컴퓨터에서 음성 및 작성된 언어를 보고 이해하고 번역하고 데이터를 분석하고 추천하는 기능을 포함하여
다양한 고급 기능을 수행할 수 있는 일련의 기술
컴퓨터 공학, 데이터 분석 및 통계, 하드웨어 및 소프트웨어 엔지니어링, 언어학, 신경 과학은 물론 철학과 심리학을 포함하여
여러 학문을 포괄하는 광범위한 분야
- 머신이 인간의 지능을 시뮬레이션하여 문제를 해결할 수 있게 해줌
- 목표는 복잡한 작업을 수행할 수 있는 지능형 시스템을 개발하는 것
- 광범위한 애플리케이션을 지원
- 시스템의 기술을 사용하여 사람의 의사 결정을 모방
- 구조화된 데이터, 반구조화된 데이터, 구조화되지 않은 데이터 등 모든 데이터 유형에서 작동
- AI 시스템은 논리와 결정 트리를 사용하여 학습, 추론, 자체 수정을 수행
- 머신이 과거 데이터를 통해 자율적으로 학습할 수 있게 해줌
- 목표는 데이터를 통해 학습할 수 있는 머신을 빌드하여 출력의 정확성을 높이는 것
- 애플리케이션의 범위가 제한적
- 자체 학습 알고리즘을 사용하여 예측 모델을 생성
- 구조화된 데이터와 반구조화된 데이터만 사용할 수 있음
- 머신러닝 시스템은 학습에 통계 모델을 사용하며 새 데이터가 제공되면 자체적으로 수정할 수 있음
인공지능의 한 분야
인간과 같은 학습능력을 컴퓨터에 부여하기 위한 기술
컴퓨터가 스스로 학습할 수 있도록 도와주는 알고리즘이나 기술을 개발하는 분야
- 지도 학습
문제에 정답을 모두 알려주고 공부시키는 방법
대표적인 알고리즘 -분류,회귀 - 비지도 학습
답을 가르쳐주지 않고 공부시키는 방법
대표적인 알고리즘 -클러스터링,차원 축소 - 반지도 학습
지도 학습과 비지도 학습을 섞어서 정답을 유추해 나가는 방법 - 강화 학습
보상을 통해 상은 최대화,벌은 최소화하는 방향으로 행위를 강화하는 학습
- 인간이 놓칠 수 있는 데이터 추세와 패턴을 식별할 수 있음
- 설정 후 사람의 개입 없이 작업할 수 있음
- 예를 들어 사이버 보안 소프트웨어의 머신러닝은 관리자 입력 없이 네트워크 트래픽의 불규칙성을 지속적으로 모니터링하고 식별할 수 있음
- 결과는 시간이 지남에 따라 더 정확해질 수 있음
- 동적, 대용량 및 복잡한 데이터 환경에서 다양한 데이터 형식을 처리할 수 있음
- 초기 훈련은 비용과 시간이 많이 소요되는 과정입니다. 충분한 데이터를 사용할 수 없으면 구현이 어려울 수 있음
- 사내에 하드웨어를 설치하는 경우 막대한 초기 투자가 필요한 컴퓨팅 집약적 프로세스임
- 전문가의 도움 없이 결과를 정확하게 해석하고 불확실성을 없애기 어려울 수 있음
- 이미지 분류 : 제품 생산 시 제품의 이미지를 분석해 자동으로 분류하는 시스템
- 시맨틱 분할 : 인간의 뇌를 스캔하여 종양 여부의 진단
- 텍스트 분류(자연어 처리) : 자동으로 뉴스, 블로그 등의 게시글 분류
- 텍스트 분류 : 토론 또는 사이트 등에서의 부정적인 코멘트를 자동으로 구분
- 텍스트 요약 : 긴 문서를 자동으로 요약하여 요점 정리
- 자연어 이해 : 챗봇(chatbot) 또는 인공지능 비서 만들기
- 회귀 분석 : 회사의 내년도 수익 예측
- 음성 인식 : 음성 명령에 반응하는 프로그램
- 이상치 탐지 : 신용 카드 부정 거래 감지
- 군집 작업 : 구매 이력을 기반으로 고객 분류 후 서로 다른 마케팅 전략 계획
- 데이터 시각화 : 고차원의 복잡한 데이터셋을 그래프와 같은 효율적인 시각 표현
- 추천 시스템 : 과거 구매이력, 관심 상품, 찜 목록 등을 분석하여 상품 추천
- 강화 학습 : 지능형 게임 봇 만들기
인공 신경망을 사용하여 데이터를 학습하고 패턴을 발견하는데 중점을 둔 기술
뇌의 신경망에서 영감을 얻음
대규모 데이터셋과 복잡한 문제에 적합
이미지 인식,음성 인식,자연어 처리,게임등 다양한 분야에 활용
- 입력층: 데이터가 입력되는 부분
- 은닉층: 입력층과 출력층 사이에 있는 층으로, 데이터의 특징을 추출하고 패턴을 학습함
딥러닝에서는 보통 여러 개의 은닉층을 사용 - 출력층: 최종적으로 원하는 결과를 출력하는 부분