[AI] 인공지능과 기계학습

인공지능이란?

• 인간의 학습, 추론, 지각, 자연언어 이해 등의 지능적 능력을 기기로 실현한 기술

학습이란?

• 경험의 결과로 나타나는, 비교적 지속적인 행동의 변화나 그 잠재력의 변화 또는 지식을 습득하는 과정

인공지능 초창기 지식기반 방식 주류

• 지식기반 : 경험적인 지식 혹은 사실을 인위적으로 컴퓨터에 부여하여 학습
  • 예) "구멍이 2개이고 중간 부분이 홀쭉하며, 맨 위와 아래가 둥근모양이라면 8이다."
• 지식기반의 한계
  • 학습의 대상이 심한 양상을 가진 경우, 모든 지식 혹은 사실의 나열이 불가능하다.

지식기반 방식에서 기계학습으로의 대전환

기계학습이란?

• 특정한 응용영역에서 발생하는 데이터(경험)를 이용하여 높은 성능으로 문제를 해결하는 컴퓨터 프로그램을 만드는 작업
• 기계학습은 데이터를 중심으로 하는 접근방식을 채택한다.
• 인식할 대상을 컴퓨터에 일일히 설명하려는 시도 대신, 데이터를 충분히 수집하여 기계학습 알고리즘에 입력한다.
• 기계학습 알고리즘은 데이터를 이용하여 스스로 학습해 높은 성능을 보장하는 인식 프로그램을 자동으로 만든다.

기계학습 개념

• 가로축은 시간, 세로축은 이동체의 위치이다. (모든 데이터는 정량화된 형태로 표현한다. ex. 벡터)
• 4개의 점이 데이터 관측될때, 임의의 시간에 대해 이동체의 위치를 예측하자.

예측

• 기계학습은 위와 같은 예측 문제를 푼다.
• 예측은 회귀 문제와 분류 문제로 나뉜다.
  • 회귀 ) 실숫값을 예측하는 문제
  • 분류 ) 부류를 예측하는 문제

훈련집합

• 가로축은 특징, 세로축은 목표치라고 부른다.
• 훈련집합의 요소를 사례 또는 샘플이라 부른다.

모델 가정

• 눈대중으로 데이터 양상이 직선형태를 보인다. → 모델을 직선으로 선택 가정
• 가설인 직선 모델의 수식
  • 2개의 매개변수 w와 b
  

기계학습의 훈련

• 기계학습이란 가장 정확하게 예측할 수 있는 최적의 매개변숫값을 찾는 작업이다.
• 처음은 임의의 매개변수 값에서 시작하지만, 개선하여 정량적인 최적 성능에 도달

→ 이처럼 성능을 개선하면서 최적의 상태에 도달하는 작업을 학습 또는 훈련이라고 한다.

기계학습의 추론

• 훈련집합에 없는 새로운 샘플에 대한 목푯값을 예측하는 과정이다.

기계학습의 궁극적인 목표

• 훈련집합에 없는 새로운 데이터(테스트 데이터)에 대한 오류를 최소화한다.
• 테스트 집합에 대한 높은 성능을 가진 성질을 일반화 능력이라고 한다.

기계학습의 필수요소

• 학습할 수 있는 데이터
• 데이터 규칙
• 수학적으로 설명 불가능 (수학적으로 설명가능한 내용은 모델링으로 해결하면 된다.)

참고

• http://cv.jbnu.ac.kr/index.php?mid=ml