[CS] 인공지능의 기초

📌 인공지능이란?

• 인간의 학습능력, 추론능력, 지각능력을 인공적으로 구현하는 기술

• 인간의 뇌에 존재하는 시냅스를 따라 AI의 파라미터를 생성하고, 파라미터가 많을수록 AI의 성능이 향상된다.

• AI는 머신러닝(Machine Learning)과 딥러닝(Deep Learning)을 모두 포함한다.

🦾 머신러닝이란?

• 컴퓨터가 명시적으로 프로그래밍되지 않아도 학습할 수 있는 능력을 갖추게 하는 알고리즘과 기술의 집합 (수학적 접근을 통한 문제 해결)

• 머신러닝은 딥러닝을 포함하는 범위를 가진다.

• 머신러닝의 3가지 학습

  • 비지도 학습 : 정답 없이 문제해결 모델 제작
  • 지도 학습 : 정답을 활용해서 문제해결 모델 제작
  • 강화 학습 : 더 나은 방향으로 문제를 풀어가는 방법

🦾 딥러닝이란?

• 인공 신경망(Artificial Neural Networks:ANN)을 기반으로 복잡한 비선형 문제를 해결하는 방법론

  • 일반적으로 대량의 데이터와 계산능력을 요구하며, 많은 데이터와 크기가 성능을 좌우한다.

• 입력층(Input Layer), 다계층으로 구성된 은닉층(Hidden Layer), 출력층(Output Layer)으로 구성되어 있다.

🦾 인공지능 개발 과정

• 데이터를 모델에 학습하는 과정

※ Chat-gpt? 사전학습된 AI 모델

• 순전파(Foward Propagation)와 역전파(Back Propagation)를 통한 모델 학습과정
  
  

• 인공지능 모델 개발 과정

📁 데이터의 형태

1. 정형 데이터 : 구조화 된 형태로 값이 존재 (DB)
2. 반정형 데이터 : 구조화된 형태지만, 연산이 불가 (xml, json 등)
3. 비정형 데이터 : 형태가 없고, 연산이 불가 (영상, 음성파일 등)

📌 트랜스포머 (Transformer)

• Encoders-Decoders 형태로 구성된 구조

• Self-attention과 Positional Encoding, 자연어 처리 성능 향상

  셀프어텐션(Self-attention) : 단어와 단어 사이의 연관관계 학습
  포지셔널 인코딩(Positional Encoding) : 단어의 순서와 위치정보를 학습