온고창신 溫故創新 ongochangsin

인공지능과 심층학습(2/3) 3) Deep Learning（심화학습）이란 기계학습은 대량 데이터에서 규칙성이나 관련성을 찾아내어 판단이나 예측을 행하는 수법이다. 그러기 위해서는 처럼 착안해야 할 특징량(特徵量)을 인간이 지정할 필요가 있다. Deep Learning（심화학습）은 그 기계학습을 발전시킨 수법이다. 인간의 뇌신경회로를 모델로 한 다층구조 알고리즘(Algorithms) （Deep Neu-ral Network : DNN）를 써서 특징량(特徵量)의 설정이나 조합을 AI 스스로 생각해서 결정한다. 기계학습에서는 라는 것처럼 착안점을 지시할 필요성이 있었으나 심화학습의 경우는 지시하지 않아도 자동으로 학습한다. 단지 정도(精度)를 높이기 위해서는 대량의 데이터가 필요하고 읽어 들이는 데이터에 따라 ..

인공지능과 심층학습(1/3) 1) AI（인공지능）이란？Deep Learning（심층학습）이란 와 의 기본적 개념을 소개한다. 먼저 알아둘 것은 AI는 종합적인 개념과 기술이고 Deep Learning은 AI를 지탱하는 수법의 하나이다. 예를 들면 인간은 동물을 보았을 때 를 순간 판단한다. 그 메커니즘은 눈이나 귀로 얻은 정보를 경험, 지식과 비추어보아서 추측함으로써 실현하고 있다. AI의 기본적인 개념도 같아서 인간의 뇌가 행하고 있는 을 컴퓨터로 모방하는 데 있다. 이 때 중요한 것이 이다. AI도 경험. 지식이 없다면 추측하지 못하고 적절한 회답을 이끌어내지 못한다. 거기서 판단하기 위하여 필요한 법칙이나 룰 등을 학습할 필요가 있다. 그 학습방법은 이라 하고 이라는 수법도 있다. 인간도 어릴 때는..

인공지능, 기계학습, 심화학습의 다름(5/5) 5) 딥러닝이 AI에 밝은 미래를 가져온다. 딥러닝에 의하여 기계학습, 나가서 AI분야 전체의 실용적 응용이 수많이 실현하였다. 딥러닝에는 기계에 의한 모든 종류의 지원이 가능하게 되는(혹은 기대할 수 있는) 방법으로 최소 단위를 분류할 수 있다. 무인자동차, 보다 예방효과가 높은 의료, 혹은 보다 적확한 영화의 제안은 어느 것이나 이미 실용화되고 있거나 금후 실용화가 전망되는 것이다. AI는 현재 및 미래의 테크노로지이다. 딥러닝의 도움을 받아서 AI는 인류가 오랜 동안 생각하고 그려온 사이언스 픽션 상태로 보다 가까워질 것이다. 누구나가 C-3PO를 벗으로 가지고 자신만의 터미네이터(The Terminaiter=영화명)를 손에 넣을 수 있을 것임에 틀림이..

인공지능, 기계학습, 심화학습의 다름(4/5) 4) 딥러닝-기계학습을 실제장식하기 위한 수법 초기 기계학습연구자에 의하여 생겨난 다른 알고리즘 어프로치에 가 있는데, 수십 년 간에 나타나고서는 태반이 사라지고 말았다. 뉴랄 네트워크는 인간의 뇌의 생물학적 구조(뉴런 사이의 모든 상호접촉)의 이해에서 착상을 얻은 것이다. 단지 모든 뉴런이 특정한 물리적 범위 내에 있는 다른 어떤 뉴런에도 접속할 수 있는 생물학적인 뇌와는 다르고 인공 뉴랄 네트워크에서는 데이터의 전달에 있어서 층(層), 접속, 방향이 별개로 정의된다. 예를 들면 화상을 추출하고 그것을 다수의 타일로 나누어 뉴랄 네트워크의 최초의 층에 입력한다고 한다. 최초의 층의 개개의 뉴런에 의하여 두 번째의 층에 데이터가 건네져서 최종적인 출력이 생성..

인공지능, 기계학습, 심화학습의 다름(2/5) 2) 인공지능-기계에 의하여 재현되는 인간의 지능 다마스회의가 행해진 1956년 여름까지 거슬러 올라가면 화의를 제안한 AI 선구자들의 꿈은 이었다. 이것은 --곧 인간의 모든(혹은 그 이상의) 감각과 모든 판단력을 갖추고 인간과 동등하게 생각하는 경이로운 기계로서 우리들이 생각한 것이다. 이러한 기계는 여러 가지 영화로(때로는 스타워즈의 같은 으로서 때로는 같은 으로서) 제한 없이 그려졌었다. 기계가 영화나 사이언스 픽션 소설로서 지금도 등장하는 데에는 더한 이유가 있다. 왜냐하면 인류는 그들을 (적어도 아직은)실현되고 있지 않기 때문이다. 지금까지 인류가 실현한 일은 （Narrow AI）의 개념에 해당된다. 이것은 특정한 최소 단위에 대하여 인간과 동등(..

인공지능, 기계학습, 심화학습의 다름(1/5) 본고는 오랜 동안 테크노로지 저널리스트였던 마이켈 코플란드(Michael Copeland）씨가 디프러닝(Deep Learning)의 기본을 설명하는 일련의 기사 중 제1탄이다. 이들 설명은 모두 사실이고 단지 AI의 어느 면을 가리켜 하는 말인지에 따른다. 예를 들면 금년 Google DeepMind가 개발한 프로그램 （AlphaGo）이 바둑 대국에서 한국의 기사 이세돌씨를 이긴 때에 Deep Mind가 이긴 경위를 설명하기 위하여 , , 이라는 말이 미디어에서 자주 등장하였다. 이 3개는 모두가 알파고가 이세돌 기사를 이긴 이유의 일부인데, 같은 것은 아니다. 그 관계를 생각할 때 동심원으로 나타내는 것이 가장 간단하다. 먼저 최초로 생겨난 아이디어가 이다..

AI 진화의 역사(3/3) 3) 에 의하여 비약적인 진화 다시 이라는 기술의 등장으로 AI는 비약적으로 진화하게 되었다. 딥 러닝이란 앞에 소개한 기계학습의 수법의 하나로 인간의 뇌 구조를 본 따서 만들어졌다. 인간의 뇌 안에는 뉴런이라는 신경세포가 천수백억 개가 있고, 각각이 시냅이라 하는 부위에 따라 이어지고 있다. 이 구조를 AI에도 받아들여 화상이나 텍스트, 음성 등 여러 가지 데이터를 바탕으로 자동적으로 학습시킴으로써 지금까지의 기계학습에서는 실현되지 않았던 정도(정확도)로 정답을 내어간다. 딥 러닝의 구체적인 예를 하나 소개한다. Google의 연구자는 사진의 설명문을 자동적으로 생성하는 시스템의 개발에 성공하고 있다. 인간의 눈과 같은 화상을 인식하여 사진 중에 무엇이 비추어져 있는지를 해석..

AI 진화의 역사(2/3) 2) 의 등장으로 제3차 붐으로 1980년대부터 90년대에 걸쳐서 AI연구는 다시 겨울 시대를 맞이하였다. 그러나 2000년대 반에서연구는 가속한다. 그것이 현재까지 이어진 제3차 AI 붐이 되는데, 그 계기가 된 것은 에서 설명한 이라는 기술이 등장과 진화이다. 제2차 붐을 지탱한 에서는 미리 준비된 데이터에 없는 것은 컴퓨터가 처리할 수 없었다. 그런데 기계학습은 이 불가능을 가능하게 하였다. 기계학습에는 여러 가지 방법이 있는데 여기서는 과 에 대하여 개요를 설명해둔다. 다른 것은 단 한 가지 라 부르는 정해 데이터가 있는지 없는지이다. 미리 교사의 데이터가 주어진 은 교사 데이터에서 룰이나 패턴을 자동으로 학습한다. 메일아프리에 자주 있는 미혹 메일 판정이 이 좋은 예이..

AI 기초 지식(2/3) 2) AI란 무엇인가? 란 Artificial intelligence의 머리글자를 취한 약어로 이라고 번역하고 있다. 그래서 이 말은 이라고 설명하는 경우가 많다. 곧 스스로 학습하거나 성장하거나 하는 가능성을 가지고 있고 것이 AI의 최대의 특징이라 할 수 있다. 그런데, 이 AI가 급속히 보급하게 된 계기가 된 것은 이라는 기술이다. 기계학습이란 데이터에서 컴퓨터가 패턴이나 룰을 추출하는 기술을 말한다. 이 기술의 등장함으로써 컴퓨터는 스스로 생각하고 유연한 대응이 가능하게 되었다. 예를 들면 라는 룰을 컴퓨터에 가르쳐 두면, A가 입력되면 C가 되돌아온다. 이것뿐이라면 룰에 없는 B가 입력되어도 응답은 없다. 그런데 기계학습이 탑재된 컴퓨터라면 룰에 없는 B라는 입력에 대해..

양자컴퓨터는 무엇이 대단한가? (3/4) -NASA와 Google이 세상의 공기를 바꾸었다.- 압도적인 에너지 절약 성능이 숨겨진 폭발적인 가능성 문===양자어닐링머신이 능숙한 조합 최적화 문제는 왜 종래의 *슈퍼컴퓨터(supercomputer)로는 풀지 못하는가. ===*슈퍼컴퓨터 (supercomputer) 슈퍼컴퓨터는 과학기술연산을 비롯한 다양한 분야에 사용되는 고속/거대 용량 컴퓨터이다. 이 개념은 절대적 기준이 아닌 상대적인 것으로 일반적 목적의 컴퓨터에 비해 당대 최상급 처리 능력을 보유한 고성능 컴퓨터를 가리키는 말이며, 간혹 단순히 HPC라고 부르기도 한다. 위키백과=== 답====컴퓨터의 속도는 계산 속도와 솜씨의 좋음으로 결정된다. 계산의 빠름이란 컴퓨터 그 자체의 동작속도를 의미한다...