지능이란 무엇인가?
- 튜링 테스트 (turing test)
- computing machinery and interlligence
- can machines think?
- imitation game
- 인간과 컴퓨터의 서양장기 대결 (체스)
- Deep Blue(IBM) vs Garry Kasparov
- 1차 대결(1996년), 2차 대결(1997년)
- 인간과 컴퓨터의 퀴즈 대결
- Jeopardy 라는 퀴즈 쇼에서 2명의 퀴즈 달인과 IBM의 Watson 컴퓨터가 대결 (2011년)
- 인간과 컴퓨터의 바둑 대결
- 딥 마인드 의 AlphaGo
- 우리나라의 프로기사 이세돌과 AlphaGo
- Monte-Carlo 트리 탐색, 심층학습(deep learning) 을 이용한 기계학습 기술을 적용
- 단일 버전: 48개의 CPU와 4~8개의 GPU로 계산
- 분산 버전: 1202~1920개의 CPU와 176~280개의 GPU를 이용하여 계산
- 컴퓨터가 인간을 능가하는 지능을 갖게 된 것인가?
지능적 시스템에 요구되는 능력
- 지식을 바탕으로 동작할 수 있는 능력
- 데이터를 분석하여 예측할 수 있는 능력
- 학습할 수 있는 능력
- 사물을 인지 할 수 있는 능력
- 자연어를 이해하고 구사할 수 있는 능력
- 창조할 수 있는 능력
- 감성지능
- weak Ai 약한 인공지능
- 좁은 인공지능
- 특정 작업 영역에 활용할 수 있도록 설계된 지능적 시스템
- 인공 일반지능 (artificial general intelligance, AGI)
- 강한 인공지능
- 사람이 할 수 있는 어더한 지적인 작업이든 사람만큼 혹은 사람보다 더 잘 해낼 수 있는 지능적인 기계
- 사전적 정의
- the ability to learn or understand or to deal with new or trying situations
- 새로운 대상이나 상황에 부딪혀 그 의미를 이해하고 합리적인 적응 방법을 알아내는 지적 활동의 능력
- 필기 숫자 인식 문제
인공지능의 태동과 발전
- 다트머스 회의(Dartmouth Workshop)
- 1956년 Darthmouth - 기계가 시물레이션 할 수 있을 정도로 정밀하게 표현될 수 있다.
- 자동적 컴퓨터, 컴퓨터가 언어를 사용하게 하는 방법, 가상 신경세포의 개념 형성, 계산의 규모에 대한 이론, 자기 개선, 추상화, 무작위성과 창의성 등의 인공지능 관련 주제에 대해 브레인 스토밍
- 기호처리 기법, 제한된 영역에 집중한 시스템, 연역(문제에 대한 지식을 사용) 시스템과 귀납(현상을 관찰) 시스템 등에 관심
- 인공지능
-
지능적 행동의 일반적 의미에 대한 컴퓨터 관점에서의 이해 및 지능적 행동을 할 수 있는 인공물의 생성을 다루는 컴퓨터 과학 및 컴퓨터공학의 분야
-
계산심리학 관점의 접근
-
기계적 관점의 접근
-
기호처리 인공지능: 기호를 이용한 논리적 추론, 탐색 등의 방법, 대표적 성공 사례: 전문가 시스템
-
통계적 접근: 정보이론, 베이즈 결정이론 등 적용, 결정트리, 서포트 벡터 머신(SVM) 등
-
연결주의: 신경회로망 모델 활용, 심층학습 등의 연구
- 물리적 기호 시스템 가설
- 물리적 기호 시스템은 일반적인 지능적 행동을 위한 필요 충분한 수단을 가지고 있다.
- 인간이 행하는 지능적 작업을 수행하는 프로그램을 작성할 수 있다는 믿음
- 문제 풀이
- 직관적으로 단순하게 해결할 수 없는 문제에 대해 문제를 파악하고 문제의 해에 이르는 방법을 찾아내는 일련의 과정
- 일반 문제풀이기 (general problem solver: GPS): 1959년 Herbert A. Simon 등이 어느 문제에든 적용할 수 있는 문제풀이 기계를 만들기 위해 개발한 프로그램, 간단한 문제의 경우 풀이 가능
- 전문가 시스템 (expert systems)
- Dendral: 질량 분석 데이터와 화학 지식을 사용하여 유기 화학자가 미지의 유기 분자를 식별하는 것을 보조함
- MYCIN: 감염을 유발하는 세균을 식별하고, 이에 맞는 항생제와 투여량 등의 처방에 참고 할수 잇는 조언을 제공함
- 특정 분야의 지식을 획득하고, 실용적인 지식을 습득
- 전문가 시스템(expert systems)
- 지식 베이스: 지식을 구조화하여 컴퓨터 내부에 저장
- 추론기관: 지식 베이스의 지식과 외부에서 일어난 사실을 표현하고 있는 정보의 조합 방법을 탐색
- 기계 학습(machine learning)
- 수집된 정보로부터 문제풀잉에 필요한 지식을 습득함으로써, 시스템 스스로 행동을 향상시키는 과정
- 인공지능의 겨울 (AI Winter)
- 인공지능의 비관론이 확대되어 연구를 위한 지원이 급감하고, AI 산업이 침체됨
- 원인: 결과물의 성능이나 유용성, 유연성, 경제성이 충분히 뒷받침되지 못함
- 인공지능에 대한 새로운 관심
- 심층학습과 같은 인공지능 모델의 획기적 발전
- GPGPU 등의 기술을 활용한 계산능력의 비약적 증대
- 웹, 스마트폰 활용 등으로 인한 인공지능 학습을 위한 풍부한 데이터의 생성
지능형 에이전트
환경 => 입력 => 감지기 => 환경의 상태 인식 => 행동 결정 => 효과기
1. 단순 반응형 에이전트
- 감지기 => 환경의 상태인식 => 행동결정 (조건- 행위 규칙) => 효과기
2. 모델 기반 반응형 에이전트
- 현재의 상태뿐만 아니라 내부의 상태 즉 로봇 청소기가 방 구조의 데이터를 인식하고
3. 목표 기반 반응형 에이전트
- 행동의 대한 결과를 예상 하고, 원하는 목표에 도달하는데 얼마나 좋은가를 생각하고 행동 결정.