컴공돌이의 취미 블로그
빅데이터의 이해 [3]. 빅데이터와 AI 본문
빅데이터의 이해 [3]. 빅데이터와 AI
● Domains of AI(인공지능의 영역)
1. Cognitive Science Applications(인지과학)
→ 학습시스템, 신경망 네트워크 등......
2. Robotics Applications(로보틱스)
→ 시각 인식, 촉감 등......
3. Natural Interface Applications(자연 인터페이스)
→ 자연어, 음성인식 등......
● Business and AI(비지니스와 인공지능)
→ AI는 비지니스에서의 의사결정을 지원하고 경쟁적 우위를 향상시키는 다양한 방법을 제공
→ AI는 공학,수학,컴퓨터과학,심리학,생물학,언어학등을 기반으로한 과학,기술영역
● Goal of AI(인공지능의 목적)
1. 생각할 수 있는 능력의 시뮬레이션
2. 튜링테스트 : 사람이 컴퓨터와 대화를 하는데 컴퓨터인지 모른다면 인공지능
3. CAPTCHA(Completely Automated Public Turing test to tell Computers and Humans Apart) : 자동계정 생성 방지 기술
● Ultimate Goal for Computer(컴퓨터의 최종 목적)
→ 보고, 듣고, 말하고, 느끼고, 말하고, 생각하는것
→ 생각하는것 은 지능적 행위를 의미
● 지능적 행위의 특징
1. 사고 및 추론 : 문제해결을 위한 추론 능력
2. 지식획득 및 적용 : 경험에 의한 학습 및 이해
3. 복잡하게 뒤얽힌 상황에의 대처 : 애매하고, 불완전하며 오류가 있는 정보의 처리
4. 상황요인들의 상대적 중요성 인식 : 새로운 상황에 신속히 성공적으로 대음
5. 창의성과 상상력
● General Problem Solver(GPS : 일반적 문제 해결)
<알고리즘 생성과 테스트>
1. 가능한 해결방법을 생성
2. 예상했던 해결방법인지 테스트
3. 해결방법을 찾았다면 종료 아니라면 첫번째 단계로 돌아감
● State Space Search(상태 공간 탐색)
→ Node(노드)는 State(상태)를 의미
→ Link(링크)는 State간의 전환을 의미
→ State는 Initial State(초기 상태), Current State(현재 상태), Goal State(목표 상태)로 구분
→ State는 어떠한 Attribute(속성)이나 Variable(변수)와 함께 표현됨
→ Operator(함수)는 State의 변화하는 움직임
→ Initial State(초기 상태)에서 Goal State(목표 상태)까지의 변환 과정을 찾는 것이 문제로 나옴
● 탐색 방법
→ Depth-first Search(깊이 우선 탐색)
→ Breadth-first Search(너비 우선 탐색)
→ Bidirectional Search(양방향 탐색)
→ Best-first Search(최상 우선 탐색)
→ A* Search(A* 탐색)
→ Hill-Climbing Search(언덕 등반 탐색)
→ Constraint Satisfaction Problem(제약 만족 문제)
● Good Generator(좋은 생성자)
→ Completeness(완전성) : 모든 가능한 해를 생성
→ Non-redundancy(불필요한것 없음) : 동일한 해를 반복 생성하지 않음
→ Informedness(탐색능력) : 정보를 이용하여 가능한 해의 범위를 축소
● 문제 해결 시스템
→ 원하는 해에 도달할 가능성이 낮은 경로는 고려하지 않음
→ 휴리스틱 평가 함수 사용
● Hill Climbing Search(언덕 등반 탐색)
→ Goal State를 찾는 것은 언덕의 정상에 오르는 것과 같은 의미
→ 생성과 테스트를 함과 동시에 움직임의 방향도 결정해야 함
→ 휴리스틱 함수는 Goal State까지 얼마나 가까운지를 측정해줌
● Simple Hill Climbing Search Algorithm(단순 언덕 등반 탐색 알고리즘)
→ 먼저 초기 상태(initial state)를 평가
→ 해를 찾거나 적용할 새로운 연산자가 없을 때 까지 새로운 상태를 생성하고 이 상태를 평가함
→ 평가 결과 Goal State 에 도달했으면 멈추고 아니라면 새로운 상태와 현재 상태를 비교한 후 더 좋은 상태를 현재 상태로 놓고 계속함
● Simulating Human Intelligence(인간 지능 시뮬레이션)
→ Expert System(전문가 시스템)
→ Artificial Neural Network(인공 신경망 네트워크)
● Expert System(전문가 시스템)
→ 상징적 접근(Symbolic Approach)
→ 인간의 논리적 사고과정을 이해 모방
→ 지식 표현 및 조작
→ 인간 두뇌의 소프트웨어 측면을 모방
→ IBM Watson
→ Business Rule Management System
● Artificial Neural Network(인공 신경망 네트워크)
→ 경험적 지식을 획득, 저장, 활용하기 위하여 많은 수의 간단한 처리장치를 병렬처리가 가능하도록 결함한 시스템
→ 숫자적 접근(Numeric Approach)
→ 두뇌의 생물학적 작동원리에 초점
→ 인간 두뇌의 하드웨어 측면을 모방
→ Multi-Layered Perceptron
→ Google DeepMind AlphaGo
● 신경망의 특징
→ 생물학적 원리에 근거한 모델
→ 분산병렬처리
→ 자기조직화 능력
→ 적응성 및 훈련가능성
→ 오류허용시스템
→ 패턴인식 능력
● AI in Business(비지니스에서의 인공지능)
→ AI Secretary
→ Chatbot
● AI Secretary(인공지능 비서)
→ 터치스크린 UI에서 Zero UI시대로 변화중
→ 아마존의 echo, 구글의 Home, MS의 코타나, 애플의 시리
● Chatbot(챗봇)
→ 메신저와 AI의 결합
→ 다양한 앱들이 Chatbot안으로 흡수되고 있음
● 1차 산업혁명 : 증기기관
→ 공장식 생산의 시작 : 단순반복 작업이 대체
→ 농업에서 제조업으로의 노동력 이동
● 2차 산업혁명 : 전기
→ 대량생산 시대의 개막
● 3차 산업혁명 : 디지털과 인터넷
→ 전자기기와 온라인 서비스 도입
→ 쌍방향 커뮤니케이션 : 인터넷
● 4차 산업혁명 : IoT, AI, Big Data, 3D Printer
→ 실재와 가상의 통합
→ 대량생산 공장에 디지털 결합
→ 인공지능
→ 구글, 아마존, 페이스북 등이 주도
● 한국의 4차 산업혁명
→ 우리나라에서는 4차 산업혁명의 핵심을 '지능정보기술을 활용한 새로운 가치창출'에 두고 있음
<지능정보기술을 활용한 새로운 가치창출 단계>
1. IoT, Mobile로부터 데이터 수집
2. Cloud, Big Data로 데이터 축적, 분석 강화
3. AI로 새로운 지능정보가치를 창출
'Study > 빅데이터의 이해' 카테고리의 다른 글
빅데이터의 이해 [2]. 데이터 생애주기(Data Life Cycle) (0) | 2017.09.18 |
---|---|
빅데이터의 이해 [1]. 빅데이터 정의 (0) | 2017.09.13 |