미야케 요이치로, 모리카와 유키히토 (2016). 김완섭 (역) (2017[2018]). 인공지능 재밌게 알아보는 70 AI 키워드. 제이펍

미야케 요이치로, 모리카와 유키히토 (2016). 김완섭 (역) (2017[2018]). 인공지능 재밌게 알아보는 70 AI 키워드. 제이펍



인공 지능의 여러 키워드를 쉬운 예와 삽화로 쉽게 설명한 책

여기 저기서 들은 인공 지능 관련 용어의 개념간 관계를 알 수 있어서 좋았다.



아래는 인사이트를 준 구절이다.


---


. 자연이 만들어 낸 지능, 자연 지능
인공으로 만든 지능, 인공지능 (3)


. 인공지능의 대부분은 문제 특화형 지능(6)


. 인공지능 두 종류 - 기호를 사용해서 사고하는 AI, 뉴럴 네트워크를 사용해서 사고하는 AI (16)


. 1980년대에는 데이터를 만드는 것이 쉽지 않았습니다. 하지만 지금은 인터넷이 있어서 데이터가 흘러넘치고 있습니다. 데이터의 바다가 인공지능을 성장시키는 셈입니다(17).


. 바둑에서 프로 기사를 이겼어도 요리조차 할 수 없는 것이 인공지능입니다(23).


. 특이점(singularity, 싱귤레러티)... 미국의 발명가 레이 커즈와일(Ray Kurzweil)이 이 용어를 처음 사용한 것으로 알려져 있지만 사실은 1980년대부터 사용되어 온 것으로, 기계의 진화가 사회나 인간에 의해 본질적인 변화를 초래할 것이라는 막연한 예감에서 탄생한 것입니다(26).


. 1956년 여름, 다트머스 회의 (30)


. 인공지능이란 '기계가 인간의 지능 능력을 모방(시뮬레이션)하도록 한다'는 관점입니다(32).


. SF작가인 아이작 아시모프(Issac Asimov)는 '나는 로봇(I, Robot, 1950년)'에서 로봇이 지켜야 할 3대 윤리 법칙을 소개했습니다(44).


. 1950~70년대 - 우리들의 시대가 올거야. 이때를 AI의 제1기 황금시대라고 불러. 근데 곧 '겨울'이 와(1980년대에 들어서는 진전이 없음) (48)


. 1990년대 이후 인터넷 시대가 도래하면서 인터넷에는 기호 정보, 사진, 동영상 순으로 정보가 넘쳐나고 있습니다. 이 정보를 바탕으로 새로운 인공지능이 등장한 것입니다(49).


. 딥러닝의 가장 큰 혁신은 학습 데이터가 충분하면 뉴럴ㄹ 네트워크 자체가 데이터의 특징을 자동 추출해준다는 점입니다 ... 딮러닝의 가장 큰 장점은 이미지 데이터나 파형 데이터처럼 기호로 표현할 수 없는 데이터의 내부 패턴을 인식한다는 것입니다(52).


. 그래픽 처리 장치 (Graphics Prosess Unit, GPU) (53)


. 구글은 데이터 해석에 딥러닝을 활용할 수 있는 프레임워크인 '텐서플로(tensorflow)'를 공개하고 있습니다(55).


. 머신러닝이란 인공지능의 학습을 말합니다(55).


. 머신러닝에는 지도학습(supervised learning)과 비지도 학습이 있습니다. 지도 학습이 '교사 데이터'를 준비해서 인공지능을 한 가지 방향으로 학습시키는 데 반해, 비지도 학습은 데이터 없이 인공지능 자신이 모은 데이터를 사용한다는 차이점 덕분에 두 가지를 명확하게 구분할 수 있습니다(56).


. 알파고의 학습단계는.. 전자는 기보를 통해 지도 학습을 하고, 후지는 자기 대전을 통해 비지도 학습을 하는 것입니다(58).


. 사람이 모범 답안을 만들면 인공지능은 그 사람 이상으로 머리가 좋아지지 못한다는 한계에 부딪히게 됩니다. 이런 이유로 교사가 없는, 즉 모범 답안을 필요로 하지 않는 비지도 학습이 중시되고 있습니다(60).

. 강화 학습 - 대전 격투 게임 (61).


. 유전 알고리즘(63) - 진화 알고리즘(66)


. IBM왓슨은 IBM이 개발한 것으로 자연 언어에 특화된 인공지능입니다. 왓슨은 위키피디아 등의 자연 언어 데이터(코퍼스corpus라고 한다) 집합에서 단어와 단어의 상관관계를 학습합니다. 여기서 말하는 상관관계란 두 개의 단어가 동일한 문장 안에서 어느 정도의 빈도로 등장하는지를 확률적으로 표현한 것입니다. 이것을 데이터베이스에 저장해 두었다가 어떤 단어가 입력되면 그 단어와 강한 상관관계를 가진 단어를 평가치(관련성이 높을 수록 높은 값)와 함께 목록화합니다. 예를 들어 '사과'를 입력했을 때 '사과'와 상관관계를 지닌 '빨갛다'나 '동그랗다.' '맛있다' 같은 단어를 관련이 높은 순으로 평가치를 부여해서 순서대로 출력하는 것입니다(70).


. 전문가 시스템 - 전문가 시스템은 3대 AI군 중 하나입니다(75).


. 검색 엔진 - 검색 엔진은 인공지능 기술의 응용 방식 중 하나입니다. ... 인터넷상의 정보를 단어의 집합으로 간주하는 원시적인 인터넷으로부터 좀 더 의미 있는 정보를 추출해서 해석하 고 검색하는 기법을 시맨틱semantic 검색이라고 합니다(78).


. 딥Q네트워크 는 딥러닝과 강화 학습 하나인 Q러닝을 조합한 기법으로 DQN이라고 합니다(82).


. 네오코그니트론 (85)


. 미러 뉴런(89)


. 방대한 데이터로부터 규칙이나 패턴을 발견하는 것이 데이터 마이닝이야(101).


. 협업 필터링(collaborativ filtering)은 데이터 마이닝 기술의 하나로 특히 사용자 데이터 분석 기법으로 주목받고 있습니다. 인터넷 쇼핑 사이트 등에 있는 '추천 시스템'은 이 기법을 사용한 것입니다. 사용자가 선호하는 상품을 추측할 때 이 협업 필터링을 사용합니다(103) -> 페북이나 구글 등도..


. 검색 알고리즘 (like 기억) (106).


. 프로그램이 데이터를 검색하는 것, 사람의 뇌에서 기억을 상기하는 것, 인공지능이 기억을 상기하는 것, 이 세 가지의 관계를 항상 염두에 두면, 기계, 인공지능, 인간의 지능을 비교해서 생각할 수 있는 바탕이 됩니다(109).

. 실제 현재의 로봇은 대부분 클라우드상의 인공지능에 연결되는 것을 전제로 하고 있습니다. 스탠드 얼론(stand alone, 독립형)이 아니라 백그라운드가 되는 클라우드상의 인공지능을 전제로 해서 연동 및 학습하는 것입니다. 이때는 클라우드상의 인공지능이 로봇을 움직이고 있는지, 아니면 클라우드상의 인공지능이 로봇의 지능 자체인지 정의하기가 어려워집니다. 하지만 클라우드상의 인공지능은 모든 로봇의 감각 정보를 모아서 거대한 인식 능력을 만들고 의사 결정을 하며 로봇을 관리하는 존재가 됩니다. 이때 로봇 시스템은 분산 이공지능이 되며 클라우드상의 인공지능은 그것을 중추로 거대한 인공지능을 형성하게 되는 것입니다. 클라우드 AI에는 '빅 AI의 시대'를 부르는 힘이 깃들어 있습니다(112). 

. 보이드는 1987년에 크레이그 레이놀즈(Craig Raynolds)가 고안한 것으로 컴퓨터 공간 위에서 자유롭게 날아다니는 새의 무리를 시뮬레이션한 것입니다(182). -군집 행동 생성 알고리즘(184).


. 군집 지능(187)


. 뉴럴 네트워크의 대표 모델 - 퍼셉트론 (첫 번째 유행) -> 역전파(두 번째 유행) -> 딥러닝(세 번째 유행) (219)


. 정보화 다음은 지능화 사회 - 기점이 되는 것은 데이터 센터나 각 기업 내에 설치되어 있는 서버입니다. 서버라는 것은 고성의 컴퓨터 같은 것으로 사용자가 온라인 게임이나 쇼핑 사이트 등의 서비스를 이용할 때 접속하는 장비입니다(221).


. 이것은 결코 인공지능이 사람을 넘어서는 시점을 가리키는 용어가 아닙니다. 만약 그렇다고 하면 인간은 이미 오래전에 계산 능력으로 계산기에 졌고, 주행 능력으로 차에 졌으며, 기억 능력으로 데이터베이스에 진 것입니다. 하지만 인공지능은 그렇게 사람과 가깝지 않습니다. 같은 경기장의 트랙을 함께 달리는 경쟁자가 아닙니다. 오히려 협력해서 경기를 이끌어 나가는 파트너입니다. 시대가 바뀌면서 상호 간의 차이가 명확해질 것입니다. 그 때는 우리 자신이 인공지능을 보완하는 마지막 존재라는 것을 알게 될 것입니다(227).