개요
이번에는 인공지능(AI)에 대해서 알아보도록 하겠습니다!
인공지능이란?
컴퓨터가 인간처럼 지적 능력을 갖게 한 거나 행동하도록 하는 모든 기술을 인공지능이라고 합니다.
머신러닝이란?
머신러닝은 기계가 스스로 학습할 수 있도록 하는 인공지능의 한 연구 분야입니다.
SVM(Support Vector Machine) : 수학적인 방식의 학습 알고리즘
다중 계층의 신경망 모델을 사용하는 머신러닝의 일종이 흔히 많이 불리는 딥러닝입니다.
인공지능 안에 머신러닝이 있고 그 안에 딥러닝이 있는 거라고 생각하시면 됩니다.
이러한 머신러닝은 기계학습이라고도 불립니다.
기계학습의 특징
1. 주어진 데이터를 기반으로 기계가 스스로 학습하여 성능을 향상하거나 최적의 해답을 찾기 위한 학습지능 방법.
2. 스스로 데이터를 반복적으로 학습하여 기술을 터득하는 방식.
3. 명시적으로 프로그래밍을 하지 않아도 컴퓨터가 학습을 할 수 있도록 해주는 인공지능의 한 형태.
4. 더 많은 데이터가 유입되면, 컴퓨터는 더 많이 학습을 하고, 시간이 흐르면서 더 스마트해져서 작업을 수행하는 능력과 정확도가 향상.
이러한 특징을 가지고 있는 머신러닝은 크게 지도학습과 자율학습, 그리고 강화 학습으로 분류가 됩니다.
지도 학습(supervised learning)
올바른 입력과 출력의 쌍으로 구성된 정답의 훈련 데이터(labeled data)로부터 입출력 간의 함수를 학습시키는 방법. (분류와 회귀를 많이 함)
자율학습(unsupervised learning) = 비지도 학습
정답이 없는 훈련 데이터를 사용하여 데이터 내에 숨어있는 어떤 관계를 찾아내는 방법.
강화 학습(reinforcemment learning)
잘한 행동에 대해 보상을 주고 잘못한 행동에 대해 벌을 주는 경험을 통해 지식을 학습하는 방법.
이러한 지도 학습과 비지도 학습은 인공신경망을 이용합니다.
인공신경망이란?
1957년 심리학자인 프랭크 로젠블랫 코넬대 교수가 세계 최초로 인공신경망을 제안했습니다.
그 인공신경망은 퍼셉트론이라고 불리며 이러한 특징을 가지고 있습니다.
1. 다수의 신호(input)를 입력받아서 하나의 신호(output)를 출력.
2. 입력층(input layer)과 출력층(output layer) 중간의 은닉 측(hidden layer)인
여러 개의 층으로 연결하여 하나의 신경망을 구성.
(신경망에서는 방대한 양의 데이터를 신경망으로 유입합니다.)
그 결과 ->(데이터를 정확하게 구분하도록 시스템을 학습시켜 원하는 결과를 얻어냄)
인공신경망의 활용
1. 항공기나 드론의 자율비행
2. 자동차의 자율주행
3. 필체 인식
4. 음성인식에 이용
딥러닝 이란?
심층학습이라고도 불립니다.
딥러닝을 이러한 특징을 가지고 있습니다.
1. 인공신경망(ANN:Artificial Neureal Network) 사용
1-1. 인간의 신경세포인 뉴런을 모방하여 만든 가상의 신경으로 뇌와 유사한 방식으로 입력되는 정보를 학습하고 판별하는 신경모델
2. 다양한 데이터에서 다중 계층인 심층 신경망(deep neural network)을 사용
2-1. 학습의 성능을 높이는 고유 특징들만 스스로 추출하여 학습하는 알고리즘.
2-2. 입력값에 대해 여러 단계의 심층 신경망을 거쳐 자율적으로 사고 및 결론 도출
3. 학습을 위해 많은 양의 데이터가 필요
3-1. 하위계층에서 단순한 표현을 학습하고 이것들을 조합하여 상위계층에서 복잡한 표현을 학습하는 과정
4. 딥러닝에서 좋은 인식 결과를 도출하려면 여러 계층의 반복적인 계산이 필요.
이렇게 인공지능에서 쓰이는 머신러닝 딥 러닝의 차이점과 특징을 간단히 알아보았습니다.
다음에는 코드로 더 자세히 다루어 보겠습니다!
'인공지능(AI)' 카테고리의 다른 글
| Python (Tensorflow로 간단한 AI프로그래밍 회귀분석) (0) | 2019.12.15 |
|---|