: 사람처럼 학습하고 추론할 수 있는 지능을 가진 컴퓨터 시스템을 만드는 기술
인공지능 역사
- 인공지능 태동기
- 1943년 워런 매컬리, 윌터 피츠 최초로 뇌의 뉴런 개념 발표
- 1950년 앨런 튜링 튜링 테스트 발표 : 인공지능이 사람과 같은 지능을 가졌는지 테스트할 수 있는 테스트
- 1956년 다트머스 AI 컨퍼런스
- 인공지능 황금기
- 1957년 프랑크 로젠블란트 퍼셉트론 발표 : 로지스틱 회귀의 초기 버전
- 1959년 데이비드 허블, 토르스텐 비셀 시각 피질에 있는 뉴런 기능 연구(고양이 사용)
- 1차 AI 겨울
- 컴퓨터 성능의 한계 ➡️ 간단한 문제만 해결 가능 ➡️ 인공지능에 대한 연구와 투자 크게 감소
- AI 봄
- 전문가 시스템 등장
- 2차 AI 겨울
- 전문가 시스템 실패 ➡️ 한계 드러내면서 2차 AI 겨울 맞이
- 위의 시기 극복 후 인공지능은 다시 각광 받음
강인공지능과 약인공지능
- 강인공지능(인공일반지능): 사람과 구분하기 어려운 지능을 가지 ㄴ컴퓨터 시스템 ex)터미네이터 속 스카이넷, 그녀 속 사만다 등
- 약인공지능: 현실에서 우리가 마주하고 있는 인공지능, 특정 분야에서 사람의 일을 도와주는 보조 역할만 가능
: 규칙을 일일이 프로그래밍하지 않아도 자동으로 데이터에서 규칙을 학습하는 알고리즘을 연구하는 분야, 인공지능의 하위 분야 중에서 지능을 구현하기 위한 sw를 담당하는 핵심 분야
머신러닝과 통계학
- 서로 깊은 관련 ➡️ 통계학에서 유래된 머신러닝 알고리즘 많음 ex) R(오픈소스 통계 소프트웨어)
사이킷런
- 최근 머신러닝 발전은 통계나 수학 이론보다 경험을 바탕으로 발전하는 경우 많음 ➡️ 사이킷런(컴퓨터 과학 분야의 대표적인 머신러닝 라이브러리)
- 사이킷런 라이브러리는 파이썬 API 사용
- 사이킷런 등장 전: 머신러닝 기술 대부분 폐쇄적인 코드와 라이브러리로 통용 ➡️ 전문 교육 이수 or 비싼 비용 지불 후 구매
- 사이킷런 등장 : 오픈소스 라이브러리의 발전 ➡️ 머신러닝 분야 크게 성장
==> 새로운 이론과 기술은 직접 코드로 구현되고 통용되어야 그 가치 입증 가능
: 머신러닝 알고리즘 중 인공 신경망을 기반으로 한 방법들을 통칭
합성곱 신경망
- 1998년 얀 르쿤의 LeNet-5 신경망 모델 : 최초의 합성곱 신경망, 손글씨 숫자 인식 성공
- 2012년 제프리 힌턴의 팀의 AlexNet : 기존 머신러닝과 비교시 이미지 분류 압도적인 성능 ➡️ 이후 이미지 분류 작업에 합성곱 신경망 널리 사용
인공 신경망 성능 발전의 원동력
- 복잡한 알고리즘을 훈련할 수 있는 풍부한 데이터
- 컴퓨터 성능의 향상
- 혁신적인 알고리즘 개발
오픈소스 머신러닝 라이브러리
- 2015년 구글의 딥러닝 라이브러리인 텐서플로 오픈소스로 공개
- 2018년 페이스북 파이토치 딥러닝 라이브러리 오픈소스로 밢표
==> 공통점: 인공 신경망 알고리즘을 전문으로 다룸, 사용하기 쉬운 파이썬 API 제공