AI 기초
AI 기초 (Artificial Intelligence)
AI 정의, ML/DL 관계, AI 유형(ANI/AGI/ASI), 학습 알고리즘 4종
AI란
AI = ML + TD + HITL
AI(Artificial Intelligence)
- 컴퓨터 시스템이 스스로 특정 작업·행동을 수행할 수 있는 능력
- 주어진 환경/데이터를 인지,학습,추론을 통해 목표 달성을 하도록 예측,행동 선택,계획하는 시스템
ML(Machine Learning)
- 명시적 명령 없이 알고리즘·통계 모델로 학습하는 능력
- AI 범주 내에서 데이터로부터 학습하여 목적을 달성하는 접근 방법론
- ex) 생성형 AI, 언어 모델, 이미지 분류 모델, 추천 시스템
TD(Training Data)
- ML 알고리즘을 훈련시키기 위한 데이터
HITL(Human-In-The-Loop)
- 하이퍼파라미터 튜닝 등 학습 과정에 인간이 개입하는 것
AI 유형 (ANI / AGI / ASI)
| 유형 | 명칭 | 설명 |
|---|---|---|
| ANI | 협소 인공지능 (Artificial Narrow Intelligence) | 한 가지 특정 문제를 해결하도록 설계된 AI |
| AGI | 범용 인공지능 (Artificial General Intelligence) | 전반적으로 인간과 동일한 수준의 지능 |
| ASI | 초인공지능 (Artificial Super Intelligence) | 모든 분야에서 인간을 초월하는 지능 |
ML vs DL
- 머신러닝(ML): 경험을 통해 개선되며, 명시적 프로그래밍 없이 기계가 학습
- 딥러닝(DL): ML의 하위 분야. 뇌 구조에서 영감받은 인공 신경망 알고리즘 사용
- 스스로 적절한 특성에 집중 가능
- 차원 문제 부분적 해결
- 예: CNN(합성곱), RNN(순환), LSTM(장단기 메모리)
학습 알고리즘 4종
| 종류 | 설명 |
|---|---|
| 지도 학습 (Supervised) | 라벨링된 데이터로 훈련 |
| 비지도 학습 (Unsupervised) | 라벨 없는 데이터로 알고리즘이 스스로 학습 |
| 반지도 학습 (Semi-supervised) | 일부만 라벨링된 데이터 사용 |
| 강화 학습 (Reinforcement) | 보상(Reward)을 기반으로 환경에서 학습 |
튜링 테스트
- AI 시스템이 사람과의 대화를 통해 얼마나 인간처럼 보이는지 평가
- 2014년 "유진 구스트만(Eugene Goostman)"이 통과한 사례
AI 응용 분야
- 전문 시스템 (Expert System)
- 자연어 처리 (NLP)
- 음성 인식
- 컴퓨터 비전
- 소프트웨어 엔지니어링
- 인지 컴퓨팅