[AIDE 2급] 2. 인공지능 방법론

인공지능의 원리, 인공지능 방법론(머신러닝), 지도학습, 비지도학습, 강화학습에 대하여 공부한다.

 

 

1.  인공지능의 원리

- 인공지능은 사람의 뇌 구조를 그대로 컴퓨터로 구현한 것

- 퍼셉트론(Perceptron) : 사람의 신경 세포, 뉴런을 모방하여 컴퓨터 프로그램을 만든 것, 딥러닝(신경망)의 기원이 되는 알고리즘

- 퍼셉트론은 1957년에 프랑크 로젠블라트가 고완한 알고리즘

- 퍼셉트론은 딥러닝의 기원이 되는 알고리즘

- 

 

 

인공 신경망의 표현 방식

- 퍼셉트론들이 모여서 인공신경망을 만들게 되는데, 이걸 ANN이라고 부른다.

- 인공신경망은 가장 기본이 되는 신경망

 

 

인공신경망의 구조

 

인공신경망의 구조

 

1. 입력층 Input layer : 학습하고자 하는 데이터를 입력하는 층

2. 은닉층 hidden layer : 입력된 데이터를 여러단계로 처리하는 층, 이 부분이 인공지능이 여러가지 처리과정을 거치는 증

3. 출력층 output layer : 처리된 결과를 출력하는 층

 

 

2. 인공지능 방법론(인공지능의 분류)

인공지능 > 머신러닝 > 딥러닝

 

인공지능 AI(Artifical Intelligence)

- 인간의 지능을 기계로 구현한 것을 의미함, 인간과 똑같은 기계를 구현하는 것을 의미

머신러닝 ML(Machine Learning)

- 정해진 업무를 스스로 학습할 수 있도록 하는 알고리즘

- 외부에서 주어진 데이터를 통해 스스로 학습하여 기계의 성능향상 시키는 기술

- 기계를 학습 시키는 방법

ㄴ 다양한 종류의 프로그램을 학습시키다 보면 상당히 비효율적

ㄴ데이터의 여러 특징 중 사람이 직접 분석 판단

ㄴ 인공신경망, 결정 트리, 베이즈 네트워크, 서포트 백터 머신

 

딥러닝 Deep Learning

- 다양한 종류의 프로그램을 학습시키다 보면 상당히 비효율적이다. 그래서 좀 더 효율적으로 기계를 학습시키는 방법을 생각하게됨

- 기계가 마치 사람처럼 학습하면 어떨까? 인간의 뉴런과 비슷한 인공신경망을 만들어서 학습시키면 어떨가? 해서 나온 기술

- 인간의 뉴런과 비슷한 인공신경망으로 학습 방법

- 기계가 자동으로 학습, 데이터에서 특징 추출

 

 

 

 

머신러닝	딥러닝
데이터의 여러 특징 중 사람이 직접 분석, 판단 -인공신경망, 결정 트리, 베이즈 네트워크, 서포트 백터 머신	기계가 자동으로 학습하여 데이터에서 특징 추출 - 딥러닝은 머신러닝 방법 중 하나. - CNN, RNN, LSTM, GRU

 

3. 머신러닝학습방법 : 지도학습, 비지도학습, 강화학습

 

지도학습 Supervised Learning	비지도 학습 Unsupervised Learning	강화 학습 Reinforcement Learning
- 문제와 정답을 알려주는 학습 - 그림카드(앞면에 그림=문제, 뒷면 글씨=정답)을 통해 반복적 학습을 하여 처음 보는 동물을 보고 맞추는 것 - 지도학습을 통해 인공지능은 예측(회귀  Linear regresstion) 과 분류(Classification Techniques)를 할 수 있음 문제점 -지도 학습 방법은 많은 양의 데이터가 필요함 - 많은 시간과 비용이 소비됨	- 답을 가르쳐 주지 않고 학습 - 정확한 정답보다는 유사한 것을 찾을 확률이 높음 - 연관성, 규칙, 군집된 정보 등을 찾는 방식에서 많이 사용됨	- 보상을 통해 학습하는 방식 - 게임을 할떄 미션을 성공하면 보상을 해주어 보상을 많이 받는 방법으로 학습하게 하는 방법

 

4. 퀴즈

1. (퍼셉트론)은 신경망 [딥러닝]의 기원이 되는 알고리즘으로 프랑크 로젠블라트가 고안한 알고리즘

2. 신경망(인공신경망)은 (입력)층, (은닉)층, (출력)충으로 구성되어 있다.

3. 머신러닝의 학습방법은 (지도)학습, (비지도)학습, (강화)학습을 사용한다.

 

 

 

 

 

 

 

 

 

 

학습 정리