인공지능의 소개

1.1 정의

지능 : 본능이나 기계적인 반복 처리를 하지 않은 상태에서 생각하고 이해해 의식적으로 어떤 것을 하는 능력

인공지능 정의

• 인간처럼 사고하기(Thinking Humanly)
• 합리적으로 사고하기(Thinking Rationally)
• 인간처럼 행동하기(Acting Humanly)
• 합리적으로 행동하기(Acting Rationally)

• 인공지능: 가장 큰 범위를 포괄하는 개념
• 기계학습: 컴퓨터가 데이터를 통해 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 것 (지도학습, 비지도학습, 강화학습)
• 인공신경망: 인공 뉴런(퍼셉트론)이 학습을 통해 시냅스의 결함 세기(가중치)를 변화시켜 문제 해결 능력을 갖추는 모델을 총칭하는 개념
• 딥러닝: 인공신경망을 '복합적으로', '깊게', '넓게' 쌓아 학습을 수행하는 방식 (CNN모델, RNN, DQN 등)

 

1.2 역사

여명기(1950~1960년)

• 인공지능 연구의 방향은 물리 기호 시스템 가설 중심
• 앨런 튜링(Alan Turing)의 튜링 테스트, 튜링 기계 개념
• 인공지능과 관련된 최초의 논문 [Computing Machinery and Intelligence] 발표
• 수단-목표 분석(Mean-Ends Analysis)

전문가 시스템과 1차 인공지능 붐(1960~1980년)

• 조건 분기를 사용하는 '규칙 기반 자동 판정 시스템' 발전
• '사고 범위 문제(Frame Problem)' 제시
• 1958년 프랭크 로젠블랏이 퍼셉트론을 제안해 인공지능 연구의 첫번째 부흥기를 이끔
• 컴퓨터 처리 속도가 데이터보다 상대적으로 느려 다양한 형태의 인공지능 시스템 개발에 제한 (침체기 원인)

2차 인공지능 붐과 신경망의 암흑기(1981~2000년)

• 1986년 데이비드 루멀하트, 제프리 힌튼, 로널드 윌리엄스의 오차 역전파(Error Backpropagation) 알고리즘을 다중 퍼셉트론을 효과적으로 학습시킬 수 있다는 것을 보여주면서 침체기 종식
• 퍼지 이론(Fuzzy Theory)발전: 언어로 표현되는 애매한 정보를 정량화해 표현
• 유전 알고리즘(Genetic Algorithm): 진화 개념을 문제 해결에 도입
• 1990년대 확률 그래프 모델(Probability Graphical Model) 개발되며 컴퓨터 비전, 로보틱스, 자연어처리(NLP)
• 수치 계산 위주의 비기호적 인공지능(SubSymbolic AI) 기술 발전
• 서포트 벡터 머신
• 인공생명, 복잡계

통계 기반 기계 학습과 분산 처리 기술의 발전(2001~2010년)

• 통계 기반 기계 학습 : 데이터 분류(Classification), 예측(Prediction)
• 앙상블 기법, 의사결정 트리 군집 분석, 랜덤 포레스트
• 수치 계산 위주의 비기호적 인공지능 기술 발전

딥러닝 기반 3차 인공지능 붐(2010 ~)

• 딥러닝(Deep Learning) : 심층 신경망(DNN)을 사용하는 기계 학습
• 분산처리 기술의 등장으로 DNN을 학습할 수 있는 방법(ReLU함수, 가중치, 초기화) 개발
• 2010년 이후, 신경망 기반 기계 학습 시스템의 이미지 인식 정확도가 인간의 인식 넘어섬
• 통계 기반 기계 학습과 딥러닝 기반 기계 학습으로 분리돼 발전

1.3 활용 분야

• 자동차 업계: 자동차의 자율주행 분야
• 광고 업계: 사용자에게 맞는 광고나 뉴스의 추천 시스템 분야
• 기업 경영자: 경영 전략에 필요한 데이터 분석 기술
• 의료 업계: IBM의 왓슨 시스템 기반 원격 진료 시스템
• 보험, 콜센터 업계: 대화형 프로그램을 이용한 시스템
• 제조 업계: 로봇 팔이나 기계를 이용한 단순, 반복 제조 공정의 자동화
• 생활 가전 업계: 로봇 청소기 등 가전 기기 분야
• 구글, 네이버 등에서 제공하는 자동 번역

 

 

 

 

 

※ 해당 내용은 <인공지능 바이블>의 내용을 토대로 학습하며 정리한 내용입니다.