인공지능, 데이터

현재는 3차 인공지능 붐

인공지능 : 사고나 학습 등 인간이 가진 지적 능력을 컴퓨터를 통해 구현하는 기술

 

1차(1950~1960년대) - 1956 다트머스 컨퍼런스, 존 맥카시의 Artificial inteligence, 우주항공, 은행 등

60년대 후반 1차 겨울 - 1. 딱히 쓸데가 없었음. 2, 당시의 인공지능으로는 XOR을 구현할 수 없다고 증명됨(마빈 민스키)

 

2차(1980~1990년대) - PC보급화와 함께 부상(애플)

2차 겨울 - 1. (양질의)데이터 부족, 2. 컴퓨터 성능 부족

 

3차(현재)

1. GPU (병렬 컴퓨팅)의 보급화

2. 스마트폰의 보급으로 인해 폭발적으로 증가한 데이터 (그로 인해 양질의 데이터 선별이 중요해짐)

3. A.I. 기술의 발전

 

 

인공지능 > 머신 러닝(데이터가 학습하게 하는것) > 딥 러닝 ( 딥 뉴로 네트워크 )

 

머신 러닝 : 컴퓨터가 스스로 학습하여 인공지능의 성능을 향상시키는 기술

지도학습, 비지도학습, 강화학습

 

딥 러닝 : 인간의 뉴런과 비슷한 인공신경망 방식으로 정보를 처리

얉은 신경망 <-> 깊은 신경망

 

30년동안 인공지능은 개와 고양이를 구별하지 못하였으나 현재는 딥 러닝으로 학습하여 구분할 수 있게 됨

신경망이라는 필터를 통해 구분을 하여 틀릴때마다 피드백(에러 역전파, Error back propagation), 이를 반복하는게 딥러닝

개사진, 고양이사진에 표시를 해주는게 데이터 레이블링(지도 학습), 이런 데이터가 많을 수록 효율이 좋아진다.

 

비지도학습 - 무작위 데이터를 분석하는 것. 대부분의 데이터가 여기에 해당되기에 중요한 기술이다.

 

강화학습 - 알파고로 알려진, 실수에서 배우는 방법. Learn from mistakes.

 

알파고사건 전까지는 AI에 관심이 없었다. (기술 수용 사이클),

캐즘(Chasm) : 새롭게 개발된 제품이 시장 진입 초기에서 대중화로 시장에 보급되기 전까지 수요가 정체되는 현상, 죽음의 골짜기

-> AI와 데이터에 대한 관심 급증

리카이푸 : AI는 소수의 연구만으로 되는것이 아님, 범용적인 엔지니어의 수가 중요하다 (중국)

 

 

인공지능과 빅 데이터

자율 주행 자동차는 하루에 약 4000GB의 정보를 수집한다.

 

빅데이터 : 3V (Velocity, Volume, Variety)

이전에는 데이터를 최적화하는 법에 집중했지만 신경망 기술로 인해 많은 데이터가 곧 성능 향상으로 이어진다.

 

데이터 수집 -> 데이터 가공 -> AI 모델 생성 -> 앱 개발