아티클 정리 | 인공지능의 역사, 분류 그리고 발전 방향에 관한 연구

머신러닝에 대해 공부를 시작하면서 온라인 강의로는 조금 부족하다고 생각이 들었는지, 부트캠프 측에서 몇 가지 아티클과 자료를 준비해주셨다. 그리고 스스로 정리해보라며 링크를 주셨는데, 원래는 포맷이 있는 것 같은데 포맷까지 써가면서 정리하기는 넘 딱딱하고, 그냥 스스로 공부한 거 정리한다는 생각으로 내맘대로 주절주절 썰 풀듯이 써본다.  

---

인공지능의 역사, 분류 그리고 발전 방향에 관한 연구

한국전자통신학회에서 발행하는 학술지에 실린 소논문이고 저자는 조민호 교수님이다. 아래 내용은 논문 내용을 바탕으로 내 맘대로 해석하고 그걸 의식의 흐름대로 구성을 바꿈. 

 

1. 인공지능, 대체 뭔데?

인간의 지능을 흉내낸 인공적인 지능. 휴먼의 지능도 어떻게 정의하는지, 어떻게 지능이 나타나는지 알 수 없는 마당에 인공지능은 어떻게 만드는걸까? 그 방법 중에 하나가 머신러닝인데 컴퓨터한테 데이터를 던져주고 학습하라고 알고리즘을 주는 방법.

2. 머신러닝? 기계가 어떻게 학습하는데?

데이터를 주고 모델을 훈련시키는데 크게 3가지가 있어. 
데이터로 모델을 훈련시키고, "모델아, 이거 좀 예측해봐" -> 지도학습
데이터를 주고 "이거 분류해봐" -> 비지도학습
에이전트(?)가 상태를 인식하고 행동을 하면 그걸로 보상/처벌을 해서 최적화 -> 강화학습 (이건 안배움)
비지도학습 중에서 사람의 뇌를 모사해서 학습시키는 방식이 있는데(신경망) 이 신경망을 이리저리 이렇게저렇게 잘 만들어서 학습을 수행시킨 것이 딥러닝. 즉, 딥러닝은 인공지능을 만드는 하나의 기법인데 가장 성공적이라서 유명해진 것. 

3. 인공지능과 친구들(?)

인간이 가진 지식 체계를 다시 돌아보게 되네.(어떻게 이걸 나타내야 할지도.. ex 온톨로지?) 인공적인 지능을 만들려다 보니 복잡계나 프랙털같은 다른 분야가 같이 발전하고, 이게 다시 인공지능 연구에 좋은 영향을 주네! 

4. 이렇게 공부하면 괜찮을걸? 공부 가이드

인공지능기술의 발전 과정을 쭉 살펴봐.(오토마톤, 인공생명...) 그리고 탐색, 최적화 기법(그래프탐색, 유전알고리즘)을 보고 딥러닝에서 쓰는 함수최적화를 공부해. 이게 요즘 쓰는 대부분의 알고리즘들이니까. 

발전 과정을 슥 봤으면 머신러닝으로 넘어가. 통계기반, 지도/비지도학습, 강화학습, 딥러닝 이렇게 5개하면 돼. 딥러닝이 만능이 아니니까 다 해두는 게 좋을 걸.

여기까지 하면 인공지능을 어디서 쓰는지 공부해봐. (이미지 처리, 음성인식, 자연어처리, 지능 로봇 등등)  

추가로 개발도구까지 공부하면 최고!

 

출처:

조민호 (2021). 인공지능 역사, 분류 그리고 발전 방향에 관한 연구. 한국전자통신학회논문지, 16(2), 307-312.

https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART002714154

인공지능의 역사, 분류 그리고 발전 방향에 관한 연구