사람이 수행했을 경우와 유사한 지능이 요구되는 기계 장치를 만드는 기술
< 목표 >
- 인간 두뇌와 관련 있는 지능적인 원리를 이해하여 컴퓨터에 적용하고 다양한 응요을 현실 생활에 활용하는 것
<장점>
- 상당 부분 인간의 역할을 대신 담당할 수 있다.
- 인간의 상황 판단과 의사결정에 도움을 줄 수 있다.
- 인간의 실수를 피하게 하고 위험을 줄여줄 수 있다. => 우주 탐사, 정교한 용접, 방사능 진단 등등
<단점>
- 인간의 일자리를 잃게한다.
- 인공지능에 의지하는 습관에 종속될 가능성
- 인공지능에 의해 감시받거나 조종받을 가능성
- 인간관계가 줄어들 수 있다.
1. 기호주의(symbolism)계열
- 기호와 규칙을 사용하는 규칙 기반 인공지능 => 인간의 좌뇌 작용과 유사
- 규칙기반의 추론
2. 연결주의(conndctionism)계열
- 인간 뉴런의 연결을 모방하는 신경망 기반 인공지능 => 인간의 우뇌 작용과 유사
- 머신러닝, 딥러닝
3. 통계적 계열
1. 모델 형태 : 신경망, 머신러닝, 다층 퍼셈트론 등
2. H/W 와 S/W " : GPU, 병렬처리 장치, 클라우드 저장장치, 텐서플로 등
3. 프로그래밍 언어 : Python, Lisp, Prolog, Java, C 등
4. 응용 분야 : 음성인식, 영상인식, 챗봇, 자연어 처리, 지식 처리 등
1. 마크 I 퍼셉트론(1957) : 로젠블럿이 개발한 최초의 신경망 모델, 최초의 문자인식
2. 마이신(1972) : 최초의 전문가 시스템, 혈액의 세균 감염 치료를 진단, 처방
3. 딥 블루(1997) : 인공지능 슈퍼컴퓨터, 세계 체스 챔피언 등극
4. 왓슨(2010) : 미국의 유명 퀴즈쇼 챔피언, 기억력, 판단력, 언어능력 등
5. 알파고(2016) : 인공지능 바둑 프로그램 , 딥러닝을 활용
✔ 인간의 뉴런 작용을 모방하여 입력을 일정한 함수를 거쳐 출력 노드를 통해 결과를 얻는 네트워크
- 독립적으로 작동하는 처리기의 역할을 하므로 병렬성이 뛰어나다
- 문자, 숫자, 음성 , 영상 등을 학습한 후 그것을 인식할 수 있는 두뇌 능력과 직결
✔ 딥러닝 : 신경망의 한 분야로 여러개의 은닉층(심층 신경망)을 가진 심층신경망을 기반으로 하는 신경망 계열의 학습법
-> 대량의 데이터로부터 특징을 추출하여 학습을 통해 패턴인식에 좋은 성과를 나타낸다.
1. Tensor Flow
- 오픈소스이며 구글에서 만든 가장 널리 이용되고 있는 라이브러리이다.
2. PyTorch
- 페이스북이 개발한 Python기반의 오픈소스 머신러닝 라이브러리이다.
- Torch를 기반으로 자연어 처리와 같은 애플리케이션을 위해 사용된다.
인공지능 자동 번역기
음성인식
영상인식
1. 약한 인공지능
: 특정 분야 내에서 인간의 지능을 흉내 내는 지능적인 활동
-> 현재까지 대부분의 연구성과
2. 강한 인공지능
: 인간과 같은 지능을 가지고 다양한 일을 할 수 있는 인공지능
-> 인간과 비슷한 수준의 능력을 바탕으로 생각하고 판단하며 상황을 이해할 수 있다.
✔ 기술 특이점
: 인공지능 기술이 인간 능력을 뛰어넘어 새로운 문명을 만들어내는 미래의 시점
=> 급격한 기술적 발달의 결과 제어가 어렵고 다시는 되돌릴 수 없을 정도의 인류문명변화를 가져올 가설적 미래시점
✔ 지능의 폭발
: 인공지능이 비약적으로 발전항 인간의 지능을 뛰어넘는 기점
=> 강한 인공지능의 수준을 질적으로 훨씬 뛰어넘는 강력한 슈퍼 인공지능이 출현하는 시기
✔ 인공지능 윤리?
- 인공지능 연구자나 개발자들이 전문가의 역할 수행에 있어, 그들의 행위를 제어하는 규칙들과 기준들
- 2017년 아실로마 인공지능 원칙이 발표