각 = 마이크

촉각 = 터치스크린

 

 

센서가 만들어 낸 데이터를 인지하기 위해서는 머신러닝이 필요하다

센서 > 머신러닝 > 인지

 

추론

 

인공지능은 심볼릭 AI와 머신러닝이 나뉘어져 있다

심볼릭 AI는 사람이 만들어 낸 규칙을 가지고 논리력을 만드는것을 심볼릭 AI라고 한다

 

학습을 통해 논리력을 키울 수 있을까?

 

자연어 처리

토큰화  = 어휘마다 아이디를 부여하는 것

벡터화 = 어휘를 벡터의 요소 개수로 변환하는 것

연관성 = 트렌스포머 알고리즘이 개발되면서 Attention을 찾게되면 분석하는데 정확도가 높아진다

자기회귀형 =  앞무장을 기반으로 뒷문장에 뭐가 올것인지 예측하는것이 자기 회귀형

 

음성인식

사람이 말하는 공기의 흐름 > 측정 > 디지털 신호로 변환 > 패턴 인식 > 분류(ML, DL)

 

강화학습

보스턴 다이나믹스 규칙기반 > 강화학습으로 전환해 가고있다

 

강화학습

장점: 모든 경우의수를 사람이 알려주지 않아도 알아서함

단점: 시간이 오래걸린다

 

규칙기반

장점: 완성이 빠름

단점: 사람이 설정한 규칙 외에 상황이 발생하면 오류가남

 

전문가 시스템

 

학습

 

현재 인공지능 트렌드

• 신경망 기반의 딥러닝 모델의 독주
• 트랜스포머 형태의 모델 구조
• 학습모델의 거대화
• 생성모델의 확산
• 강화학습과 메타학습의 성과

 

메타학습과 NAS

 

메타러닝이란

inner learner 가 outer(upper) learner를 관측하고 새로운 데이터를 봤을대 과거의 학습했던 데이터로 새로운 데이터를 빠르게 학습하는 방법

e.g. 테니스를 배웠던 방법으로 탁구를 빠르게 배운다 

 

메타러닝을 멀티태스킹하는것이 멀티테스크 러닝

NAS (Neural Architecture Search) -> AutoML로 발전

NAS(Neural Architecture Search)

탐색공간에다가 레고블럭같은 딥러닝 부품들을 가져다가 탐색전략에서 조립을해서 모델을 만들고 모델의 결과가 최적이 될때까지 성능평가 전략을 반복

 

 

출처: https://youtu.be/Vd2X0vFB1jc?list=PL0zAF_FhLjHh-oGrUtjJsrFMTIvf14GzX