유비쿼터스 컴퓨팅개론 15강 - 인공지능

✅ 1. 인공지능, 머신러닝, 딥러닝

(1) 인공지능의 역사

[1] 1차 암흑기 1970년~1980년 초

• 신경외과의사 워렌 매컬록과 논리학자 윌터 피츠가 인공신경을 그물망으로 연결하여 간단한 기능을 구현할 수 있음을 증명함.
• 하지만, 당시 컴퓨팅 인프라가 부족했고, 대용량 데이터뿐만 아니라 데이터를 효과적으로 학습할 수 있는 알고리즘이 없었음.

[2] 2차 암흑기 1980년 후반 ~ 1990년 초

• 인공지능 연구 자체가 지속이 되려면 투자를 받아야하지만, 크게 인기가 없어서 2차 암흑기에 들어감.
• 2차 암흑기 시기에도 기존에 수학적으로만 증명된 심층신경망을 실질적으로 구현하는 연구를 지속함.

[3] IBM 딥블루 & DARPA 그랜드 챌린지 1997년 ~ 2005년

• 컴퓨팅 하드웨어 성능이 향상되면서 인공지능 관련 연구에 필수적인 컴퓨팅 파워가 제공되기 시작함.
• 1997년 IBM의 딥블루가 인간 체스 챔피언을 이겼음, DARPA 그랜드 챌린지에서 우승도 했다고함. 

 

(2) 인공지능의 정의

• 인간처럼 생각하고 행동할 수 있는 기계를 만드는 기술을 의미함.
• 인공지능의 기술은 머신러닝이 있으며, 머신러닝을 확장한 것은 딥러닝이다.
• 인공지능은 주어진 문제를 해결할 수 있는 능력을 갖춘 시스템을 구현하는 것임

 

(3) 머신러닝

• 인공지능 기술 중 하나이며, 관련 분야의 데이터를 바탕으로 지식을 자동으로 습득하여 스스로 성능을 향상시키는 기술
• 머신러닝을 통해 주어진 문제에서 데이터를 기반으로 컴퓨터가 학습을 하며 성능을 높일 수 있도록 스스로 만들어 낸 알고리즘을 "모델"이라고 한다.

 

(4) 딥러닝

• 머신러닝의 한 종류로, 인공신경망의 은닉층을 여러 계층 쌓아서 만든 깊은 신경망을 의미한다.

 

(5) 정리

• 인공지능은 큰 의미에서 인간처럼 동작할 수 있는 컴퓨터를 의미하며, 이걸 구현해내는 기술이 머신러닝과 딥러닝 이며, 머신러닝은 기계를 학습시키는 의미를 가지고 있으며, 기계 학습은 딥러닝의 인공신경망 구조를 활용하였음.
• 쉽게말해, 은닉층이라는 가장 큰 범위 내부에 머신러닝이 계산을 해주며, 딥러닝은 이러한 계산하는 레이어를 여러개를 둔 것을 의미한다.

---

✅ 2. 머신러닝의 분류

(1) 머신러닝 기본 전제

• 주제 및 관련된 대용량의 데이터 , 이를 학습할 수 있는 알고리즘, 데이터와 알고리즘을 처리할 수 있는 컴퓨팅 자원 필요

(2) 머신러닝 학습

• 지도학습, 비지도학습, 강화학습 으로 구분을 하며, 반지도학습(지도학습 + 비지도학습) 도 있음.
• 지도학습과 비지도학습은 학습 데이터마다 관련된 정보인 레이블 유무에 따라 구분이 됨.
• 쉽게말해, 사전지식이 있느냐 없느냐의 차이로 보면 됨.

[1] 지도학습

• 학습 데이터로 수집한 이미지에 이미지의 내용에 해당하는 레이블로 지정해 둔 후, 학습을 진행하면서 이미지가 무엇을 표현하는지 구분할 수 있도록 하는 학습이다.
• 레이블은 각 학습 데이터에 대한 정답으로 이해할 수 있음.
• 쉽게말해, 정답을 미리 알려주는 학습법이라고 생각하면 됨.
• 지도학습은 학습하는 목적에 따라 분류와 회귀 모델로 구분을 할 수 있다.
• 분류모델: 학습 데이터 집합을 지정된 항목 중 하나로 선별하는 문제이며, 분류에선 레이블이 이산적이고 순서가 없음.
• 쉽게 말해, 이미지 집합이 주어지면, 학습된 결과는 레이블의 하나로 분류되는 문제가 될 수 있다는 의미이다.
• 회귀모델: 주어진 데이터의 속성값을 기준으로 연속된 값을 예측하는 문제를 의미한다.

[2] 비지도학습

• 주어진 데이터에 대한 어떤 지식이나 레이블도 없는 데이터를 다루는 학습법이다.
• 쉽게말해, 레이블이 없어 데이터의 특성이나 구조를 스스로 파악하여 일정한 규칙성을 찾는 방법이다.
• 지도학습의 데이터는 학습 과정에서 주어진 입력에 대한 정답에 해당하는 레이블을 가지고 있음.
• 하지만 비지도학습에선 레이블을 가지고 있지 않는다는 특징이 있음.

[3] 반지도학습

• 전체 데이터 중에서 일부만 레이블을 가지고 있을 때 적용함.
• 대부분의 반지도학습은 지도학습 알고리즘과 비지도학습의 조합으로 이루어짐

[4] 강화학습

• 행동을 수행할 에이전트가 현재 상태를 기반으로 하여 행동을 선택
• 가능한 행동 중에서 가장 큰 보상을 받을 수 있는 행동이 무엇인지 스스로 학습하도록하는 학습법임.
• 현재 상황에 따라 보상을 크게 받을 수 있도록 상호작용을 하면서 학습을 진행한다.
• 쉽게말해, AI가 성공과 실패를 겪으며, 경험을 쌓아 성공에 가깝게 성장을 하는 방법이다.
• 또한, AI에게 무엇을 하라고 명령을 내리지 않고, 단지 강화 학습의 목표가 무엇인지만 지정을 해둔다.
• 쉽게말해, 뭘 해라가 아닌, 이겨야 한다. 와 같이 말을 함.