인공지능 - 인공지능 패러다임

인공지능 - 인공지능 패러다임

K-MOOC 인공지능 만들기

 

인공지능 연구 패러다임

지금까지 크게 2가지가 연구가 되었다고 볼 수 있다

 

기호주의 - 논리규칙 모델

null

• 지식기반

• 고전적인 인공지능 기법이다
• 사람들의 지식을 로직이나 규칙으로 표현해서 프로그래밍을 하면, 컴퓨터가 알아서 문제를 풀 수 있다
• 하지만, 사람들도 항상 지식을 잘 모르는 경우도 있거나, 프로그래밍을 하는 것이 어려울 수도 있다.

 

연결주의 - 뇌신경망 모델

null

• 학습기반

• 기계가 스스로 학습을 유도하는 방법이다 (머신 러닝)
• 사람의 뇌의 신경망이 연결되어 있는 것처럼, 연결주의 인공지능 기법을 연구하고 있다

---

 

지식기반 시스템과 학습기반 시스템

null

지식기반 시스템

• 사람들이 아는 규칙을 기계한테 프로그래밍을 해주는 것

 

학습기반 시스템

• 머신러닝 : 데이터 또는 문제에 있는 데이터에서 특징을 추출해서 기계가 학습할 수 있도록 하는 것

 

딥러닝

• 데이터를 통째로 주면 기계가 알아서 자동으로 학습을 해서 의사결정을 내리는 것

---

 

큰 틀의 인공지능 연구 패러다임

null

기호주의 AI

• 합리론 / 연역적인 추론

  • 과거의 있었던 데이터를 기반으로 규칙을 찾아서 문제를 해결한다

• bottom-up 방식 (하향식)

  • 여러 지식들을 모아 문제를 해결하는 것

• 지식 기반

  • 지식 시스템, 전문가 시스템을 만들어 AI의 산업화를 이루었다

 

연결주의 AI

• 경험론 / 귀납추론

  • 데이터를 기반으로 규칙을 찾는 것이 귀납적 추론
  • 연역적 추론과 다른 점은, 귀납적 추론은 새로운 지식을 발견해 낼 수 있다

• top-down 방식 (상향식)

  • 문제 지속적으로 세분화해서 작은 문제로 나눠서 문제를 해결하려고 한다

• 학습 시스템

  • 다양한 데이터를 AI가 학습을 하여 문제를 해결하기 시작했다
  • 여기서 데이터는 디지털화 된 데이터로, 영상, 사진, 음성 등을 뜻한다

위에 두 가지 방식의 단점

• 데이터가 바뀌고 환경이 바뀌는 불확실성에 대한 상황을 대처하기 쉽지 않다

 

인지주의 AI

변화하는 상황에서 새로운 지식을 만들어야 한다

만든 지식을 통해 가설 (증명되지 않은 이론)을 만들어야 한다

그리고 가설을 검증하기 위해서 데이터를 통해 학습을 해야 한다

• 구성론 / 동적추론

  • AI는 더욱 더 동적으로 발전을 해야 한다

• 인지주의 AI 연구를 해도, 위에 기호주의 또는 연결주의 AI도 지속적으로 연구가 될 것이다