인공지능 - 개요

학교 수업 정리

 

인공지능 - 개요

인공지능의 가능성에 대한 철학적 논쟁

(과연 컴퓨터도 인간처럼 사고할 수 있는가)

• 인공지능에 대한 긍정적 입장 
• 인공지능에 대한 부정적 입장

 

인공지능 - 서론

• 인공지능이란 (인간의) 지능 시스템에 대한 이해/모델/설계 분야
• 인공지능의 범위는 다양/무한함

 

인공지능 - 정의

• 인간의 지능이란 : 문제해결/학습/사고/언어를 할 수 있는 것
• 인공지능이란 (다양한 정의가 있음)
• 튜링 테스트를 통해서 지능 시스템을 확인 
• 사람의 지적 행동을 컴퓨터가 모방할 수 있도록 하는 과학 분야 (= 자연 지능을 모방해서 사람처럼 기능이 되는가)

 

인공지능

: 지능을 인공적으로 모방하여 구현하는 것

>> 구현? 인간의 뇌를 만드는 것

• 생물학적 뇌 (= 하드웨어)
  • 인간의 뇌는 뉴런/셀로 연결
  • >> 셀을 만들어서 서로 연결하면 구현 가능 
  • -> neural network

• 생각/인식 (= 소프트웨어)
  • 인간의 뇌는 만드는 것이 아니라, 논리 구조를 만드는 것
  • >> 여러 기능을 구현하는 계산 모델을 만들어서 구현
  • -> symbol

 

지능

그냥 지식이 아니라, 상황에 맞는/환경에 적응된 지식을 의미

어떤 사항을 이해하고 사고하며 판단할 수 있는 지식 및 정보를 의미 

*어떤 사항 : 범위가 주어짐 

>> 지능 : 주어진 범위 안에서 그 능력을 표현하는 것 

 

이해

표현된 정보/지식을 종합적으로 분석하는 것

(이해하기 위해서는 정보/지식이 필요)

 

사고

기존의 표현된 정보/지식으로부터 새로운 정보/지식을 유추할 수 있는 추론을 의미

(기존의 것을 바탕으로 유추, 추론)

 

physical VS logical

뇌는 크게 두가지로 구분할 수 있음

(*뇌 : 모든 계산 가능한 장치)

• physical : 생물학적
• logical : 정신적
• 철학? 물질이 마음을 앞선다고 생각 (모든 공학은 물질이 중요)

 

physical = 지능이 "존재"하는 곳 (= body)

= 지능이 존재하는 물리적인 위치

• 인간의 뇌를 모델링 >> body
• 인간의 뇌 구조 .. 컴퓨터의 구조와 비슷
• 모델링은 비슷
• 비교

=> 인간의 지능을 시스템으로 구현하기 위한 시도 많음 - 정답은 없음 >> top-down / bottom-up 방식이 많이 사용

 

logical = 지능이 "위치"하는 곳 (= mind)

 

[결국 문제는, 지능을 어떻게 표현하는가]

1. 인지 과학적인 접근 방법은 기호로 표현할 수 있다는 가정에서 출발 -> symbolism
2. 그러나, symbol이 어디에 있는데? 인간의 지능은 non-symbol -> connectionism

 

인공지능 - 역사 

단순히 컴퓨터의 역사 속 하나가 아님/여러 분야의 집대성 >> 인공지능의 역사를 컴퓨터 역사의 한 장으로 보기에는 너무나도 협소

But, 방대한 분야를 볼 수 없으므로 -> 컴퓨터의 입장에서 바라보겠음

 

컴퓨터의 역사

아날로그 VS 디지털 .. 컴퓨터의 역사 속에서 인공 지능은 컴퓨터의 역사와 함께 호흡 

• 2000년 전 
• 1930년 대
• 1960년대

신경망	심볼리즘
1943, McCulloch & Pitts 뉴런의 모델링 뉴런이 어떻게 적응 행동하는지 메커니즘 연구	1958, Simmon & Newell - 인간의 정신학적 처리에 대한 수학적 또는 심리학적 접근 알고리즘 개발
	1969, Minsky and Papert 신경망 학습의 문제점 발견에 따른 신경망 분야 쇠퇘 전문가 시스템 발전 특정지식의 표현이 불가능 >> 지지부진
1986, Dreyfus의 onnectionism의 출현 물리 및 심리분야의 재조명 많은 뉴런들이 병렬 및 높은 연결 강도를 가진 인간의 뇌와 같은 구조	1995 - Nilsson이 일반적인 지능 시스템의 개발로 부흥시킴
2000, 모두 연구가 지지부진	2000, 모두 연구가 지지부진

.. 결론은 두가지 모두 연구가 지지부진 >> 왜? MLP이 모든 문제를 해결하지 못하기 때문 (지금의 경우 컴퓨터가 좋기 때문에 두드러지게 문제가 보이지 않을 뿐)

 

관련분야

• 인지과학
• 정신물리학
• 심리학
• 컴퓨터학 

 

활용 분야

• 패턴 인식
• 음석 인식 (<- 패턴인식)
• 화상 인식 (<- 패턴인식)
• 자연어처리
• 에이전트 

 

인공지능 - 설계

인간의 뇌를 모방해서 자연 -> 인공으로 

 

외부 정보 -> 1. 인지 >> 인식 / 2. 학습 >> 지식, 생성 및 축적 / 3. 판단 >> 추론, 결정(sorting -> searching) -> 외부 출력 

(인공지능의 구현을 크게 3가지로 구분할 수 있음 = 인공지능을 구현한다는 것은 위의 3가지 파트를 구현한다는 것을 의미)

 

패턴 인식

(인식 = recognition : A와 B가 다르다 VS 인지 = perception : A구나)

 

좋은 패턴/나쁜 패턴

• 좋은 패턴 : 특징을 나누기 좋은 패턴
• 나쁜 패턴 : 특징을 나누기 어려운 패턴 

 

패턴의 유형

• 선형 분리 가능한 패턴
• 비선형 분리 가능한 패턴
• 높은 상관을 갖고 있는 패턴
• 멀티 모달 특징을 갖고 있는 패턴 

 

패턴인식의 대표적인 예시)

CNN

Convolution Neural Network

 

Learning?

• 외부 정보가 내부로 잘 들어왔는가?
• 방법을 기준으로 구분 (아래)
• 인공지능 >> 머신러닝 >> 딥러닝 .. 순서로 구체화

 

학습 방법

Supervised VS Unsupervised VS Reinforcement

• Supervised : 입력과 출력의 관계를 학습 (-> 주로 하는 일 = 함수 찾기, 관계, 예측, 나누기, 그룹핑)
• Unsupervised : 입력만 / 비슷한 것 고르기 
• Reinforcement : 입력과 출력 / 입,출력 관계를 매핑하는데, 입<->출 모두 가능

 

학습

• Cognitive -> symbolism
• Biological -> connectionism 

 

Symbolism (=기호주의)

• 전통적인 인공지능
• 라이프니츠 의도 
• 1960년대
• 기대 물거품
• 학습 방법

 

Connectionism (=연결주의)

• 인간의 마음보다 두뇌에 집중, 두뇌의 생리적인 모습에 대해서
• 두뇌의 기본 세포는 뉴런 
• connectionism이 만들어낸 인공지능을 신경망(= neural network)이라고 함 
• 인간 뇌의 작용을 모방하고자 한다면, 신경망 구조를 모방해야 함 
• 논리를 개발해서 학습시키는 것이 아니라, 양질의 데이터만 입력하면 됨 
• 알파고 

[Symbolism VS Connectionism]

심) logicl/rule based

커) data drvien learning (데이터를 학습하면 자동으로 rule이 생성)

• 학습 방법

 

[합리주의 VS 경험주의]

• 합리주의 : 이성 = 기호적 인공지능 : 논리
• 경험주의 : 경험 = 신경망 인공지능 : 데이터 

 

통합 논리

• 칸트의 합리주의+경험주의 통합
• 칸트가 합리주의, 경험 주의를 동시에 수용한 것과 같이 서로의 장점을 종합하면 됨

 

판단

인공지능 연구에서 궁극적으로 바라는 것 

1. 인간과 똑같이 작동하는 기계를 만드는 것
   1. 마음/생각이 어떻게 이루어지느냐
   2. 작동방식
2. 인간과 같은 지적 능력을 보유하는 컴퓨터  
   1. 인간의 성능을 모방
   2. 성능수준 

추론

전문가 시스템을 구동시키는 기본 엔진

(*전문가 시스템 : 전문가 같은 인공지능 - 전문가 : 평균적인 사람이 아니라, 특정 영역에 많은 전문지식을 지니고 이를 근거로 문제를 해결하는 평균 이상의 능력이 있는 사람)

종류 3가지

1. if-then
2. 확률적 추론 : 논리를 추론하고 문제에 대한 답을 주는 과정에 확률을 도입 
3. 퍼지 : 인간의 사고/판단에 본질적으로 포함된 애매모호함을 확률적으로 다루는 것 

 

결정

지식 기반에서 외부 출력(= 원하는 결론)에 해당하는 지식을 추출하

어떻게? 수많은 지식 중에서 하나의 지식을 탐색 (만약 없다면, 추론)

 

판단의 문제점

• 인공지능의 판단을 믿을 수 있는가?
• 어디까지 믿을 수 있는가?
• 책임은 누가 지는가?

 

<용어정의>

인공지능 : 인간이 아닌 존재에게 부여한 인간 같은 지능을 구현하는 기술

• 약 인공지능 : 특정한 방면에서만 능력을 발휘
• 중 인공지능 : 인간의 다양한 사고 능력에 도달
• 강 인공지능 : 인간보다 압도적인 능력을 가진 인공지능 

 

인지

• 자연어 처리 : 인간의 언어를 파악하고 처리하게 하는 기술
• 패턴인식 : 데이터의 형태와 구조를 근거로 전체적인 의미를 파악 

 

학습

• 기호적
• neural network