인공지능과 머신러닝, 딥러닝(1)

AI에 대한 글입니다.  '케라스 창시자에게 배우는 딥러닝' 책을 참고하였습니다!

 

인공지능이란

컴퓨터가 생각할 수있는가? 로 질문을 하면서 시작되었다.

일반 사람이 지능적인 작업을 자동화하기 위한 연구활동입니다..

짠! 

AI는 머신러닝과 딥러닝을 포함하고 있습니다. 

옛날의 체스프로그램은 프로그래밍으로 규칙을 많이 만들어 지식을 다루면 인간수준의 인공지능을 만들수 있다고 생각했습니다. 이런한 접근 방법을 '심볼릭 AI'라 합니다. 하지만 이미지분류, 음성인식, 번역 같은 불분명한 문제엔 규칙이 없으므로 매우 어려운 일이었습니다.

이것을 대체하기 위한 새로운 방법이 ' 머신 러닝 ' 입니다.

머신러닝은 

이러한 질문에서부터 시작되었습니다.

"우리가 어떤 것을 작동시키기 위해 '어떻게 명령할지 알고 있는것' 이상을 컴퓨터가 처리하는 것이 가능할까?"

"특정작업을 수행하는 법을 스스로 학습할 수 있는가?"

"프로그래머가 만든 데이터 처리 규칙 대신 컴퓨터가 스스로 데이터를 보고 그러한 규칙을 학습할 수 있을까?"

이러한 질문으로부터 

원래의 심볼릭 AI의 패러다임은 규칙에 따라 처리될 데이터를 입력하면 결과(해답)이 출력되는데

머신러닝에선 입력데이터와 이 데이터로부터 기대되는 해답을 입력하면 규칙이 출력됩니다. 

 

심볼록 AI와 머신러닝의 패러다임 시각화

이렇게 시각화를 해보았습니다.

머신러닝은 작업과 관련된 데이터 자료를 많이 입력 할수록 데이터 안에서 통계적 구조를 찾아 그 작업을 자동화 하기위한 규칙을 만들어 냅니다!

1990년대부터 고성능 하드웨어와 소프트웨어의 발달로 AI가 급격히 떠오르기 시작했습니다.

머신러닝은 통계적인 개념이 밀접하지만 빅데이터를 다루기 때문에 전통적인 통계분석 베이지안 분석(Bayesian analysis)같은 방법은 적용이 힘듭니다.

머신러닝은 엔지니어링 지향적입니다. 이런 직접적인 방식 때문에 이론보다 경험으로 증명하는 경우가 많습니다.

딥러닝을 들어가기전 머신러닝과 딥러닝의 차이는 무엇인지 알아야합니다.