2022-09-08 AI입문_1

 

대구대학교 AI 입문 강의 정리분.

 

---

1. 인공지능의 정의

 

인공지능 (Artificial Intelligence) 시대의 도래

 

공상이 현실이 되는 인공지능.

 

---

1.1 인공지능의 일반 정의

 

• 1950년 앨런 튜링 : 수학 및 컴퓨터 과학 이론을 기반해 생각하는 기계의 가능성 고찰. 기계와 생각의 정의를 내리지 못했고, 기계의 지능을 판별 방법만 제시. (튜링 테스트)
• 1956년 다트머스 ‘하계 워크숍' : 존 매카시를 비롯한 수학자, 생물학자, 심리학자 등 10명이 모여 인공지능 관련 개념 논의. 사람처럼 생각하는 기계라는 개념의 AI(Artificial Intelligence)라는 용어 생성.
• 70년대 : 사람의 생각과 관련된 활동, 예를 들면 의사 결정, 문제 해결, 학습 등의 활동을 자동화하는 것 — 벨만(Bellman) 1978
• 90년대
  • 인공물이 지능적인 행위를 하도록 하는 것 —닐슨(Nisson), 1990
  • 지능이 요구되는 일을 할 수 있는 기계를 만드는 예술 —커즈와일 1990
  • …
  • …

 

인공지능의 정의는 다양하다.

 

---

1.2 인공지능의 학문적 정의

 

기계가 지능을 갖도록 하는 것.

 

‘지능’은 주변 환경에서 기계가 적적하고 예측 가능한 방식으로 동작하는 것.

 

(여전히 문제는 ‘지능'이라는 개념이 매우 방대, 모호하다.)

 

---

1.3 인공지능의 실용적 정의

 

인공지능의 원리보다는 결과에 주안점을 두는 (귀납적)정의가 우세.

 

유동적으로 정의한다.

 

주요 정의 유형

• 결과물을 보고 판단하는 정의
  • 기계가 ‘똑똑하게' 작업을 수행하도록 하는 기술
  • AI 분야 학자가 수행하는 연구 분야
• 구성적 정의
  • 최종 벤치마킹 대상인 인간 인지 활동의 여러 구성요소의 결합
  • 문제는 ‘AL 파라독스' → 어제의 AI로 간주되던 것이 오늘은 ‘AI’가 아님

 

---

2. 인공지능의 접근방법

 

---

2.1 인공지능의 접근 방식 개요

 

AI가 주목하는 두뇌의 능력

 

지능과 관련한 주요 능력 : 문제 해결 관점

 

• 주변 상황을 인식하는 능력
  • 도형의 특성을 이해라고 인식하는 공간 지각 능력
    • 물제와 문자를 인식하고 이해할 수 있는 능력
  • 학습을 통해 지식을 축적하는 능력
    • 이전에 일어난 수많은 일들의 기억 및 연상, 추론에 활용
  • 논리적으로 추론하는 능력
    • 상황에 맞게 대응하는 능력

 

---

2.2 인공지능의 기술적 접근 수단

 

지능에 대한 기본 전제사항

• ‘지능’은 지식 축적하고 이를 바탕으로 추론을 통해 문제를 푸는 능력
• AI는 지능적 문제 해결 능력을 기계도 갖출 수 있도록 하는 것이 목표

 

주요 접근 방법

• 지능적 문제해결 알고리즘에 초점 : 기호주의(Symbolism)
  • 문제 해결에 필요한 지식을 수작업으로 구축한 후에 이를 바탕으로 탐색 및 추론 등의 해결 방식 고안
  • 탐색과 추론 등의 기술 발전에 기여
• 수학 및 통계학적 기법 적용 : 통계학적 접근 (Statistics)
  • 베이지안 추론, 회귀 등 통계학의 기법을 적용
  • SVM, KCA 등 일부 전통적인 머신러닝 기법 고안
  • 추론과 학습 기술의 발전에 기여
• 뇌의 구조 모방에 초점 : 연결주의 (Connectionism)
  • 인간 두뇌의 생물학적 신경망의 구조 및 동작을 모방
  • 퍼셉트론, 다층 퍼셉트론, 딥러닝 등으로 발전하면서 현재의 핵심 머신러닝 기법으로 정착
  • 학습(머신러닝) 기술인 신경망(neural network)을 발전시킴

 

 

• 탐색 : 문제에 대한 최적의 해를 찾는 것. 효율성 중요
  • 맹목적 탐색 (전체 탐색) : 깊이 우선 검색, 너비 우선 검색, 반복적 깊이 심화 검색, 양방향 검색
  • 정보이용 탐색 (부분 탐색) : 언덕 오르기 탐색, 최상 우선 탐색, 빔 탐색, A* 알고리즘
  • 게임 탐색 (상대적 탐색 - 상대방과의 상호작용을 고려) : mini-max 알고리즘, 알파-베타 가지치기, 몬테갈로 트리 탐색

 

탐색이란 무엇인지에 대한 대략적인 이해정도만 해라.

 

• 추론 : 사실과 전제로부터 결론을 유추해 내는 것. 지식표현(= 사실과 전제 등을 컴퓨터 데이터로 표현하는 방법)
  • 명제논리 및 술어논리 기반 지식 표현 및 추론 : 논리학 기초, 수학적 정리 등 증명
  • 규칙 및 프레임 기반 지식 표현 및 추론 : 의사결정 시스템, 전문가 시스템, 자연어 처리(주로 번역), if ~then 방식의 규칙이나 프레임 등으로 지식을 구축하여 추론하는 방식
  • 기타 : 의미망, 스키마, 확률 그래프 모델

 

지식을 표현하는 방식은 다양하다.

 

• 학습 : 머신러닝. 원시지식의 정형화된 데이터를 대상. 상관관계 분석, 분류, 군집화, 차원 축소 등의 추론 작업을 자동으로 수행. 추론에 필요한 지식의 자동 추출 및 축적 (→ 수작업 필요 제거).
  • 수학 및 통계학 기반 전통적인 머신러닝
  • 인공 신경망 : 퍼셉트론(선형 분류만 가능), 다층 퍼셉트론(비선형 분류 가능, 소규모 환경 실용성 부족), 딥러닝(대규모 다양한 기능의 모델(알고리즘) 고안, 실용화 가속화)

 

---

2.3 인공지능 기술의 조망

 

AI는 계층적 스택으로 이해할 필요가 있음.

 

 

---

3. 인공지능의 역사

 

---

3.1 인공지능의 역사 개관

 

70여 년의 학문적 역사를 가짐.

 

탐색/추론, 지식/신경망, 머신러닝/딥러닝 : 학문적 상승과 하강의 부침이 심했다.

 

---

3.2 인공지능의 발전 단계별 기술 특징

 

• 인공지능 잉태기 (1940 ~ 50년대)
  • 43년 맥컬럭 등은 인간 두뇌를 논리적 이진 원소들로 추측
  • 49년 헵은 뉴런 사이의 반복적 점화가 발생할 때 학습효과 주장 (신경망, 시냅스 가소성)
  • 50년 앨런 튜링 수학, 컴퓨터 과학 이론을 기반해 기계의 지능을 고찰
• 인공지능 초창기 (1950 ~ 70년대)
  • 56년 인공지능 학문 정의 및 용어 탄생
  • 58 ~ 년 기호주의
  • 57 ~ 년 연결주의 (신경망)
• 인공지능의 첫 번째 겨울 (1970년대 중반 ~ 1980년)
  • 지나친 AI 기술에 대한 포부와 기대감
  • 이행되지 않은 기대
  • 결과 : AI에 대한 지원 중단
• 인공지능의 재도약기 (1980년 ~ 1980년대 중후반)
  • 전문가 시스템의 기술 : 특정 전문 분야별로 제한 (선택과 집중)
  • 신경망의 부활 : 다층 퍼셉트론을 통한 비선형성 도입
  • 역전파 알고리즘을 통한 학습법 : 러멜하트, 힌톤
• 인공지능의 두 번째 겨울 (1980년대 후반 ~ 1990년대 초반)
  • 전문가 시스템의 쇠락 : 실용성 부족, 어려움
  • 신경망의 상용화 실패 : 신경망 성능 결핍, 데이터 부족 및 느린 컴퓨터의 속도로 신경망 연구 정체
  • 미 국방성 등 인공지능 연구 기금의 대폭 축소
• 인공지능의 충전기 (1990년대 초반 ~ 2010년)
  • 지능형 에이전트 연구가 시작됨
  • 머신러닝 기법 : 수학 및 통계학 기반 머신러닝 기법이 개발됨
  • AI 빅 이벤트 : 딥 블루 체스 세계 챔피언, 왓슨 퀴즈 쇼 승리
  • 딥러닝 가능성 시연 : GPU 기반 프로세싱 및 빅데이터 시대 개시
• 인공지능 실용화 (2010년 ~ 현대)
  • 딥러닝의 우월한 성능 가시화

 

---

시험 포인트

 

1. AI 패러독스의 정의
2. 인공지능 겨울에 대한 설명
3. 인공지능 용어를 만든 사람과 연도
4. 인공지능을 실현하는 접근방법 (연결주의, 기호주의) (기호주의, 연결주의 모두 50년대에 시작됨.)
5. 인공지능을 실현하려는 주요 접근방법 3가지 (기호주의, 통계적 접근, 연결주의)
6. 신경망과 딥러닝 기술이 속한 접근수단의 범주는? (학습)

 

---

 

 

1주 차엔 강의자료를 구할 수 없어서 강의를 통으로 필기했다.

 

학교에서 제공하는 자료를 제본한 후부턴 중요한 내용만 따로 정리해서 올려야겠다.