인공지능 개요

인공지능은 사람이 가지고 있는 지능을 컴퓨터를 통해 구현함으로 써 인간의 사고 과정에 대한 이해나 지능적인 도구를 만들어 내려고 하는 시도이다.

 

지능 : 새로운 대상이나 상황에 부딪혀 그 의미를 이해하고 합리적인 적응 방법을 알아내는 지적 활동의 능력.

 

컴퓨터가 문제를 지능적으로 풀어가기위해 어떠한 능력을 갖추어야 할까?

지식을 바탕으로 동작, 데이터를 분석하여 예측, 학습할 수 있으며, 사물을 인지, 자연어를 이해하고 구사, 창조, 감성까지

능력을 갖춰야 한다.

 

인공지능을 두 가지 범주로 나누어본다면. Weak AI, 특정 작업 영역에 활용할 수 있도록 설계된 지능적 시스템과

Strong AI, 사람이 할 수 있는 어떠한 지적인 작업이든 사람만큼, 혹은 사람보다 더 잘 해낼 수 있는 지능적인 기계로 나뉜다.

 

인공지능이란 단어는 56년 Dartmouth 대학의 마빈 민스키, 존 매카시, 너대니얼 로체스터, 글로드 새넌 등의 제안으로 개최된 학술회의에서 Artificial Intelligence라는 이름이 사용되기 시작했다.  다트머스 회의에서는 자동적 컴퓨터, 컴퓨터가 언어를 사용하게 하는 방법, 가상 신경세포의 개념 형성, 계산의 규모에 대한 이론, 자기 개선, 추상화, 무작위성과 창의성 등의 인공지능 관련 주제에 대해 브레인스토밍

 

-> 기호 처리 기법, 제한된 영역에 집중한 시스템, 연역시스템과 귀납 시스템 등에 관심

 

1. 기호처리 인공지능 : 기호를 이용한 논리적 추론, 탐색 등의 방법

2. 통계적 접근 : 정보이론, 베이즈 결정이론 등 적용, 결정 트리, 서포트 벡터 머신 등..

3. 연결주의 : 신경회로망 모델 활용하여 심층 학습 등의 연구

 

 

인공지능의 접근 방향 : 범용 문제 풀이기가 아닌 특정 분야의 지식을 획득하고, 조직화함으로써 문제풀이에 활용하는 방향으로 전환.

전문가 시스템에는 지식을 구조화하여 컴퓨터 내부에 저장하는 지식 베이스와, 지식베이스의 지식과 외부에서 일어난 사실을 표현하고 있는 정보의 조합 방법을 탐색하는 추론 기관으로 구성되어 있다.

 

그럼 지식을 어떻게 수집할 것인가?

machine learning : 수집된 정보로부터 문제풀이에 필요한 지식을 습득함으로써 시스템 스스로 행동을

향상하는 과정. (귀납적 지식 형성과정, 외부의 긍정적 반응과 부정적 반응, 직접적인 지식의 전달)

 

인공지능의 부흥

 - 딥 러닝과 같은 인공지능 모델의 발전, GPGPU 등의 기술을 활용한 계산능력 증대, 웹, 스마트폰 활용을 통한

인공지능 학습을 위한 풍부한 데이터 생태계 구성

 

인공지능의 탐구 분야

지능형 에이전트의 기본 구조

 - 사람이 오감을 통해 정보를 입력받듯이, 에이전트는 환경을 통해 데이터를 입력받는다. 이후 환경의 상태를 인식하고, 행동을 결정하여, 데이터를 출력한다. 이때 현재 환경의 상태와 더불어 내부 모델, 지식, 목표 , 유용성 등을 바탕으로 실행할 행동을 결정한다.

 

 

 

용어

• 튜링 테스트 : Alan Turing이 컴퓨터의 지능적 행동 능력을 평가하기 위해 제안한 방법으로, 평가자가 가려진 사람과 컴퓨터를 대상으로 대화하는 과정에서 사람과 컴퓨터를 구분하는 검사 방법
• 단순 반응형 에이전트 : 환경으로부터 감지된 정보를 바탕으로 즉각적으로 반응하는 에이전트
• 모델 기반 반응형 에이전트 : 대상 환경의 일정 부분을 표현하는 내부 모델을 보유함으로써 현재 입력된 환경의 정보와 더불어 행동을 결정하는데 활용하는 반응형 에이전트
• 에이전트 자신이 놓여있는 환경과 추구하는 목표, 그리고 가능한 행동들에 대한 명시적인 기호 모델을 바탕으로 논리적 추론을 전개함으로써 목표를 달성