[인공지능] 인공지능이란 무엇인가?

* Artificial Intelligence(AI)의 접근

	Ideal	Rational
Thinking	Systems that think humans (인지과학적 접근방법)	System that think rationally (합리적 사고 시스템)
Behavior	System that act like humans (Turing test적 접근)	System that act rationally (합리적 행동 시스템)

 

- Cognitive science (인지과학): 인간과 같은 사고 시스템

- 합리적 사고 시스템: 삼단논법적 사고 (법칙적 접근법)

- 인간과 같은 행동 시스템: 튜링 테스트적 접근방법

- 합리적 행동 시스템: 합리적인 에이전트적 접근방법, 주어진 확률 정도에 따라 어떤 목표 달성을 위해 행동

 

> 참고 : Turing test: 일반인으로 구성된 심사위원이 컴퓨터와 대화해서 사람으 로 판정하는 비율이 30% 이상이 되면 인간처럼 사고할 수 있는 시스템 으로 간주

 

* AI의 기술

 

학습 (learning)

• 사실과 규칙을 지속적인 과정에 의해 습득하는 것

• 지식 기반의 학습 모델 구성

 

추론 (Inference)

• 주어진 사실이나 규칙으로부터 인지된 입력에 대해 결론을 얻는 과정

• 증명, 게임, 문제 해결

 

인지 (recognition)

• 보고 듣고 말하는 능력

• 문자, 언어 (speech), 영상 분석 등의 분야에서 활용

 

• 강한 인공지능 (strong AI)

- 사람과 같은 지능

- 마음을 가지고 사람처럼 느끼면서 지능적으로 행동하는 기계

- 추론, 문제해결, 판단, 계획, 의사소통, 자아 의식(self-awareness), 감정(sentiment), 지혜(sapience), 양심(conscience)

- 튜링 테스트

 

• 약한 인공지능 (weak AI, narrow AI)

- 특정 문제를 해결하는 지능적 행동

- 사람의 지능적 행동을 흉내 낼 수 있는 수준

- 대부분의 인공지능 접근 방향

- John Searle의 중국인 방 사고실험(Chinese room thought experiment)

→ turing test로 기계가 지능을 가졌다고 판정할 수 없다 는 주장

 

> 참고 : 중국인 방 사고실험

-> 문 밑으로 중국어로 쓴 질문지를 전달

-> 방 안에서 중국어를 모르는 사람이 글자 모양에 따른 중국어 단어 조합 방법 매뉴얼을 참조하여 답변에 대한 단어 조합

-> 조합된 단어들을 문 밖으로 내보냄

-> 문 밖 사람은 중국어를 이해하는 사람이 방 안에 있다고 생각

-> 단지 흉내만 내고 이해하는 것은 아님

중국인 방 사고실험 예시

 

• 탐색(search)

- 문제의 답이 될 수 있는 것들의 집합을 공간(space)으로 간주하고, 문제에 대한 최적의 해를 찾기 위해 공간을 체계적으로 찾아 보는 것

1) 무정보 탐색

너비우선 탐색(breadth-first search), 깊이우선 탐색(depth-first search)

2) 휴리스틱 탐색

언덕오르기 탐색, 최선 우선탐색, 빔탐색, A* 알고리즘

3) 게임 트리 탐색

mini-max 알고리즘, 알파-베타 가지치기(pruning), 몬테카를로 트리 탐색

 

• 지식표현(knowledge representation)

문제 해결에 이용하거나 심층적 추론을 할 수 있도록 지식을 효과적으로 표현하는 방법

 

•  추론(inference) : 가정이나 전제로부터 결론을 이끌어내는 것

1) 규칙기반 시스템의 추론 : 전향추론(forward inference), 후향추론(backward inference)

2) 확률 모델의 추론 : 관심 대상의 확률 또는 확률분포를 결정하는 것

 

•  기계 학습(machine learning)

경험을 통해서 나중에 유사하거나 같은 일(task)를 더 효율적으로 처리할 수 있도록 시스템 의 구조나 파라미터를 바꾸는 것 -> 컴퓨터가 지식을 갖게 만드는 작업

- 지도학습 : 입력과 대응하는 출력을 데이터로 제공하고 대응관계의 함수 찾기

- 비지도학습 : 데이터만 주어진 상태에서 유사한 것들을 서로 묶어 군집을 찾거나 확률분포 표현

- 강화학습 : 상황 별 행동에 따른 시스템의 보상 값(reward value)만을 이용하여, 시스템에 대한 바람직한 행동 정책(policy) 찾기

 

• 계획수립(planning)

현재 상태에서 목표하는 상태에 도달하기 위해 수행해야 할 일련의 행동 순서를 결정하는 것

예시) 작업 수행 절차 계획, 로봇의 움직임 계획

 

•  전문가시스템(expert system)

특정 문제 영역에 대해 전문가 수준의 해법을 제공하는 것

간단한 제어시스템에서부터 복잡한 계산과 추론을 요구하는 의료 진단, 고장 진단, 추천 시스템

작업 중요도 높은 분야의 경우 추천 정보로 활용

지식 표현과 추론 부분 분리하여 구성

규칙기반 시스템(rule-based system)을 통한 구현

 

•  데이터 마이닝(data mining)

실제 대규모 데이터에서 암묵적인, 이전에 알려지지 않은, 잠재적으로 유 용할 것 같은 정보를 추출하는 체계적인 과정

기계학습, 통계학 기법 적용

 

•  패턴인식(pattern recognition)

데이터에 있는 패턴이나 규칙성을 찾는 것

예시) 문자 인식 : 인쇄체, 필기체, 음성 인식, 영상 인식, 텍스트 패턴 인식 (텍스트 마이닝), 센서 신호 인식(레이다, 라이다, 소나 등), 이상치(outlier) 탐지

 

•  자연어 처리(natural language processing)

: 사람이 사용하는 일반 언어로 작성된 문서를 처리하고 이해하는 분야

 

•  컴퓨터 비전(computer vision)

: 컴퓨터를 이용하여 시각 기능을 갖는 기계장치를 만들려는 분야

 

•  음성 인식

: 사람의 음성 언어를 컴퓨터가 해석해 그 내용을 문자 데이터로 전환하는 처리

 

• 로보틱스(robotics)

로봇에 관련된 기술 분야로서 기계공학, 센서공학, 마이크로 일렉트로닉 스, 인공지능 기술 등을 종합적으로 활용

 

• 에이전트(agent) : 사용자로부터 위임받은 일을 자율적으로 수행하는 시스템

 

* AI의 역사

 

1) 1960년대 이전

1946년 펜실베니아 대학, ENIAC 개발

LISP 언어 개발 (매커시, 1958)

퍼셉트론(Perceptron) 모델 (로젠블랏, 1958) // 초기 신경망 모델

 

2) 1970년대에서 1980년대 초반

일반적인 방법보다는 특정 문제 영역에 효과적인 방법을 찾는 연구

전문가 시스템(expert system) : MYCIN(전염성 혈액 질환 진단), PROSPECTOR(광물탐사 데이터 분석), DENDRAL(화학식과 질량 스펙트럼 데이터로부터 유기화합물의 분자구조 결정)

Prolog 언어 개발 : 지식의 표현과 추론을 지원하는 논리(logic) 기반 언어

 

3) 1980년대 중반에서 1990년대

신경망 모델 발전

- 다층 퍼셉트론(multi-layer Perceptron, MLP)

- 오차 역전파(error backpropagation) 알고리즘

퍼지이론(fuzzy theory) : 언어적인 애매한 정보를 정량화 하여 표현

진화연산

확률적 그래프 모델

 

4) 2000년대 이후

• 에이전트(agent) : 위임받은 일을 자율적으로 처리

• 시맨틱 웹(semantic web) : 컴퓨터가 웹 상의 자원을 이해하여 처리

• 기계학습(machine learning)

• 데이터 마이닝(data mining)

• 딥러닝(deep learning)