인공지능: 두 판 사이의 차이

IT위키
편집 요약 없음
 
(사용자 3명의 중간 판 8개는 보이지 않습니다)
1번째 줄: 1번째 줄:
[[분류:알고리즘]]
[[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"
|-
|-
! 유형 !! 설명 !! 예시
! 유형 !! 설명 !! 예시
|-  
|-  
|  
| 약 인공지능
약 인공지능
(ANI: Artificial Narrow Intelligence)
(ANI: Artificial Narrow Intelligence)
||
||
18번째 줄: 17번째 줄:
* 카네기멜론대 딥블루
* 카네기멜론대 딥블루
|-
|-
|  
| 강 인공지능
강 인공지능
(AGI: Artificial General Intelligence)
(AGI: Artificial General Intelligence)
||
||
27번째 줄: 25번째 줄:
* 비서 로봇
* 비서 로봇
|-
|-
|  
| 초 인공지능
초 인공지능
(ASI: Artificial Super Intelligence)
(ASI: Artificial Super Intelligence)
||  
||  
모든 영역에서 인간을 뛰어넘는 인공지능
모든 영역에서 인간을 뛰어넘는 인공지능
||  
||  
* 어벤저스 비전
* 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 흡사한 신경망 알고리즘을 적용하여 보다 빠르고 효율적으로 학습하는 인공지능
** 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]]

2021년 11월 14일 (일) 15:15 기준 최신판

Artificial intelligence, AI
인간의 인지, 추론, 학습의 사고과정에 필요한 능력을 컴퓨터 시스템을 통해 구현함으로써 문제를 해결할 수 있는 기술

인공지능의 유형[편집 | 원본 편집]

유형 설명 예시
약 인공지능

(ANI: Artificial Narrow Intelligence)

주어진 조건 아래서만 작동 가능

  • 구글 알파고
  • IBM 왓슨
  • 카네기멜론대 딥블루
강 인공지능

(AGI: Artificial General Intelligence)

인간과 같은 사고가 가능한 인공지능

  • 아이언맨 자비스, HER 사만다
  • 비서 로봇
초 인공지능

(ASI: Artificial Super Intelligence)

모든 영역에서 인간을 뛰어넘는 인공지능

  • 어벤저스의 비전
  • 터미네이터 스카이넷

인공지능의 역사[편집 | 원본 편집]

ABriefHistoryofAI.png

  • 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[편집 | 원본 편집]

인공지능.png

머신러닝딥러닝[편집 | 원본 편집]

  • 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)
    • 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[편집 | 원본 편집]