클래스: 인공지능 소개

Machine learning

클래스: 인공지능 소개

1개월 무료이용 시작 단체용 구매

Machine learning

“

- 프로그래밍할 필요가 없는 컴퓨터를 상상해 보세요. 세상을 관찰하는 것과 같은 방식으로 학습할 수 있는 시스템이죠. 이전 AI 시스템이 상징적 접근 방식을 사용한 것을 확인했습니다. 시스템이 기호를 인식하면 지능적으로 보이기 시작할 것이라는 생각이었죠. 주요 과제 중 하나는 프로그래머가 전문가와 협력하여 시스템을 만드는 것이었습니다. 이것이 바로 전문가 시스템이라고 불리는 이유입니다. 나중에 컴퓨터 과학자들은 너무 많은 조합이 생성되었기 때문에 이 접근 방식을 포기했습니다. 그들은 단지 시스템에 지능을 프로그래밍할 수는 없지만 관찰을 통해 지능을 갖도록 시스템을 프로그래밍할 수 있다고 결정했습니다. 인간처럼 느끼거나, 듣거나 보거나 맛을 알지 못해요. 대신 데이터를 감지하여 학습합니다. 1959년에 Arthur Samuel이라는 컴퓨터 과학자는 자신과 대결하여 학습할 수 있는 체스 프로그램을 만들었습니다. 그것은 양측을 플레이하고 관찰을 통해 전략을 스스로 배웠습니다. 기계가 더 많이 플레이할수록 승리 방법에 대한 패턴이 더 많이 보입니다. 컴퓨터 과학자들은 기계가 체스를 하도록 프로그래밍하지 않았습니다. 그것은 기계 자신의 경험을 통해 배웠습니다. Samuel은 이 아이디어를 머신러닝이라고 불렀습니다. 이것은 상징 체계와는 달랐죠. 인간이 이동과 그 반대 이동을 프로그램하지 않습니다. 대신 시스템은 스스로 학습하고 개선하도록 설계되었습니다. 시스템은 새로운 체스 전략을 빠르게 학습하고 짧은 시간 후에 지속적으로 프로그래머를 이겼습니다. 머신러닝은 획기적인 발견이었습니다. 딱 하나 단점이 있었죠. 이러한 시스템은 게임을 할 수 있었겠지만 1950년대에는 디지털 데이터가 그다지 많지 않았습니다. 머신러닝은 데이터를 오감으로 사용합니다. 따라서 데이터가 없으면 가장 단순한 패턴만 찾을 수 있었지만 이제는 모두 바뀌었죠. 1990년대 초 인터넷의 폭발적인 증가로 일반인들은 갑자기 엄청난 양의 데이터를 생성하게 되었습니다. 1990년대는 머신러닝 시스템이 폭발적으로 성장한 시기였습니다. 새로운 데이터는 인공지능에 있어 메마른 들판에 쏟아지는 물 같았죠. 이 시점에서 머신러닝 시스템은 더욱 지능화되는 데 필요한 연료를 공급받았습니다. 따라서 고양이를 식별하는 방법을 시스템에 가르치고 싶다면 온라인에서 수백만 장의 고양이 사진에 액세스할 수 있어야 합니다. 컴퓨터 과학자들은 새로운 머신러닝 알고리즘을 만들기 시작했습니다. 심지어 인간의 뇌를 모방하도록 설계된 시스템을 만들기 시작한 일부 연구자도 있었습니다. 데이터를 통한 학습의 가장 큰 장점 중 하나는 기계가 더 많은 데이터를 통해 계속해서 성장할 수 있다는 것입니다. 기계가 새로운 패턴을 찾으면 새로운 정보에 적응할 수 있습니다. 그러나 여전히 동일한 문제가 있다는 것을 명심하는 것이 중요해요. 머신러닝 시스템은 아직 패턴을 식별하는 단계에 불과합니다. 그럼에도 불구하고 지난 몇 년 동안 머신러닝은 AI 분야에서 가장 빠르게 성장하는 분야였습니다. 데이터의 양이 증가함에 따라 이 영역은 더 많은 가능성을 보여주었습니다. 조직은 지속적으로 방대한 양의 새로운 데이터를 수집하고 있습니다. 따라서 이제 이 모든 정보로 무엇을 해야 할지 파악하는 것이 큰 과제입니다. 어떤 의미에서는 인공지능 시스템이 데이터를 살펴보고 조직이 찾은 내용을 확인할 수 있게 해줍니다.

목차