인공지능과 머신러닝
인공지능
- 인간이나 동물의 지능을 컴퓨터나 시스템 등으로 만든 것
- 지능: 다양한 범위의 환경에서 목적을 달성할 수 있는 행위자의 능력
- 1956년 미국 다트머스大에서 열린 워크숍에서 John McCarthy가 명명
- 반드시 사람 같을 필요는 없음
인공지능의 다양한 정의
인간처럼 생각하는 기계
The exciting new effort to make computer think … machines with minds, in the full and literal sense. (Haugeland, 1985)
The automation of activities that we associate with human thinking, activities such as decision-making, problem solving, learning … (Bellman, 1978)
합리적으로 생각하는 기계
The study of mental faculties through the use of computational models (Charniak & McDermott, 1985)
The study of the computations that make it possible to perceive, reason, and act. (Winston, 1992)
인간처럼 행동하는 기계
The art of creating machines that perform functions that require intelligence when performed by people. (Kurzweil, 1990)
The study of how to make computers do things at which, at the moment, people are better. (Rich and Knight, 1991)
합리적으로 행동하는 기계
Computational Intelligence is the study of the design of intelligent agents. (Poole et al., 1998)
AI is concerned with intelligent behavior in artifacts. (Nilsson, 1998)
인공지능과 머신러닝
- 고전적 인공지능은 논리, 계획, 지식 등에 기반(예: 자동차 내비게이션)
- 머신러닝: 통계적/수학적 기법을 이용해 데이터로부터 패턴을 추출하는 인공지능 기법
- 딥러닝: 머신러닝의 한 가지 기법
머신러닝과 통계학
- 머신러닝은 통계적 학습(Statistical Learning)이라고도 함
- 통계학
- 데이터의 특성 이해와 추론에 중점
- 수학적 엄밀성을 강조
- 머신러닝
- 예측과 의사결정에 더 중점
- 알고리즘의 성능과 실용성에 더 집중
머신러닝에서 데이터의 중요성
- 2009년 Google 소속의 Peter Norvig, Alon Halevy, Fernando Pereira가 발표한 논문 "데이터의 비합리적인 효과 (Unreasonable effectiveness of data)"
- 모형 간 성능 차이가 있어도 데이터가 증가할수록 모든 모형의 성능이 향상됨
- 데이터 중심 접근 방식
- 도메인 지식에 덜 의존적
- 새로운 도메인에 쉽게 적용 가능
머신러닝과 빅데이터의 사용 빈도 증가:
실습
- Tensorflow Playground: 딥러닝의 원리를 이해해볼 수 있는 사이트
- Teachable Machines: 실제 이미지, 소리, 포즈를 이용해서 머신러닝 모델을 만들어 볼 수 있는 사이트