인공지능,artificial_intelligence

abbr. AI

Stuart Russel and Peter Norvig은 Artificial Intelligence: A Modern Approach에서 인공지능을 다음 4가지 영역으로 정의함.
  1. 인간처럼 생각하는 시스템
  2. 인간처럼 행동하는 시스템
  3. 이성적으로 생각하는 시스템
  4. 이성적으로 행동하는 시스템

'인간처럼': 사람을 얼마나 잘 따라하는지.
'이성적으로': ..
'생각하는': 인지(recognition cognition perception 중에 무엇?), 추론,inference( inference reasoning 귀납,induction(귀납추론) 연역추론(deductive inference - 연역,deduction) ...) 등의 '생각' 과정 연구가 필요하므로, 논리,logic학과 심리학,psychology, 신경과학,neuroscience, 인지과학,cognitive_science 연구가 필요하다.
'행동하는': 이런 방식의 대표적 예가 튜링_테스트,Turing_test

강한 인공지능 strong AI - 범용인공지능 : 인간처럼 실제 사고
약한 인공지능 weak AI : 인간 지능 모방

인공지능 구현 접근법
지식 기반 접근법 : 저장된 지식(지식,knowledge)을 기반으로 판단 ex. IBM Watson
데이터 기반 접근법 : 주어진 데이터(자료,data)를 기반으로 판단 ex. AlphaGo (심층학습,deep_learning)

[edit]

Topics

60년간 시도된 다양한 기술들
논리학 - 논리,logic
최적화 이론 - 최적화,optimization
확률 모형 - 확률,probability 모형,model // probability_model 인가 probabilistic_model 인가?
탐색 이론 - 이건 search인가 traversal인가?
규칙 기반 시스템 rule based? 법칙,rule? 규칙,rule? // rule-based rule_based
전문가 시스템 - expert_system
지식 베이스 knowledge_base
퍼지 논리 - 퍼지논리,fuzzy_logic 퍼지,fuzzy?
신경회로망
유전자 알고리즘 - genetic_algorithm
카오스 이론 - chaos
...
휴리스틱,heuristic{
경험적 방법, 경험 기법, heuristic_approach
}
sub 컴퓨터비전,computer_vision
{
을 위해선 시각,visual_perception을 알아야 하며.. 모사해야 하니까? mimic mimicry biomimicry biomimetics

착시,optical_illusion(=visual illusion) 연구가 도움이 된다? - 왜 그렇게 보이는지를 알게 되면 .... 시각적 인지에 대한 이해에 대한 hint가?

눈,eye으로 들어오는 빛,light은 각막(cornea), 동공(pupil), 수정체(lens)를 차례로 통과해 망막(retina) 광수용체/WpEn:Photoreceptor_cell/시각세포(아래 표)에 상,image이 맺히며
막대세포간상세포rod cell 빛에 민감
원뿔세포원추세포cone cell 빛에 좀 덜 민감하고 색에 민감
신호가 되어 시신경을 통해 뇌 뒤쪽 시각피질로 전달.
외측슬상핵(LGN)→1차시각피질(V1)→2차시각피질(V2)→3차시각피질(V3)→후두피질(LOC)

여기서 convolutional_neural_network CNN 이 언급. 비슷?
{
1998년 Google:Lenet-5가 기원
5층으로 이루어졌으며 두 개의 convolution layer, 두 개의 완전 연결된 뉴럴넷 층, 한 개의 결과 출력 층으로 구성.[1]
2012년 Google:alexnet이라는 사물인식모델에 의해 본격적으로 알려짐
}


신경망,neural_network
{
뉴런,neuron(=신경 세포)는 전기 신호를 받았을 때 일정 기준을 넘으면 신호를 전달하는데 이것을 수학적 모델로 고안한 것이 맥컬록-피츠,McCulloch-Pitts 모델

다음과 같은 함수 사용.
계단함수,step_function
단위계단함수,unit_step_function (curr. see 함수,function#s-12 and WpKo:단위_계단_함수)
{
계단함수와 단위계단함수의 차이. p153. CHK.
단위계단함수:
$y=\begin{cases}1&x>0\\c&x=0,0\le c\le 1\\0&x<0\end{cases}$
계단함수:
$y=\begin{cases}1&x\ge 0\\0&x<0\end{cases}$
}
시그모이드함수,sigmoid_function
시냅스를 통한 신경 세포의
작용이 증가하면 시냅스가 강화되며,
작용이 감소하면 시냅스가 약해진다는 가설 - 헵_법칙,Hebb_law Hebb's law


Sub:
ANN,artificial_neural_network 인공신경망
CNN,convolution_neural_network

}
인공신경망,artificial_neural_network,ANN - writing and curr. RR:인공신경망,artificial_neural_network,ANN
심층신뢰망,deep_belief_network
컨볼루션 신경망,convolution_neural_network,CNN
합성곱 신경망 convolutional neural network - 대뇌피질의 시각영역 모형을 기반으로 함. - 같은거임?

볼츠만 머신은 어디에 분류?

[edit]

History

단어 AI는 1956년 John_McCarthy가 처음으로 사용
{
리스프,Lisp

}
Marvin_Minsky
1969년 Minsky와 Seymour Papert는 Frank Rosenblatt의 퍼셉트론,perceptron을 AND OR 문제에는 적용할 수 있으나 XOR문제에 적용할 수 없음을 밝힘.
and or는 선형으로 분류가 되는데, xor은 선형으로 분류 불가. 이건 2D 그래프 필요....
hidden layer가 필요한 이유? chk

예전(~90년대쯤 까지?)에는 rule-based AI (규칙 기반)이 대세였으나,
현재는 모델을 만들고 학습을 시키는 data 기반이 주류. 심층학습,deep_learning/(un)supervised learning/reinforcement learning, etc.


[edit]

Related

----
  • [1] Gradient-based learning applied to document recognition, Y. Lecun et al., 1998