[AI/알고리즘] 인공지능 알고리즘 1일차

오늘은 모처럼 저녁에 구내식당에 가서 밥을 먹고 잠시 내년 초 결혼하시는 회사 동료분과 이야기를 나눴습니다. 농담으로 저에게 축가부탁을 하셨는데 재밌었습니다. 하지만 결혼식이 재미가 있으면 의미가 없기 때문에 뭐 할 수 없네요... 제가 노래를 잘 했다면...하는 아쉬움이 남습니다.

============================================    1    ============================================

[ 19 : 00~ 20 : 07 ] 

 

강사님께서 링크를 받았는지 물어보시는데 받지 못하였습니다. : goo.gl/7C9fpf

  

강사님께서 약 25분정도 늦으셨지만, 뭐 사정이 있으셨을 거라 생각합니다.

왜인지 모르겠지만 강의자료도 아직 도착을 안했다고 하셨습니다.

목차

1. 인공지능의 정의 3H

2. 군집 분류 알고리즘 : 4H

3. 유전 알고리즘 : 4H

4. 신경망 알고리즘 : 4H

 강사님께서 지금 인공지능 알고리즘에 관한 일을 현재는 하고있지 않으시고 모 포탈 사에서 근무하실 때 군집분류와 신경망 알고리즘을 조금 다루셨다고 하셨습니다. 

 계산이 빠른거지 똑똑하지 않다고 하시면서, 인공지능 강의를 마칠 때 수강생들이 인공지능 똑똑하지 않구나 라는 생각을 하게 된다면 이 강의는 성공적이라고 하셨습니다.

 컴퓨터에세 "바다"를 인식시키려면 어떻게 해야하는지 물으시면서 인공지능에 대한 강의 시작하셨습니다.

 인공지능에 포함된 단어 지능의 의미를 따져보면서 기계의 학습을 억지로 끼워맞추고 때려 맞추는 의도된 학습, 세뇌와 같다고 하셨습니다. 사람의 학습은 그것보다 창조적이며 아직 그것을 따라오지는 못한다고 하셨습니다. 

 인공지능은 사람이 심은 지능이라고 보면 될것이라고 하셨습니다. 

 AI의 역사에 대해서도 훑어주셨습니다. 강의자료에 있는 도표를 보여드리고 싶다는 생각이 조금 들었습니다. 

전문가시스템

 좁은 문제 영역에서 전문가 수준으로 동작할 수 있는 유능한 컴퓨터 프로그램입니다. 한마디로 말하면 수많은 IF문의 조합, 의사결정트리 이야기도 하셨습니다. 

실제 전문가의 지식이 들어있다고 하셨습니다. 

규칙기만 전문가 시스템의 필수요소

 - 기반요소

 - 데이터베이스

 - 추론엔진

비지니스 룰 엔진 (BRE)

============================================    2    ============================================

[ 20 : 20~ 21 : 09 ] 

 

 알파고 이야기를 하겠다고 하셨습니다. 알파고는 전체탐색을 하지 않고 CPU를 늘리지 않겠다고 구글이 이야기 했다고 합니다. 프로기사들의 패턴을 군집분석으로 첫 수를 두거나 그 이후 수를 둔다고 합니다. 바둑의 경우에는 극 초반보다 수를 두어 갈 수록 경우가 줄어들어 훨씬 쉬워진다는 이야기를 하셨습니다.

 스타크레프트의 경우는 바둑과 달리 전패를 했다는 이야기를 하셨습니다.

 패턴인식에 대해 계속 진도를 이어나갔습니다.

 얼굴인식, 지문인식 (엣지 디텍팅을 이용), 등의 여러가지 사례를 통해 패턴인식의 예를 들어주셨습니다. 패턴인식은 영상처리나 센서가 들어간다고 하셨습니다.  

 나중에 신경망 수업할 때 10년된 책에서 소스코드를 가져오셨다고 하셨습니다. 자동차 번호판을 인식하는 코드입니다. 트레이닝이라는 단계를 거쳐야 인공지능이 똑똑해진다고 하셨고, 트레이닝이 아니라 혹사라는 말이 더 맞을 정도로 계속 반복한다고 하셨습니다. 신경망의 예로 많이 나오는 것이 번호판 인식이라고 하셨습니다. 또한 트레이닝도 양질의 Data로 시킨 것과 아닌 것이 차이가 있다고 하셨습니다. 

 

 지도학습과 비지도학습

 지도학습의 경우 답을 알고 답을 가지고 트레이닝을 할 수 있으며, 비지도 학습의 경우 계속 돌려서 모델을 만들고 결과를 분석하는 측면의 내용이 많다고 하셨습니다.

패턴인식의 유형

패턴인식의 여러가지 접근법

============================================    3    ============================================

[ 21 : 20~ 21 : 57 ] 

데이터 마이닝 기법에 대해 수업을 계속 해 주셨습니다.

 그리고 중간에 오늘은 개론처럼 진행하고 싶으셨다면서 유전과 진화에 대해 설명을 해 주셨습니다.

내일 예제가 굉장히 지저분하다고 하셨습니다.

K -means와 KNN의 차이로

K -means는 군집, 특정 조건이 없이 서로 가까운 것(거리상)으로 뭉치는 것이고, KNN은 해당 조건에 가장 가까운것으로 가는것 이라고 하셨습니다. 

여기서 k는 군집 수라고 보시면 됩니다.