인공지능

인공지능은 컴퓨터 프로그램이나 기계를 사용하여 인간과 같은 지능적인 작업을 수행하는 기술을 말함chat gpt, dalle-2 등 인공지능을 이용한 많은 기술들과 ai를 주제로 한 다양한 영화들이 존재함다양한 AI 판별 기준들비교 대상: 인간, 합리성판단 대상: 사고,

개념\-An autonomous entity(자율 존재) that perceives the environment with its sensors and upon the environment with its effectors\-주어진 환경에서 작업을 수행하며, 일련의 센서

(cf) Planning Agents, Search for Automated Planning\-seq : 앞으로 하고자 하는, 할 거라고 예정되어있는 행동들의 순서(action sequence, plan)\-state: 현재 놓여있는 환경 상태\-goal: 달성해야 하

\-목표 노드가 어디있는 지 모르는 상태에서 중요한 것은 어떤 노드들을 먼저 확장해서 탐색할 것인가인데, 이때 informed search는 그 후보들을 평가할 수 있는 평가함수가 존재(f(n) - evaluation function)\-순서하고 상관없이(깊이를 따지지

ex) n-queens→특징: 초기 상태가 임의로 설정됨, 이후 계속 고쳐가면서 목표상태에 도달→이때 f()는 평가 함수(평가치)를 뜻함→기존 알고리즘들은 초기상태와 목표상태를 알고 과정을 알기 위함임 / 또한 선택할 수 있는 갈림길은 만나면 깊이가 깊은 것부터 먼저

■ Adversarial serach problems -이기는 게 우선순위(중요)가 아니라 내 순서가 왔을 때 현재 어디에 두는 것이 최선인지를 찾는 과정 Single-Agent Search Problems -vacuum cleaner, 8-puzzle, path-fi

■Learning Learning(학습)의 개념 -어떤 작업(task)에서 에이전트가 경험을 통해서 작업 성능을 개선할 수 있는 것을 학습이라고 함(에이전트에서 지식습득에 대한 검증의 어려움 때문) Learning(학습)의 필요성 -설계자는 에이전트가 맞딱뜨리는 모

■ Evaluating and Choosing the Best Hypothesis(가설 평가와 선택) ■ Model Selection(모델 선택) Supervised Learning = Finding the best hypothesis -모델 선택: define t

\-NN: 뉴런들과 뉴런들을 연결하는 링크 구조\-Unit: 입력 함수(각각의 입력 \* 가중치) -> 활성 함수(입력 함수) -> outputActivation function g\-hard threshold: Trehshold Unit(Perceptron)\-log

parametric Model(모수 모델)결정트리, 직선(일차식), 신경망 등등인간이 일반화된 함수식 모양을 줌 -> 이후 인공지능이 파라미터만 알아내면 가설함수 즉, 학습 결과물을 얻을 수 있는 모델들: 모수 모델 / 이때 파라미터 값을 구체적으로 알아내는 과정이 l

■ Reinforcement Learning(RL) -환경에 에이전트가 놓여서 상호작용함(에이전트의 행동으로 환경 변화를 유발시키고 변화되는 환경상태를 에이전트가 다시 인식해서 반복) -환경이 에이전트에게 피드백을 reward(보상값)형태로 주게 됨 -ex) s0상태에

Partitioning algorithms(분할 알고리즘)\-출발은 랜덤한 분할\-전체 집합을 몇 개의 부분 집합으로 나누는데 부분 집합들을 다시 합쳤을 때 전체 집합이 되어야 하고 부분 집합에 속하지 않고 남겨져 있는 데이터도 없어야 함\-ex) K means clu