1.1 인공지능이란

목표

• 4차 산업 혁명 시대에 꼭 필요한 인공지능이 무엇인지 살펴 보자.
• 인공지능,머신러닝,딥러닝의 차이를 확인한다.

 

 

머신러닝 전체 목차 - https://wondangcom.tistory.com/2769

 

목차

1.1 인공지능이란

인공지능(Artificial Intelligence)은 사람처럼 추론할 수 있는 지능을 가진 컴퓨터기술이다.

1943년 워런매컬러와 월터 피츠가 최초로 뉴런 개념을 발표 했고 1950년에 앨런튜링이 인공지능이 사람과 같은 지능을 가졌는지 테스트 할 수 있는 튜링테스트를 발표 하였다.

인공지능은 강인공지능(영화속의 인공지능과 같이 모든 것을 판단하는 지능)과 약인공지능(특정 분야에서 사람의 일을 도와주는 인공지능)으로 분류된다.

현재까지는 약인공지능까지만 구현이 되어 있다.

예)

• 문제 해결 : 수학문제를 푸는 인공지능
• 예측 : 날씨 예보, 사진이 무엇인지 분류

 

1.2 머신러닝이란

머신러닝(Machine Learning)이란 말을 직역 하면 기계학습이다.

인공지능을 만들기 위한 하위 분야로 지능을 구현하기 위한 핵심분야이다.

 

그렇다면 기계가 무엇을? 어떻게 배울 수 있을까?

가장 단순하게 다음과 같이 어떤 학생의 공부량에 따른 성적 데이터가 주어졌다고 가정해 보자.

공부시간	1시간	2시간	3시간	4시간	5시간
성적	60	70	80	90	100

 

 이 데이터를 가지고 이번 기말고사에서 어떤 학생의 공부 시간을 가지고 성적을 예측하는 프로그램을 작성한다면~

전통적인 프로그램을 구현 할 때 y = ax + b 와 같은 공식에서 y는 성적,x는 공부시간이 들어 갔을 때 a,b 를 손으로 구해서 새로운 데이터 x가 들어 왔을 때 y의 값을 구해 주면 된다.

즉 위에서는 a의 값은 10 이 될 것이고 b는 50이 될 것이다.

여기서 학습을 통해 a와 b 값을 구해 주는 역할을 하는 것이 머신러닝이다.

 

1.3 딥러닝이란

딥러닝(Deep Learning)이란 머신러닝 알고리즘 중에 인공신경망(artificial neural network)을 기반으로 한 방법 들을 통칭한다.

인공신경망은 1950년대 인공지능 황금기에서 1969년 마빈민스키가 AND나 OR 같은 선형 분리가 가능한 문제는 가능하지만 XOR 문제를 해결 할 수 없다는 것을 확인하면서 첫번째 암흑기를 맞게 된다.

그러다가 1986년 힌톤 교수에 의해 Backpropagation(역전파)에 의해 이 문제가 해결되어 제 2의 전성기를 맞게 된다.

그러다가 역전파에서 많은 수의 일반 신경망이 제대로 동작하지 않는 것을 알게 되었고 일반 신경망보다 더 뛰어난 모델(SVM,RandomForest)등 과 같은 모델이 나오면서 두번째 침체기에 접어 들게 된다.

하지만 이시기에도 여전히 인공신경망을 연구한 사람들이 있었고 2006년 Hinton과 Bengio 교수에 의해 많은 레이어로 구성된 신경망은 좋은 방법으로 초기화 된다면 신경망을 풀 수 있다는 것을 보여 주게 된다.

이 때 부터 인공신경망은 Deep Learning 라는 이름으로 변경하게 되며

2012년 ImageNet에서 제프리 힌턴의 팀이 다른 머신러닝 방법을 누르고 압도적인 성능으로 우승했다. 이 때 사용한 모델이 AlexNet(인공신경망) 이며 2015년에는 사람이 인식하는 것(오류율 5%)보다 더 좋은 3%대의 오류율로 더 정확하게 인식하게 된다. 

 

요약

인공지능 > 머신러닝 > 딥러닝 

위와 같이 인공지능의 하위 분야로 머신러닝이 있고 머신러닝의 하위 분야로 딥러닝이 있다.
머신러닝은 기계학습을 하는 전반적인 알고리즘 분야를 일컬으며
딥러닝은 머신러닝 알고리즘 중 신경망을 이용한 알고리즘 분야이다.

 

 

참고) 혼자 공부하는 머신러닝+딥러닝

 

 

 

#정보올림피아드

#검단신도시코딩

#원당동코딩

#마전동코딩

#왕길동코딩

#당하동코딩

#아라동코딩

#풍무동코딩

#불로동코딩

#검단동코딩

#검암동코딩