인공지능: Difference between revisions
From IT Wiki
No edit summary |
|||
| (7 intermediate revisions by 3 users not shown) | |||
| Line 1: | Line 1: | ||
[[분류: | [[분류:인공지능]] | ||
;Artificial intelligence, AI | ;Artificial intelligence, AI | ||
;인간의 인지, 추론, 학습의 사고과정에 필요한 능력을 컴퓨터 시스템을 통해 구현함으로써 문제를 해결할 수 있는 기술 | ;인간의 인지, 추론, 학습의 사고과정에 필요한 능력을 컴퓨터 시스템을 통해 구현함으로써 문제를 해결할 수 있는 기술 | ||
인공지능의 유형 | == 인공지능의 유형 == | ||
{| class="wikitable" | {| class="wikitable" | ||
|- | |- | ||
| Line 30: | Line 30: | ||
모든 영역에서 인간을 뛰어넘는 인공지능 | 모든 영역에서 인간을 뛰어넘는 인공지능 | ||
|| | || | ||
* | * 어벤저스의 비전 | ||
* 터미네이터 스카이넷 | * 터미네이터 스카이넷 | ||
|} | |} | ||
== [[머신러닝]]과 [[딥러닝]] == | == 인공지능의 역사 == | ||
[[파일:ABriefHistoryofAI.png]] | |||
* [[인공 신경망]] | |||
* [[XOR 문제]] | |||
** 퍼셉트론 모델로는 간단한 XOR 문제를 풀 수 없음이 증명됨 | |||
* [[다층 퍼셉트론|다층 퍼셉트론(Multilayer Perceptron)]] | |||
** XOR 문제를 해결하기 위해선 다층 퍼셉트론 모델이 필요하지만, 학습시킬 수 있는 방법이 없음(1969) | |||
** 약 20년간 1차 AI 겨울 | |||
* [[역전파|역전파(Backpropagation)]] | |||
** 최종 계산된 결과를 통해 가중치를 역으로 계산해내는 기법 개발되어 다층 퍼셉트론 문제 해결(1986) | |||
* [[기울기 소실 문제|기울기 소실 문제(Vanishing Gradient Problem)]] | |||
** 역전파로 간단한 XOR 문제는 해결 가능하지만, 레이어가 많아질 경우 가중치 계산이 불가능해 지는 문제 발견 | |||
** 약 15년간 2차 AI 겨울 | |||
* 다층 퍼셉트론 모델이 아닌 [[SVM]] 등의 다른 메커니즘 출현 | |||
* [[ReLU]]의 적용으로 기울시 소실 문제를 해결하고, [[딥 러닝]] 등장 | |||
* 2016년에 알파고가 이세돌에게 바둑 승리 | |||
== 인공지능의 분류 == | |||
[[파일:인공지능.png]] | |||
=== [[머신러닝]]과 [[딥러닝]] === | |||
* [[머신러닝|머신러닝(Machine Learning)]] | * [[머신러닝|머신러닝(Machine Learning)]] | ||
** 컴퓨터가 다량의 데이터를 기반으로 스스로 학습하고 통계적인 결과를 도출하는 인공지능 | ** 협의적: 컴퓨터가 다량의 데이터를 기반으로 스스로 학습하고 통계적인 결과를 도출하는 인공지능 | ||
** 광의적: 인공지능의 하위 개념이지만, 컴퓨터로 연구하는 대부분의 인공지능을 포함 | |||
** ex) [[SVM]] | |||
* [[딥러닝|딥러닝(Deep Learning)]] | * [[딥러닝|딥러닝(Deep Learning)]] | ||
** 인간의 뇌와 | ** 협의적: 역전파의 기울기 소실 문제를 해결해 깊은 다층 레이어 학습을 가능하게 한 머신러닝 | ||
** 광의적: 인간의 뇌와 흡사하게 구현한 신경망 알고리즘을 적용하여 보다 빠르고 효율적으로 학습하는 인공지능 | |||
** ex) [[CNN]], [[RNN]] | |||
== [[인공지능 윤리]] == | == [[인공지능 윤리]] == | ||
* [[아실로마 인공지능 원칙]] | |||
* [[G20 인공지능 원칙]] | |||
Latest revision as of 15:15, 14 November 2021
- Artificial intelligence, AI
- 인간의 인지, 추론, 학습의 사고과정에 필요한 능력을 컴퓨터 시스템을 통해 구현함으로써 문제를 해결할 수 있는 기술
인공지능의 유형[edit | edit source]
| 유형 | 설명 | 예시 |
|---|---|---|
| 약 인공지능
(ANI: Artificial Narrow Intelligence) |
주어진 조건 아래서만 작동 가능 |
|
| 강 인공지능
(AGI: Artificial General Intelligence) |
인간과 같은 사고가 가능한 인공지능 |
|
| 초 인공지능
(ASI: Artificial Super Intelligence) |
모든 영역에서 인간을 뛰어넘는 인공지능 |
|
인공지능의 역사[edit | edit source]
- 인공 신경망
- XOR 문제
- 퍼셉트론 모델로는 간단한 XOR 문제를 풀 수 없음이 증명됨
- 다층 퍼셉트론(Multilayer Perceptron)
- XOR 문제를 해결하기 위해선 다층 퍼셉트론 모델이 필요하지만, 학습시킬 수 있는 방법이 없음(1969)
- 약 20년간 1차 AI 겨울
- 역전파(Backpropagation)
- 최종 계산된 결과를 통해 가중치를 역으로 계산해내는 기법 개발되어 다층 퍼셉트론 문제 해결(1986)
- 기울기 소실 문제(Vanishing Gradient Problem)
- 역전파로 간단한 XOR 문제는 해결 가능하지만, 레이어가 많아질 경우 가중치 계산이 불가능해 지는 문제 발견
- 약 15년간 2차 AI 겨울
- 다층 퍼셉트론 모델이 아닌 SVM 등의 다른 메커니즘 출현
- ReLU의 적용으로 기울시 소실 문제를 해결하고, 딥 러닝 등장
- 2016년에 알파고가 이세돌에게 바둑 승리
인공지능의 분류[edit | edit source]
머신러닝과 딥러닝[edit | edit source]
- 머신러닝(Machine Learning)
- 협의적: 컴퓨터가 다량의 데이터를 기반으로 스스로 학습하고 통계적인 결과를 도출하는 인공지능
- 광의적: 인공지능의 하위 개념이지만, 컴퓨터로 연구하는 대부분의 인공지능을 포함
- ex) SVM
- 딥러닝(Deep Learning)
