[인공지능/AI] 1장. 범용 문제 해결기(GPS), 머신 러닝 모델 종류

<ECC 47기 인공지능 스터디>

1주차: 파이썬으로 배우는 인공지능 1장, 2장

범용 문제 해결기(GPS)

• 범용 문제 해결기(GPS, General Problem Solver)
  • 허버트 사이먼과 J.C.쇼, 앨런 뉴웰이 제안한 AI 프로그램
  • AI분야에서 최초로 등장한 실용적인 컴퓨터 프로그램
  • 목적: 만능 문제 해결 기계처럼 작동하는 것. 모든 문제를 풀 수 있도록 만든 프로그램
• GPS 개발자는 GPS 프로그램을 작성하기 위해 IPL(Information Processing Language)라는 언어를 따로 정의했다.
• IPL을 이용하면 모든 문제를 규칙이나 문법에 맞게 작성된 수식(정형식)으로 표현할 수 있다.
• 표현된 수식은 다중 소스와 싱크를 가진 방향 그래프를 형성한다.

그래프와 GPS 용어 차이

• GPS는 원래 범용적으로 활용하려고 제작했지만, 실제로는 기하학이나 논리학과 관련된 수학적 정리(theorem)처럼 잘 정의된 문제만 풀 수 있었다.
• 하지만 현실 세계에서는 선택할 수 있는 경로가 무한히 많기 때문에 대다수의 문제는 적절한 시간 안에 GPS로 해결하기 힘들다. (무작위 탐색은 계산복잡도가 굉장히 높아 오래걸린다)

GPS를 이용한 문제 해결 방법

1. 목표를 정의한다
2. 사전 조건(precondition)을 정의한다
3. 연산자를 정의한다
   1. 연산자는 주어진 조건과 이로 인해 영향받는 모든 요인을 관리한다
   2. 구성: 동작, 사전 조건, 동작을 수행함으로써 발생한 변화

• 이렇게 표현할 수 있는 문제는 모두 GPS로 풀 수 있다.
• 하지만 현실 세계에서 의미 있는 문제들을 풀기에는 계산복잡도가 높아 상당히 오래걸린다.

지능적인 에이전트 구현 방법

• 머신 러닝, 축적된 지식, 규칙 등으로 지능적인 에이전트를 구현할 수 있다.
• 그 중 머신 러닝은 데이터를 이용한 학습을 통해 에이전트에 지능을 부여한다.
• 주어지는 데이터는 레이블이 달린 데이터로, 기계는 데이터와 여기 달린 레이블 사이의 관련성을 분석함으로써 패턴과 관계를 추출하는 방법을 학습한다.

지능적인 에이전트가 주변 환경과 상호작용하는 과정

 

• 현재까지 알려진 머신 러닝의 응용 사례는 굉장히 다양하며 이미지 인식, 로보틱스, 음성 인식, 주식 시장 예측을 비롯해 광범위하게 활용되고 있다.
• 머신 러닝을 제대로 이해하고, 이를 이용한 제품을 만들기 위해서는 패턴 인식, 인공 신경망, 데이터 마이닝, 통계를 비롯한 다양한 분야의 기술을 잘 알아야 한다.

모델의 종류

• AI에서 사용하는 모델은 크게 두 가지가 있다.
  • 해석 모델
  • 학습 모델
• 해석 모델
  • 수학 공식을 토대로 만든 모델, 최종 등식을 구하기 위해 거쳐야 할 단계를 나열한 것
  • 컴퓨터가 등장하기 전에 주로 사용
  • 사람의 판단을 통해 문제를 해결한다는 단점이 있어 단순하고 결과도 부정확하며 다룰 수 있는 매개 변수도 많지 X
• 학습 모델
  • 컴퓨터 등장 이후 주로 사용. 복잡한 계산 가능.
  • 학습 과정을 통해 구축된다
  • 기계는 학습하는 동안 등식에 적용되는 입력과 출력에 대한 다양한 예를 관찰한다
  • 모델을 정확하게 표현하기 위해 수천 가지의 매개 변수로 복잡하게 구성한다
• 머신 러닝을 이용하면 추론 엔진에 사용할 수 있는 학습 모델을 만들어낼 수 있다.
• 머신 러닝의 가장 큰 장점
  • 데이터를 표현하는 수식을 직접 만들 필요가 없다

•