02_빅데이터 기술 및 제도(7) - 인공지능

01) 인공지능(Artificial Intelligence, AI)

 

① 인공지능의 정의

● 인공지능은 기계를 지능화하는 노력이며, 지능화란 객체가 환경에서 적절히, 그리고 예지력을 갖고 작동하도록 하는 것이다. (Artificial Intelligence and life in 2030, 스탠퍼드대학교 AI100)

 

● 인공지능은 합리적 행동 수행자(Rational Agent)이며, 어떤 행동이 최적의 결과를 낳을 수 있도록 하는 의사결정 능력을 갖춘 에이전트를 구축하는 것이다. (Artificial Intelligence - a modern approach [3rd edition], 러셀과 노빅)

 

● 인공지능은 설정한 목표를 극대화하는 행동을 제시하는 의사결정 로직이다.

 

● 인공지능은 사람과 흡사한 생각과 행동에 초점을 맞춘 정의도 소개된 바 있으나, 인공지능 구현방법이 구체화 될수록 인간처럼 보다는 합리성을 더 강조하고 있다.

 

② 인공지능과 기계학습 및 딥러닝의 관계

● 인공지능을 논할 때 기계학습과 딥러닝을 혼재하여 사용한다.

ー 인공지능은 사람이 생각하고 판단하는 사고 구조를 구축하려는 전반적인 노력이다.

ー 기계학습은 인공지능의 연구분야 중 하나로 인간의 학습 능력과 같은 기능을 축적된 데이터를 활용하여 실현하고자 하는 기술 및 방법이다.

ー 딥러닝은 기계학습 방법 중 하나로 컴퓨터가 많은 데이터를 이용해 사람처럼 스스로 학습할 수 있도록 인공신경망 등의 기술을 이용한 기법이다.

 

③딥러닝(Deep Learning)의 특징

● 딥러닝은 제프리 힌튼(Geoffrey Everest Hinton)의 노력으로 함수추정 방법으로써의 신경망 관점에서 정보를 압축, 가공, 재현하는 알고리즘으로 일반화 하면서 인공지능의 핵심 동인이 되었다.

● 깊은 구조에 의해 엄청난 양의 데이터를 학습할 수 있는 특징을 갖고 있어 인공지능 발전에 크게 기여하였다.

ー 딥러닝의 학습을 위한 데이터의 확보는 곧 우수한 인공지능 개발과 깊은 관련성이 있다.

 

---

딥러닝

전신인 신경망(Neural Network)의 여러 단점을 극복해 유연성과 확장성을 확보

---