인공지능 (AI)

인공지능 이란?

• 인공지능은 인간의 지능을 모방하는 모든 시스템 또는 프로그램이다.
• 인공지능은 사고, 학습, 문제해결능력 등을 시뮬레이션 할 수 있다.

 

강한 인공지능  vs  약한 인공지능

강한 인공지능

• 사람과 동등하거나 그 이상의 지능을 가진 인공지능이다. 
• 다양한 작업을 수행하고 문제를 해결할 수 있으며 여러 영역에서 사람과 유사한 학습능력과 이해력을 갖출 수 있다.
• 아직 개발되진 않았다.
• ex ) <터미네이터> 스카이넷, <아이언맨> 자비스

강한 인공지능

약한 인공지능

• 특정 작업의 문제 해결에만 특화된 인공지능이다.
• 우리 주변의 인공지능 프로그램들이 이에 해당된다. 
• ex ) chat GPT, 음성인식, 자연어 처리가 가능한 시리와 빅스비, 알파고
• chat GPT는 강한 인공지능처럼 보이지만 이해, 학습능력에서 인간보다 동등하거나 그 이상이 아니기 때문에 약한 인공지능이다.

약한 인공지능

 

 

규칙기반 인공지능 이란?

• 인공지능의 한 분야다.
• 인간이 지정한 규칙이나 패턴을 기반으로 작동하는 인공지능이다. 때문에 새로운 문제에 대응하거나 확장하기 어려울 수 있다.
• 주어진 문제에 대해 사용자가 직접 규칙을 지정해야해서 사용자는 문제 해결에 대한 전문지식이 필요하다. 
• 현대의 인공지능은 머신러닝이 규칙기반 인공지능을 대체하는 경향이 있다.

 

머신러닝 이란?

• 인공지능의 한 분야다.
• 주어진 데이터를 기반으로 스스로 패턴을 학습하고 예측하는 알고리즘을 사용하는 분야다.
• R 프로그램
  • 통계에서 유용하게 자주 쓰이는 소프트웨어 이다.
  • R 소프트웨어는 대표적인 오픈소스 소프트웨어 이고, 여기에 통계와 관련된 많은 머신러닝 알고리즘이 구현되어있다.
• 사이킷런
  • 대표적인 머신러닝 오픈소스 라이브러리다.
  • 이 라이브러리에 다양하고 많은 유용한 머신러닝 알고리즘들이 들어있어서 개발자가 직접 머신러닝 알고리즘을 구현하지 않아도 된다.
  • 안정적이고 성능이 검증된 알고리즘들이 많다. 

 

딥러닝 이란?

• 머신러닝의 한 분야다.
• 인간 뇌의 신경망을 모방한 인공신경망을 사용해 복잡한 패턴을 학습하고 데이터를 분석하는 분야다.
• 딥러닝은 컴퓨터가 작업을 잘 할 수 있게 컴퓨터에게 많은 양의 데이터를 학습시킨다.
• 신경망은 많은 층들로 구성되어있다.
  • 입력 계층 (input layer)
    • 데이터를 입력하는 노드들이 있는 계층이다.
    • ex ) 동물 사진을 입력받는다.
  • 은닉 계층 (hidden layer)  
    • 정보를 처리하는 계층이다. 여러각도에서 문제에 대한 정보를 처리해야하기 때문에  수백개의 은닉층이 존재한다.
    • ex) 어떤 층에서는 '이 동물은 갈색 털이 있으니 말이나 소일 수 있습니다.' 라고 정보를 처리하고 어떤 층에서는 '이 동물은 뿔이 있으니 사슴이나 소일 수 있습니다.'라고 정보를 처리한다.
  • 출력 계층 (output layer)
    • 데이터를 출력하는 노드들이 있는 계층이다.
    • Yes or No의 답만 출력하는 딥러닝의 출력계층에는 노드가 2개다.
    • 더 많은 답을 출력하는 딥러닝의 출력계층에는 더 많은 노드가 있다.
• 텐서플로우
  
  • 구글에서 공개한 딥러닝 라이브러리다.
  • 다양한 디바이스(CPU, GPU, TPU)에서 실행될 수 있고, 모바일과 임베디드 시스템에서도 동작한다.
  • 데이터 흐름을 시각화하고 모니터링 할 수 있다.
• 파이토치
  • 페이스북에서 공개한 딥러닝 라이브러리다.
  • 서버, 웹, 모바일에서 모델을 실행 할 수 있다.
  • 직관적인 문법을 사용해서 비교적 쉽게 모델을 구축할 수 있다.
  • 동적 계산 그래프를 사용하고 디버깅을 시각화 할 수 있어서 디버깅하기에 좋다

 

규칙기반 인공지능 vs 머신러닝(딥러닝)

1-1. 규칙기반 인공지능 에게 사과를 가르쳐보자

• 규칙기반 인공지능에게 사과 특징 데이터를 지정해줘야 한다.

 

1-2. 머신러닝(딥러닝) 에게 사과를 가르쳐보자

• 머신러닝에게 사과를 보여주면 스스로 패턴을 학습한다.

 

2-1. 규칙기반 인공지능 에게 반으로 쪼개진 사과를 가르쳐보자

• 규칙기반 인공지능에게 사과의 특징 데이터를 추가로 지정해줘야 한다.

 

2-2. 머신러닝(딥러닝) 에게 반으로 쪼개진 사과를 가르쳐보자

• 머신러닝에게 새로운 사과를 보여주면 스스로 패턴을 학습한다.

 

3-1. 규칙기반 인공지능에게 사과를 제대로 가르쳐보자

 

3-2. 머신러닝(딥러닝)에게 사과를 제대로 가르쳐보자

 

• 이렇게 문제가 복잡해 질수록 규칙기반 인공지능보다 머신러닝이 더 효율적이게 문제를 해결할 수 있다.