인공지능(Artificial Intelligence) 소개

 

" Do it! 딥러닝 입문 "을 공부하며 정리하였습니다 

인공지능 (Artificial Intelligence)

---

인공지능의 종류

• 인공지능은 강 인공지능(Strong AI)과 약 인공지능(Weak AI)으로 나뉜다
• 사람과 같은 인공지능을 강 인공지능이라 함(영화 아이언맨)
• 특정 영역에서 작업을 수행하는 인공지능을 약 인공지능이라 함(자율주행 자동차, 음성인식, 영상인식 등)
• 현재 연구되고 있는 인공지능은 대부분 약 인공지능

머신러닝과 딥러닝 그리고 인공지능과의 관계

• 머신러닝은 약 인공지능에 포함
• 딥러닝은 머신러닝에 포함

 

머신러닝 ( Machine Learning )
ㄴ 컴퓨터 과학 

---

머신러닝은 스스로 규칙을 수정

• 컴퓨터가 데이터들로부터 규칙을 스스로 찾아내는 것을 머신러닝/딥러닝에서 ‘훈련 or 학습’이라 함
• 전통적인 프로그램은 사람이 정한 규칙에 의해 동작
• 머신러닝은 규칙을 스스로 찾아 수정
• 규칙을 찾아 수정하는 과정을 훈련 또는 학습이라고 부름

머신러닝의 학습 방식

• 지도 학습(Supervised Learning)
• 비지도 학습(Unsupervised Learning)
• 강화 학습(Reinforcement Learning)

지도 학습 ( Supervised Learning )

 

• 입력과 타깃 ( 라벨 or 레이블) 으로 모델 학습
• 훈련 데이터(Training Data): 모델 학습에 사용된 데이터(입력데이터, 타깃데이터)
• 입력 = 특성 / 타깃 = 정답 을 준비해서 모델을 훈련
• 훈련 데이터를 통해 모델 생성
• 모델 = 알고리즘 = 프로그램 = 객체 동의어
• 모델은 새로운 입력 데이터에 대한 예측
• 지도 학습에서 가장 어려운 것은 훈련 데이터를 수집(생성)하는 것

 

비지도 학습 ( Unsupervised Learning )

• 타깃이 없는 데이터를 사용
• 입력 데이터만 있고 타깃 데이터로 학습하는 방법
• 군집화(Clustering)가 대표적인 비지도 학습
• 예: 기업이 소비 성향에 따라 그룹을 지정하는 경우

 

강화 학습 ( Reinforcement Learning )

보상을 최대화 하는게 강화학습의 목표 ( ex : 알파고의 스코어 ) 

• environment = 컴퓨터 시뮬레이션 , agent = 모델
• 주어진 환경으로 부터 피드백을 받아 훈련
• 머신러닝 알고리즘으로 에이전트(Agent)를 학습
• 학습된 에이전트는 환경에 최적화된 행동을 수행하고, 수행에 대한 ‘보상’과 ‘현재 상태’를 받음
• 에이전트는 최대한 보상을 많이 받는 것이 목표
• 강화학습의 대표적인 알고리즘: Q-learning, DQN(Deep Q Network), SARSA

 

규칙 = 가중치(Weight)와 바이어스(Bias)를 의미

---

• 가중치 = 기울기 or 계수 , 절편 = 편향 , 타깃 = 예측
• ex : y 가 1보다 크면 비가 온다
• 대부분의 머신러닝 알고리즘은 훈련 데이터와의 규칙을 관계식으로 표현
• 예: y = w * x + b
• y: 타깃, x: 입력 데이터, w: 가중치, b: 절편

모델은 머신러닝의 수학적 표현

• 모델이란 학습 데이터로 학습된 머신러닝 알고리즘
• 가중치와 바이어스를 모델 파라미터(Model Parameter)라 부름

손실 함수( Loss / Cost Function ) 로 모델의 규칙을 수정

---

• 타깃과 예측의 차이를 계산 하고 그 결과 값을 최소화 하는 것이 목적 
• 손실 함수(Loss Function) 모델의 규칙을 수정하는 기준이 되는 함수
• 비용 함수(Cost Function)라고도 함
• 모델이 예측한 값과 타깃 값의 차이를 계산하여 규칙 수정

최적화 알고리즘으로 손실 함수의 최소값을 찾음

• 손실 함수는 단순히 예측 값과 타깃 값의 차이를 계산
• 손실 함수의 최소값을 효율적으로 찾는 방법을 최적화 알고리즘이라 함

 

딥러닝 ( Deep Learning )
ㄴ 인공신경망 

---

• 딥러닝(Deep Learning)은 머신러닝 알고리즘 중 하나인 인공신경망(Neural Network)으로 만든 것
• 인공신경망을 여러 층으로 쌓아놓은 것을 딥러닝이라 함
• 인공신경망은 뉴런에서 아이디어만 받아 만든 것이지만 딥러닝이 동작하는 방식은 실제 뇌와 다름

딥러닝은 머신러닝이 처리하기 어려운 데이터를 더 잘 처리한다

• 딥러닝이 잘 처리하는 데이터: 이미지 / 영상, 음성 / 소리, 텍스트 / 번역(비정형 데이터, Unstructure Data ) 
• 머신러닝에 잘 맞는 데이터: 데이터베이스, CSV / 엑셀 등에 저장된 데이터(정형 데이터, Structure Data ) 

 

• 머신러닝으로 처리할수 있으면 되도록 머신러닝 알고리즘으로 사용하는것이 옳다