[AI Friends School 3차시] 인공지능의 범주와 개념

화이트 모드로 보시길 권장합니다

---

 

[AI Friends School] 시리즈는 MicroShcool에서 진행하는 온라인 인공지능 학습 학교이다.

 

AI Friends School 강의 내용을 말하기 전, AI Friends School에선 어떠한 것을 배우는지 알아보자

 

AI Friends School이란?

AI Friends School은 인공지능 기술을 적용해 세상의 문제를 해결할 수 있는 시티즌 디벨로퍼로 성장하는 것을 목표로 한다.

-AI Friends School 온라인 과정 ( 36차시, 3개월 )-1. 인공지능 들어가기(1차시 ~ 10차시) 2. 인공지능·영상처리 이론(11차시 ~ 15차시) 3. 인공지능·영상처리 실습(16차시 ~ 23차시) 4. 인공지능·음성 / 자연어 처리 이론(24차시 ~ 28차시) 5. 인공지능·음성 / 자연어 처리 실습(29차시 ~ 36차시)

---

 

알고리즘과 인공지능의 성질 차이

알고리즘 :

어떤 문제를 특정 지을 수 있고, 특정 행동을 하도록 규칙을 설정하는 문제 해결 가능하다,

사람이 직접 규칙성을 정해 프로그램을 만들고 알고리즘을 사용하는 것이다.

( ex. 신호등, 자동문 등 )

 

인공지능 :

특정할 수 없는 조건이 있는 상황에도 특정 행동을 할 수 있게 결정하도록 만들어진 규칙&지능을 인공지능 모델이라 한다.

( '지능'에 대한 단어의 뜻은 '[AI Friends School 1차시] 인공지능의 탄생 & 개념'에서 확인할 수 있다.)

( ex. 안면인식 카메라 등 )

---

머신러닝, 정형 데이터, 비정형 데이터

머신러닝( Machine Learning )

인공지능의 하위 범주이다.

특정 프로그램이 없더라도 데이터를 기반으로 학습을 하여 정보를 예측 및 작업을 수행할 수 있는 방법론이다.

대량의 데이터에서 스스로 규칙을 학습할 수 있도록 하는 것이다.

( ex. 회귀, 분류, SVM, Decision Tree, 딥러닝 등 )

인공지능의 분야중 하나인 머신러닝

 

데이터셋

머신러닝 모델을 학습시키기 위해 모은 데이터 모음이다.

학습 데이터( Training data ) :

모델을 학습시킬 때 사용한다.

 

테스트 데이터( Test data ) :

학습이 완료된 이후 모델을 테스트해볼 때 사용한다.

---

정형 데이터

미리 정해놓은 형식&구조에 따라 수치가 저장되는 데이터를 의미한다.

엑셀 등의 표 형태로 나타낼 수 있다.

머신러닝, 딥러닝을 이용하여 학습시킬 경우 모두 좋은 학습 결과를 보인다.

( ex. 고객정보, 사람들의 신체 건강 정보 수치 표 등 )

 

ex. ' 고객 정보 데이터 ' :

정형 데이터 예시 ' 고객 정보 데이터 '

' 성별 '이라는 개체 타입에 ' 남, 여 '라는 값이 입력되는 형식으로 저장된다.

'나이, 성별, 체지방율, BMI지수'등과 같이 수치를 입력하는 항목들이 데이터 ' 고객 정보 ' 데이터'의 특징이다.

정형 데이터를 다루기 위해선 각 데이터의 특징을 사람이 직접 입력해야 한다.

---

비정형 데이터 :

정해진 규칙이 없거나 형태 혹은 구조가 복잡하여 정형화되지 않은 데이터를 의미한다.

정형 데이터보다 더 복잡한 정보를 포함하고 있다.

사람이 데이터의 구조에 맞게 저장하는 방식으로 생성이 불가하다.

데이터가 복잡하여 머신러닝 기법으로 학습시킬 경우 안 좋은 성능을 보일 때가 있다.

딥러닝의 경우 비정형 데이터와 같은 복잡한 데이터를 학습할 때 머신러닝보다 더 나은 성능을 보여준다.

( ex. 사진, 음성, 텍스트 데이터 등 )

 

ex. 고양이 사진

비정형 데이터 예시 ' 고양이 사진 '

사진을 이루는 픽셀 한 개마다 색을 의미하는 수치들이 해당 사진이 고양이라는 사실을 의미하진 못한다.

이 사진의 ' 고양이 '라는 특징은 사람이 쉽게 추출할 수 없는 추상적인 특징이다.

---

딥러닝과 퍼셉트론

딥러닝( Deep Learning )

머신러닝의 한 분야이다.

퍼셉트론을 여러 개 사용하여 복잡한 데이터를 잘 학습한다.

여러 개의 퍼셉트론으로 구성된 DNN( 심층신경망 )를 이용해 학습하는 것을 의미한다.

사람이 명확히 규정하기 어렵고, 복잡한 데이터의 특징을 대량으로 학습시키는데 용이하다.

복잡한 데이터를 다룰 때 머신러닝보다 더욱 우수한 성능을 보인다.

 

뉴런 :

N개의 신호가 도착하면 이를 신경세포에서 합친 후 합쳐진 신호가 임계치( 특정한 값 )을 넘으면 한 개의 출력 신호가 생성되어 다음 뉴런으로 전달되는 구조이다.

 

퍼셉트론 :

사람의 신경인 뉴런을 흉내 내어 기계로 구현한 연산 구조이며 대표적인 머신러닝 기법이다.

뉴런과 같이 N개의 입력을 받아 합쳐진 신호가 임계값보다 클 경우 1, 낮을 경우 0( 정보전달 X )을 출력한다. 

( '퍼셉트론'에 대해선 '[AI Friends School 1차시] 인공지능의 탄생 & 개념'에서 확인할 수 있다.)

 

인공신경망( 뉴럴 네트워크 Neural Network; NN ) :

여러 개의 퍼셉트론을 이어 붙여 만든 연산 구조이다.

 

심층신경망( 딥 뉴럴 네트워크 DeepNeural Network; DNN ) :

여러 개의 퍼셉트론이 2개 이상의 층을 이뤄 큰 규모를 이루는 인공 신경망이다.

---

다음 차시에는 머신러닝(지도, 비지도, 강화)의 용어와 원리 파악에 대해 배운다.