인공지능이란?

인공지능 (Artificial Intelligence) 

인공지능이란 사고나 학습 등 인간이 가진 지적 능력을 컴퓨터를 통해 구현하는 기술이다. 

인간의 인식, 판단, 추론, 문제 해결, 그 결과로써의 언어나 행동 지령, 더 나아가서는 학습 기능과 같은 인간의 두뇌 작용을 이해하는 것을 연구 대상으로 하는 학문 분야. 궁극적으로는 두뇌의 기능을 기계로 실현하는 것을 목적으로 한다.

 

쉽게 말해서 컴퓨터나 기계가 사람이 하는 것처럼 생각하고 행동할 수 있게 하는 기술이다. 

 

 

---

 

머신러닝 (Machine Leraning)

기계학습 또는 머신러닝(Machine Learning)은 인공지능의 한 분야로, 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 분야를 말한다.

 

 

📌  머신러닝의 학습 방법  -  지도학습 / 비지도 학습 / 강화학습

지도 학습 (Supervised Learning)

• 정답(label)이 있는 데이터를 활용해 데이터를 학습시키는 것
• 입력 값(X data)이 주어지면 입력값에 대한 Label(Y data)를 주어 학습
  
  

지도학습의 종류

1. 분류 (classification)

  : 주어진 데이터를 정해진 카테고리(라벨)에 따라 분류하는 문제

- 이진 분류

어떤 데이터에 대해 두 가지 중 하나로 분류할 수 있는 것.

Q: 이 글은 스팸이야?   
A: 예 또는 아니오

 

- 다중 분류

어떤 데이터에 대해 여러 값 중 하나로 분류할 수 있는 것

Q: 이 동물은 뭐야?  
A: 고양이 또는 사자 또는 강아지 등...

 

 

2. 회귀 (regression)

   : 어떤 데이터들의 Feature를 기준으로, 연속된 값(그래프)을 예측하는 문제로 주로 어떤 패턴이나 트렌드, 경향을 예측할 때 사용

 

 

 

---

비지도 학습 (Unsupervised Learning)

• 정답 라벨이 없는 데이터를 비슷한 특징끼리 군집화 하여 새로운 데이터에 대한 결과를 예측하는 방법
• 라벨링 되어있지 않은 데이터로부터 패턴이나 형태를 찾아야 하기 때문에 지도학습보다는 조금 더 난이도가 있다
  
  

 비지도학습의 종류

1. 군집분석

• 유사한 데이터끼리 그룹화

 

2. PCA(Principal component analysis)

• 독립변수들의 차원을 축소화

 

 

 

 

지도학습과 비지도학습의 알고리즘

지도학습(Supervised Learning)	Classification	kNN
		Naive Bayes
		Support Vector
		Machine Decision
	Regression	Linear Regression
		Locally Weighted Linear
		Ridge
		Lasso
비지도학습(Unsupervised Learning)		Clustering
		K Means
		Density Estimation
		Exception Maximization
		Pazen Window
		DBSCAN

 

 

---

강화학습(Reinforcement Learning)

• 행동 심리학에서 나온 이론으로 분류할 수 있는 데이터가 존재하는 것도 아니고 데이터가 있어도 정답이 따로 정해져 있지 않으며 자신이 한 행동에 대해 보상(reward)를 받으며 학습

 

 

 

강화학습의 주요 단어

• 에이전트(Agent)  :  주어진 문제 상황에서 행동하는 주체
• 정책(Policy)  :  에이전트가 판단하는 방식
• 환경(Environment)  :  문제 세팅 그 자체를 의미
                                      게임에서는 에이전트가 취할 수 있는 행동, 그에 따른 보상 등 게임 자체의 모든 규칙이 환경
• 상태(State)  :  현재 시점에서 상황이 어떤지 나타내는 값의 집합
• 행동(Action)  :  우리가 취할 수 있는 선택지
• 보상(Reward)  :  에이전트가 어떤 행동을 했을 때 따라오는 이득

 

 

# 정리

 

 

 

---

딥러닝 (Deep Learning)

기계학습의 한 분야인 인공신경망에 기반하여, 많은 양의 데이터를 학습해 뛰어난 성능을 이끌어내는 연구분야를 말한다.

인간의 신경망을 본딴 인공 신경망에서 발전한 것이다. 딥러닝은 머신러닝 기법인 Feature Learning중 하나 이다. 딥러닝은 인공신경망에서 발전한 심층신경망 (Deep Neural Network, DNN)인데, 여러 신경들이 다음 신경에 신호를 전달하는 방식의 모델이기에 딥러닝을 계층적 Feature Learning라고 부른다.

 

 

딥러닝 활용

1. 분류 (classification)

 

2. 회귀 (regression)

 

3. 물체 검출 (Object Detection)

 

4. 영상 분할 (Image Segmentation)

 

 

5. 영상 초해상도 (Image Super Resolution)

 

6. 예술적 창조 (Artistic Creation with GAN)