<인공지능 개론> 노트필기
1950년대 인공지능: 비교적 간단문제 해결
1980년대 머신러닝등장: 컴퓨터,기계가 다양한 예시데이터 통해 스스로 학습하게 해서 보다 어려운 인공지능 테스크 풀수있게
사람의 뇌를 모방한 구조인 인공 신경망 구조를 활용 보다 어려운 문제 해결
인공지능>머신러닝>딥러닝
전문가 시스템: 특정사물을 인식하는 모든 알고리즘을 모두 사람이 만든다.(특징을 발견하는 프로그램을 사람이 구현)
한계: 워낙 많은 예외 케이스가 존재
->이를 해결하기 위한 또 다른 인공지능 방법론인 '머신러닝'등장
머신러닝: 예시데이터(특정 사물이 있는 이미지를 제공)해서 기계가 스스로 학습하게 해서 스스로 추론하게 함
->기계가스스로 학습하는 다양한 종류
->지도학습, 비지도학습, 강화학습
<머신러닝의 학습종류>
지도학습: 레이블이 있는 이미지 활용(특정대상이 있는 이미지)를 제공해 새로운 이미지에서 특정대상 발견
-> 이미지를 입력으로 주었을 때 카테고리 별로 구분: 분류
-> 예측값이 연속된 값인 경우 예상값 예측 : 회귀
비지도 학습: 정답이 없는 데이터를 학습데이터로 제공하고 이로 인해 유의미한 의미를 도출할 수 있게끔
-군집화: 의미있는 집단끼리 모으는, 주어진 이미지로부터 고양이에 대한 카테고리만 모음\
-차원축소:높은 차원의 데이터를 단순화.
복잡한 형태의 이미지는 차원축소를 통해 이를 단순화해서, 유의미한 정보 추출하고 이로 인해 인사이트 얻을 수 있다.(특질별로 나누어서 데이터추출)
->데이터 시각화
강화학습: 알파고
추론후 학습하여 결과물에 점수를 매기고, 점수 높은쪽 선택,
-더 높은 점수나오도록
-승률 높이기 위해 어떤 판단을 취해야할지 결정
-최고의 결과값내기 위해
-> ai모델 강화
<기계가 스스로 학습하는 머신러닝기법 중 요즘 대세 딥러닝>
딥러닝(심층학습): artificial neural network(인공신경망)을 여러 층 쌓아 학습하는 기술
Deep neural network(심층신경망)라고도 불림
<-머신러닝의 세부 분야이나 더 깊고 복잡한 모델을 활용.
인공신경망: 인간두뇌에 존재하는 신경세포(neuron)의 동작 과정을 모방
...신경세포 뉴런은 또다른 뉴런에 정보를 전달해줌으로써 뇌를 작동
...nueral network 신경망 층을 많이 쌓아 인공지능 기술의 정확도를 향상
input layer-hidden layer-hidden layer-...-hidden layer*9999999-output layer
딥러닝 필요조건:
빅데이터: 데이터많이 필요함
GPU가속: 고성능 기계필요(그래픽카드, gpu사용)
알고리즘 고도화: 알고리즘에 대한 다양한 연구->고도화
에시: 물체검출, 영상합성, 의료영상으로 질병 예측, 자연어처리(메일내용 바탕으로 스팸메일구분, 번역),
시계열분석( 시간의 흐름에 따라 변하는 정보 예측) : 주가예측, 음성합성
인공지능개론 요약
-인공지능: 인간의 지능을 필요로 하는 과제를 컴퓨터로 자동화하는 기술
-머신러닝: 기계한테 예시데이터들을 주어 해당 과제 푸는 방법을 학습하게 하는 기술
-딥러닝: 더 깊고 복잡한 모델을 활용하는 머신러닝의 세부 분야. 인간 뇌 구조를 본딴 인공 신경망 구조를 활용해 학습. 중첩해서 정확도를 높임
학습의 종류
-지도학습: 레이블이 있는 자료로 모델을 학습하는 방법
-비지도학습: 레이블이 없는 자료로 모델을 학습하는 방법
-강화학습: 추론 결과의 점수를 예측하여 이를 최대화하도록 학습하는 방법