비전 딥러닝 - introduction to A.I - 1

목차

인공지능 - 우리가 하는 지적인 활동을 자동화 하는 것을 목표로 하는 연구활동

심볼릭 AI - 인간의 레벨 수준에서 가진 지식을 프로그래머가 룰 기반으로 지식을 가지고 행동하게 하는 인공지능

                   Ex) 챗GPT이전의 챗봇들이 심볼릭 AI라고 볼 수 있다. 

 

머신러닝과 딥러닝의 차이

 

머신러닝 : 기계가 주어진 데이터를 가지고 스스로 학습 및 프로세스 하는 것

딥러닝 : 신경망을 가지고 주어진 데이터를 학습하는 것

 

 

 

AI는 지적인 활동을 대신하는 알고리즘 - 심볼릭 AI, ML, DL등이 들어감

ML안에 DL이 들어간다.

 

인공지능을 연구하는 전체필드를 AI라고 하고, 인공지능을 만드는 방법론 중 하나이다. 

컴퓨터가 자동으로 학습하게 된다. 무엇을 학습하느냐? 통계적인 룰을 학습하게 된다.

머신러닝은 따로 명칭을 두게 올라왔냐면, 전통적인 프로그램의 페러다임을 바꾸게 되었기 때문이다.

 

전통적으로는 룰과 데이터를 프로그래머가 입력하고 답변을 대답한다. Ex)윈도우 마법사, 챗봇

머신러닝은 데이터와 정답을 알려주면 데이터를 보고 통계적인 룰을 학습해서 알아낸 모델을 기반으로 작동한다.

 

문제와 정답을 보고 룰을 알아내어서 모델이 나오게 된다.

새로운 데이터를 넣으면 자동으로 답이 나오게 하는 것이 머신러닝이다. 

 

특히 정형화된 데이터에서 잘 작동한다. 

 

딥러닝 : 머신러닝의 한 갈래로 신경망을 사용하고, 자체로 학습한다는 것이다.

 

왜 딥러닝이 강세가 되었는가? 

머신러닝은 정형화된 데이터에 잘 작동한다.

머신러닝


분류 - 데이터들을 분류한다.
회귀 - 대표적으로 두가지 특징에 대해 분포에서 피팅해서 이후에 어떻게 y축이 바뀔것인지 찾는 것
클러스터링 - 그룹화 시키는 것 

 

딥러닝

정형화된 데이터가 아닌 비정형데이터에서 좋은 퍼포먼스를 나타내기 시작했다.
이미지인식(자율주행), 시리

그러면 영상이 왜 비정형데이터일까?
영상, 얼굴인식은 사람이 훨씬 잘 하는 것이다. 
그리고 음성도 마찬가지일 것이다. 

하지만 딥러닝이 이 분야를 따라오기 시작했다.

 

 

하드웨어

gpu 는 동영상, 게임을 위해서 만들었는데
cpu는 계산 능력이 좋은 칩을 몇개만 넣는다면, gpu는 칩을 굉장히 많이 붙이게 된다. 
gpu는 딥러닝에 영향을 주었는데 그 이유는 깊은 신경망 때문이다.

Data

인터넷의 발전으로 정제된 데이터가 많아졌다.

 

분류

segmentation은 영역의 형태를 찾는다.

 

Detection은 위치 좌표를 찾는다.

영상의 특징을 새로운 특징을 아웃풋 하는 것이다.