[스마트인재개발원] 인공지능 개념

인공지능의 역사

 

 

인공지능 / 머신러닝 / 딥러닝

 인공지능(Artificial Intelligence) 

  : 기계가 사람처럼 행동하고 생각하고 판단하게 만들어주는 기술

 

 머신러닝(Machine Learning)

 : 통계기법을 사용하여 기계가 학습을 통해 기능을 향상시킬 수 있는 AI의 하위기술

머신러닝

 

 딥러닝(Deep learning) -> 지도학습

  : 머신러닝 중 다층 인공신경망(DNN)을 이용하여 정보를 처리하는 것

딥러닝 모델들

GAN Model

 

 

머신러닝 vs 딥러닝

 

 

머신러닝(Machine Learning) 종류

지도 학습(Supervised Learning)

- 데이터에 대한 Label(명시적인 답)이 주어진 상태에서 컴퓨터를 학습시키는 방법

- 학습 결과를 바탕으로, 미래의 무엇을 예측하느냐에 따라 2가지로 나뉜다.

 

     * 분류(Classification)

     - 미리 정의된 여러 클래스 레이블 중 하나를 예측하는 것

     - 속성 값을 입력, 클래스 값을 출력으로 하는 모델

     - 붓꽃(iris)의 세 품종 중 하나로 뷴류, 암 분류 등

     - 이진분류, 다중분류 등이 있다.

 

     * 회귀(Regression)

     - 연속적인 숫자를 예측하는 것

     - 속성값으 입력, 연속적인 실수 값을 출력으로 하는 모델

     - 어떤 사람의 교육수준, 나이, 주거지를 바탕으로 연간 소득 예측

     - 예측값의 미묘한 차이가 크게 중요하지 않다.

비지도 학습(Unsupervised Learning)

- 데이터에 대한 Label(명시적인 답)이 없는 상태에서 컴퓨터를 학습시키는 방법

- 데이터의 숨겨진 특징, 구조, 패턴을 파악하는데 사용

- 데이터를 비슷한 특성끼리 묶는 클러스터링(Clustering)과 차원축소(Dimensionality Reduction)등이 있다.

 

강화 학습(Reinforcement Learning)

- 지도학습과 비슷하지만 완전한 답(Label)을 제공하지 않는 특징이 있다.

- 기계는 더 많은 보상을 얻을 수 있는 방향으로 행동을 학습

- 주로 게임이나 로봇을 학습시키는데 많이 사용

 

 

머신러닝(Machine Learning) 이 유용한 분야

- 기존 솔루션으로는 많은 수동 조정과 규칙이 필요한 문제

- 전통적인 방식으로는 전혀 해결 방법이 없는 복잡한 문제

- 새로운 데이터에 적응해야하는 유동적인 환경

- 대량의 데이터에서 통찰을 얻어야하는 문제

 

www.smhrd.or.kr

스마트인재개발원