최신판 |
당신의 편집 |
1번째 줄: |
1번째 줄: |
| [[분류:인공지능]] | | [[분류:알고리즘]] |
| ;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" |
| |- | | |- |
30번째 줄: |
30번째 줄: |
| 모든 영역에서 인간을 뛰어넘는 인공지능 | | 모든 영역에서 인간을 뛰어넘는 인공지능 |
| || | | || |
| * 어벤저스의 비전 | | * 어벤저스 비전 |
| * 터미네이터 스카이넷 | | * 터미네이터 스카이넷 |
| |} | | |} |
|
| |
|
| == 인공지능의 역사 ==
| | == [[머신러닝]]과 [[딥러닝]] == |
| [[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)]] |
| ** 협의적: 컴퓨터가 다량의 데이터를 기반으로 스스로 학습하고 통계적인 결과를 도출하는 인공지능 | | ** 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)]] |
| ** 협의적: 역전파의 기울기 소실 문제를 해결해 깊은 다층 레이어 학습을 가능하게 한 머신러닝 | | ** 인간의 뇌와 흡사하게 구현한 신경망 알고리즘을 적용하여 보다 빠르고 효율적으로 학습하는 인공지능 |
| ** 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]]
| |