인공지능 용어 정리 (1)

인공지능 (=AI, Artificial Intelligence) :

사고나 학습 등 인간이 가진 지적능력을 컴퓨터를 통해 구현하는 기술

인간의 학습 능력과 추론 능력을 인공적으로 모델링하여 외부 대상을 지각하는 능력, 나아가 자연어와 같은 구문적 패턴까지 이해하는 능력 등을 컴퓨터 프로그램으로 구현하는 기술

 

강인공지능 (=strong AI, AGI, 범용인공지능) :

어떤 문제를 실제로 사고하고 해결할 수 있는 컴퓨터 기반의 인공적인 지능을 만들어 내는 것에 관한 연구

- 인간의 사고와 같이 컴퓨터 프로그램이 행동하고 사고하는 인간형 인공지능

- 인간과 다른 형태의 지각과 사고 추론을 발전시키는 컴퓨터 프로그램인 비인간형 인공지능

 

약인공지능 (=weak AI) :

어떤 문제를 실제로 사고하거나 해결할 수는 없지만 컴퓨터 기반의 인공적인 지능을 만들어 내는 것에 관한 연구

진짜 지능이나 지성을 갖추고 있지는 못하지만, 주로 미리 정의된 규칙의 모음을 이용해서 지능을 흉내 내는 컴퓨터 프로그램을 개발하는 것에 맞춰져 있다.

 

패턴 인식 (=Pattern Recognition) :

컴퓨터가 어떠한 대상을 인식하는 문제를 다루는 인공지능의 한 분야

컴퓨터 알고리즘을 사용하여 데이터의 규칙성을 자동으로 발견하고 이러한 규칙을 사용하여 데이터를 다른 카테고리로 분류하는 등의 조치를 취하는 것

 

인지과학 (=Cognitive Science) :

심리학, 컴퓨터 과학, 신경생물학, 언어학, 철학을 이용하여 지능과 인식의 문제를 다루는 포괄적인 학제적 과학 분야

 

빅데이터 (=Big Data) :

통상적으로 사용되는 데이터 수집, 관리 및 처리 소프트웨어의 수용 한계를 넘어서는 크기의 데이터

단일 데이터 집합의 크기가 수십 테라 바이트에서 수 페타 바이트에 이르며, 그 크기가 끊임없이 변화하는 것이 특징

기존 데이터베이스 관리 도구의 능력을 넘어서는 대량의 정형 또는 심지어 데이터베이스 형태가 아닌 비정형의 데이터 집합조차 포함한 데이터로부터 가치를 추출하고 결과를 분석하는 기술

 

데이터 마이닝 (=Data Mining) :

대규모로 저장된 데이터 안에서 체계적이고 자동적으로 통계적 규칙이나 패턴을 찾아내는 것

다른 말로는 KDD (=Knowledge-Discovery in Databases, 데이터 베이스 속의 지식 발견)라고도 일컫는다.

 

- 적용 분야 -

분류 (Classification)	일정한 집단에 대한 특정 정의를 통해 분류 및 구분을 추론한다.
군집화 (Clustering)	구체적인 특정을 공유하는 군집을 찾는다. 미리 정의된 특성에 대한 정보를 가지지 않는다는 점에서 분류와 다르다.
연관성 (Association)	동시에 발생한 사건간의 관계를 정의한다.
연속성 (Sequencing)	특정 기간에 걸쳐 발생하는 관계를 규명한다. 기간의 특성을 제외하면 연관성 분석과 유사하다.
예측 (Forecasting)	대용량 데이터집합 내의 패턴을 기반으로 미래를 예측한다.

머신 러닝 (=Machine Learning, 기계학습) :

인공지능의 한 분야로, 컴퓨터가 학습할 수 있도록 하는 알고리즘과 같은 기술을 개발하는 분야

사람이 일일이 코드로 명시하지 않은 동작을 기계가 데이터로부터 학습하여 실행할 수 있도록 하는 알고리즘을 개발하는 연구 분야

기계학습의 핵심은 표현(=representation)과 일반화(=generalization)에 있다.

표현이란 데이터의 평가이며, 일반화란 아직 알 수 없는 데이터에 대한 처리이다.

 

머신 러닝과 데이터 마이닝의 차이점 : 종종 같은 방법을 사용하며 상당히 중첩됨

• 머신 러닝은 훈련 데이터 (=training data)를 통해 학습된 알려진 속성을 기반으로 예측에 초점을 두고 있다.

• 데이터 마이닝은 데이터의 미처 몰랐던 속성을 발견하는 것에 집중한다.

 

딥러닝 (=Deap Learning, 심층학습) :

사람의 사고방식을 컴퓨터에게 가르치는 기계학습(=machine learning)의 한 분야

딥러닝이란 컴퓨터가 인간의 뉴런과 비슷한 인공신경망 방식으로 정보를 처리하는 방식

딥러닝은 여러 비선형 변환 기법의 조합을 통해 높은 수준의 추상화를 시도하는 기계학습 알고리즘의 집합이다.

일반인 기준 설명

=> 사람의 신경망을 모방해서 기계가 사람의 신경망처럼 다층 구조를 통해 학습하도록 만든 기술 

깊은 인공신경망의 방식을 써서 머신 러닝을 했을 때 -> 딥러닝이라고 함

크게 입력층, 여러 단의 은닉층, 출력층으로 구성됨 ( Ex. CNN, RNN, GAN, 강화 학습 )

 

+ 이미지 데이터가 딥러닝 방식에서 어떻게 처리되는가

ex) 예를 들어 이미지를 입력한다고 했을 때 그 이미지의 가로세로 픽셀 값을 입력단(Input)에 넣어주게 되고 여러 층의 은닉층(hidden layer)을 통해 복잡성이 낮은 특징(feature)부터 추출해서 점차 복잡한 특징을 추출하고 마지막 은닉층(hidden layer)에서는 거의 사진의 전체적인 모습을 추출한 다음 최종단에 FC Layer를 통해 분류를 해서 이 이미지에 대한 정보를 알려준다.

 

Machine Learing VS Deep Learning

	Machine Learing	Deep Learning
Training Dataset	Small	Large
Choose your own features	Yes	No
# of classifiers available	Many	Few
Training Time	Short	Long

 

추상화 (=abstractions) :

다량의 데이터나 복잡한 자료들 속에서 핵심적인 내용 또는 기능을 요약하는 작업

 

자연어 : 사람들이 일상적으로 쓰는 언어를 인공적으로 만들어진 언어인 인공어와 구분하여 부르는 개념

인공어 (=contructed language, conlang) : 자연어와 달리 사람의 의도와 목적에 따라 만든 언어

 

NLP (=National Language Processing) : 자연어 처리

 

인공신경망 (=Artificial Neural Network, ANN) :

기계학습과 인지과학에서 생물학의 신경망에서 영감을 얻은 통계학적 학습 알고리즘

시냅스의 결합으로 네트워크를 형성한 인공 뉴런(=노드)이 학습을 통해 시냅스의 결합 세기를 변화시켜 문제 해결 능력을 가지는 모델 전반을 가리킨다.

인공신경망에는 교사 신호(정답)의 입력에 의해서 문제에 최적화되어 가는 지도 학습(Supervised Learning, 교사학습)과

교사 신호(정답)를 필요로 하지 않는비지도 학습(Unsupervised Learning, 비교사학습)이 있다.

 

 

참고

http://fbsight.com/t/epoch-batch/84691/7

https://yangtavares.com/2017/08/17/robot-navigation-using-a-multilayer-perceptron-neural-network-2/

http://solarisailab.com/archives/1206

https://saintbinary.tistory.com/8