인공지능 ②

□ 인공지능

 ○ 인간이 가진 지적 능력을 컴퓨터를 통해 구현

 ○ 인공지능 구분

   - 강인공지능 : 인간능력을 초월한 AI

   - 약인공지능 : 특텅영역에서 도구로 사용하기 위해 개발

 

□ 머신러닝

 ○ 컴퓨터를 인간처럼 학습하여 인간의 도움없이도 컴퓨터 스스로 새로운 규칙을 발견할 수 있는 기술

 ○ 머신러닝은 기본적으로 알고리즘을 이용해 데이터 분석 후 분석을 통해 학습하여 해당 내용을 기반으로 판단 및 예측함

 ○ 머신러닝이 스스로 학습하여 데이터 처리하는 과정

   - 빅데이터 입력

   - 데이터 분석 및 모델생성

   - 모델을 활용하여 의사결정 및 예측 수행

 

□ 딥러닝

 ○ 인공신경망(ANN, Artificial Neural Network) : 여러 뉴런이 서로 연결되어 있는 구조의 네트워크

 ○ 딥러닝(Deep Learning)

   - 여러 은닉층을 가진 인공신경망을 사용하여 머신러닝 학습을 수행

   - 신경망이 깊어질수록 성능은 향상됨

 

□ 머신러닝과 딥러닝 차이

 ○ 데이터 의존도

   - 딥러닝은 주어진 문제해결을 위해 중요한 특징을 직접 추출

   - 데이터 양이 충분치 않으면 정확한 특징 추출하는데 제한

   - 충분한 양의 데이터가 주어지면 사람이 인지하지 못한 중요한 특징들까지 찾아낼 수 있을 정도로 좋은성능 발휘

 ○ 심층신경망 사용여부

   - 딥러닝은 심층신경망을 이용하여 입력 데이터에서 특징 추출 및 스스로 결과 도출 가능

   - 심층신경망을 사용하는 것은 딥러닝만의 뚜렷한 특징임

 

□ 머신러닝 사용이유

 ○ 기존 프로그래밍의 한계

 ○ 머신러닝의 유용성 : 대용량 데이터와 많은 변수가 관련되어 있고 기존에 사용했던 규칙의 프로그램으로 복잡한 작업이나 문제를 해결 할 수 없을 때 머신러닝은 아주 유용함

 

□ 머신러닝 종류

 ○ 지도학습 : 예측이나 분류를 위해 사용

   - 문제와 답을 함께 학습하여 미지의 문제에 대한 옳바른 답을 예측하는 학습

   - 직도학습에서 사용하는 모델로 크게 예측과 분류가 있음

   - ex) 알고리즘 : 분류, 예측

 ○ 비지도학습 : 군집을 위해 사용

   - 지도학습과 다르게 조력자의 도움없이 컴퓨터 스스로 학습

   - 컴퓨터가 훈련 데이터를 이용하여 데이터들간의 규칙성을 찾음

   - ex) 비지도학습 : 군집

 ○ 강화학습 : 환경에서 취하는 행동에 대한 보상을 이용하여 학습진행

   - 자신이 한 행동에 대해 보상을 받으며 학습

   - 컴퓨터가 주어진 상태에 대해 최적의 행동을 선택하도록 학습하는 방법

   - ex) 알고리즘 : 큐러닝과 딥큐러닝

 

□ 분류

 ○ 레이블이 포함된 데이터를 학습하고 유사한 성질을 갖는 데이터끼리 분류 후 새로 입력된 데이터가 어느 그룹에 속하는지를 찾아내는 기법

 ○ 이진분류 : 데이터를 2개의 그룹으로 분류

 ○ 다중분류 : 데이터를 3개의 그룹 이상으로 분류

 ○ 알고리즘 : K-최근접 이웃(KNN), 서포트 백터머신(SVM), 의사결정나무(Decision Tree), 의사결정나무(Decision Tree), 로지스틱 회귀(Logistic Regression)

 

□ 군집화

 ○ 군집(Cluster) : 비슷한 특징을 가진 데이터들의 집단

 ○ 데이터가 주어졌을 때 그 데이터들을 유사한 정도에 따라 군집으로 분류하는 것