머신러닝&딥러닝 #1_2 Artificial Intelligence

 안녕하세요. 성원에 힘입어 바로 다음 글을 올립니다.

이번 글은 Data Analytics 기술을 어떻게 활용하는 Artificial Intelligence, 즉 A.I의 개념을 설명하겠습니다.

 

 교수님께 배운 스타일대로, 이번에도 단어를 끊어서 알아보겠습니다.

Artificial은 인공적이라는 뜻입니다. 인간이 만드는 것, Natural(자연적)이지 않은 것이지요.

Analog와 대비되는 Digital 개념으로 생각하시면 됩니다.

 

다음은 Intelligence (지능)을 생각해보겠습니다. 말은 되게 거창하지만, 실제 우리가 기대하는 지능은 두 가지입니다.

①예측(Regression)

②분류(Classification)

이 둘이 우리가 미래에 Decison Making(의사결정)을 할 때 사용되는 것입니다.

생각해보면 우리의 판단 역시 이 두 기준으로 나눌 수 있습니다.

ex) 수업시간 전, 미리 배가 아플 것을 예측한다.

     남/여 화장실을 분류해 알맞은 곳으로 들어간다

예측도, 분류도 중요한 선택이죠

 

이렇게 AI를 의사결정에 사용하려면 Learning을 해야 하는데, 이 학습을 위해 Data(자료)가 필요하기 때문에 저번 편에서 Data Analytics의 개념을 알아본 것입니다.

 

인공지능 권위자(Andrew Ng)의 말을 빌리자면 AI는 "어떤 입력 데이터를 활용해서 어떤 간단한 출력을 빠르게 만들어 내는 것이다"라고 정의할 수 있겠습니다.

SF 영화 등에 나오는 인공지능은 강 인공지능으로 사람과 비슷하지만 인공지능 현주소는 Narrow(특정 기능)만 수행합니다.

지능보다는 Tool로 생각하는 것이 이해에 좋습니다.

요즘 트렌드로 봤을 때 Artificial Intelligence는 과학적 접근보다는 상업적 활용으로 많이 사용됩니다.

가까운 미래에는 인공지능과 인간이 협업하는 모습이 상상됩니다.

 

Ps. 글이 지루하지 않으려고 영어를 자주 써주고 있습니다.

 

---

2020. 12. 31 추가

 

AI 역사

 

• 초기: 수동적 대화시스템 (지능은 기호/ 대화 = 기호의 교환) 

프레임의 문제(사고범위 문제)가 발생한다.

인공지능은 필요한 조건만 고려하여, 프레임안에서만 동작을 수행해야 한다. 현실에서는 다양한 조건이 나타나는데 어떤 것을 고려하고 어떤 것을 고려하면 안되는지를 계산할 수 없다.(너무 많은 계산)

 

• 중반: 전문가 시스템 (지능은 지식)

지식 획득 병목현상이 발생한다.

지식의 어느 부분까지 말해줘야 하는가. 우리가 따로 말 안하고 사용하는 부분까지 포함하면 너무 많다.

 

• 현재: 빅데이터와 딥러닝 (지능은 학습)