[AI] 인공지능의 역사 (3)

빅데이터와 인공지능

 

구분	1세대	2세대	3세대	4세대
기술	OLTP	OLAP/DW	빅데이터	AI
년도	~1999	2000	2007	2016~
대상	정형	정형 (다차원)	정형-비정형	지능화 데이터

 

머신러닝 파이프 라인

 

https://www.linkedin.com/pulse/machine-learning-pipeline-monitoring-part-1-tanan-kesornbua

 

인공지능을 구성하는 핵심 요소

 

① 학습 모델	신경망, 머신러닝, 다층 퍼셉트론, 전문가 시스템 등
② 하드웨어와 소프트웨어	GPU, SPARK와 같은 병렬처리 장치와 텐서플로우 등
③ 학습과 실행에 사용되는 프로그래밍 언어	Python, C, Lisp, Prolog 등
④ 응용 분야	음성인식, 영상인식, 챗봇, 자연어 처리, 지식 처리 등

 

인공지능 핵심 기술 : 탐색 (Search)

 

문제의 답이 될 수 있는 것들의 집합을 공간 (space)으로 간주하고, 문제에 대한 최적의 해를 찾기 위해 공간을 체계적으로 찾는 것이다.

 

무정보 탐색	너비우선 탐색 (breadth-first search), 깊이우선 탐색 (depth-first search)
휴리스틱 탐색	언덕오르기 탐색, 최상 우선탐색, 분기한정 탐색, A* 알고리즘
게임 트리 탐색	mini-max 알고리즘, 𝛼 − 𝛽가지치기 (pruning), 몬테카를로 트리 탐색

 

인공지능 핵심 기술 : 지식 표현 (Knowledge Representation)

 

문제 해결에 이용하거나 심층적 추론을 할 수 있도록 지식을 효과적으로 표현하는 방법이다.

 

IF-THEN 규칙 (rule) 논리 (logic) : 명제논리 (propositional logic), 술어논리 (predicate logic) 불확실한 지식 표현, 확률 그래프 모델 온톨로지 기술 언어 : RDF, OWL

 

인공지능 핵심 기술 : 추론 (Inference)

 

가정이나 전제로부터 결론을 이끌어내는 것이다.

 

규칙기반 시스템의 추론	전향 추론 (forward inference) 후향 추론 (backward inference)
확률 모델의 추론	관심 대상의 확률 또는 확률분포를 결정하는 것 베이즈 정리 (Bayesian theorem) 및 주변화 (marginalization) 이용

 

인공지능 핵심 기술 : 기계 학습 (Machine Learning)

 

경험을 통해서 나중에 유사하거나 같은 일 (task)를 더 효율적으로 처리할 수 있도록 시스템의 구조나 파라미터를 바꾸는 것이다. 컴퓨터가 지식을 갖게 만드는 작업이라고도 한다.

 

지도 학습	입력과 대응하는 출력을 데이터로 제공하고 대응관계의 함수 찾기
비지도 학습	데이터만 주어진 상태에서 유사한 것들을 서로 묶어 군집을 찾거나 확률분포 표현
강화 학습	상황 별 행동에 따른 시스템의 보상 값 (reward value)만을 이용하여, 시스템에 대한 바람직한 행동 정책 (policy) 찾기

 

인공지능 핵심 기술 : 패턴 인식 (Pattern Recognition)

 

데이터에 있는 패턴이나 규칙성을 찾는 것이다.

 

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

 

인공지능 핵심 기술 : 계획 수립 (Planning)

 

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

 

작업 수행 절차 계획 로봇의 움직임 계획