인공지능 기초 1 - 인공지능과 머신러닝

 

인공지능

- 인간이 가진 능력을 컴퓨터 프로그램으로 구현하는 기술

- 학습, 추론, 인지, 행동

 

 

머신러닝 (기계학습)

- 경험을 통해 성능이 개선되는 소프트웨어

 

 

강한 인공지능

- 판단과 소통 등 사람과 비슷한 수준의 행동을 보이는 인공지능

- 튜링테스트를 통과한 인공지능

- 튜링테스트 : 기계가 하는 행동인지 사람이 하는 행동인지 판별하는 테스트

 

 

인공지능 기술

- 인지 : 자연어 처리, 음성인식, 컴퓨터 비전 (물체인식)

- 학습 : 머신러닝(기계학습), 딥러닝

- 행동 : 로봇, 무인자동차, AI, 챗봇

 

 

인식

- matching을 통해 물체를 알아내는 것

- 범주인식

: 분류(classification)을 이용하여 서로 다른 모양을 갖는 여러가지 샘플을 한 범주에 포함시키는 것

ㆍ 한 물체가 무엇에 속하는지 인식하는 것

ex) 학습집합의 특징을 추출하여 특징벡터를 생성하고 신경망을 이용하여 분류

 

 

 

머신러닝의 학습과정

- 학습단계 : 데이터를 통해 학습하는 단계

: 지도학습(Supervised Learning)과 비지도학습(Unsupervised Learning)으로 나뉨

- 테스트 단계 : 학습이 완료된 후 모델의 성능을 평가하는 단계

 

 

지도학습

- 부류정보를 가진 샘플(특징, 정답)으로 구성된 학습집합을 사용한 학습 (Classification을 통해 학습)

- Classification : 정답(분류)에서 부터 특징을 벡터로 분류하는 것

- 2차원 특징공간

- 특징공간 : 좌표값을 통해 정답을 분류하는 공간

: 데이터의 특징을 통해 어떤 분류에 속하는지 위치

- ex) 책상과 의자사진을 분류

: 책상의 특징벡터 (넓은 판, 다리, 서랍장)

: 의자의 특징벡터 (좁은 판, 다리, 쿠션)

☞ 각 특징의 정도를 기준으로 특징공간에서의 위치가 결정되며 비슷한 위치를 가진 사진들은 하나의 분류가 됨

 

 

비지도 학습

- 분류정보(정답)가 없이 유사한 특징벡터를 가진 데이터를 분류하는 학습 (Clustering을 통해 학습)

- Clustering : 특징공간에서 유사한 특징을 가진 데이터끼리 군집화 하여 데이터를 추출하는 방법

: K-means, SOM신경망, mean-shift 등의 군집화 등의 알고리즘이 있음

: 데이터 마이닝, 빅데이터, 정보검색에서 응용

: 정답을 알 수 없지만 유사한 데이터끼리 묶어서 분석

- 3차원 특징공간

- 특징공간의 샘플그룹의 중심값(파라미터)로 부터 특정 샘플과의 거리를 통해 샘플이 어느 그룹에 속하는지 분류

- distance measure : 각 샘플간의 거리

- cluster center : 샘플이 군집한 그룹의 중심값

 

 

준지도 학습

- 지도학습과 비지도학습의 특징을 갖춘 학습

- 분류정보가 있는 샘플과 분류정보가 없는 샘플이 혼합된 학습

- 분류정보가 있는 샘플을 통해 학습한 뒤 분류정보가 없는 샘플로 학습

(추정된 정보를 통해 학습)