-
728x90
<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.
- 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
- 목표를 정의한다
- 사전 조건(precondition)을 정의한다
- 연산자를 정의한다
- 연산자는 주어진 조건과 이로 인해 영향받는 모든 요인을 관리한다
- 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.
- 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
728x90'ECC 인공지능 스터디' 카테고리의 다른 글
[인공지능/AI] 2장. 오차 행렬, 서포트 벡터 머신(SVM), 회귀 분석 (1) 2024.03.23 [인공지능/AI] 2장. 로지스틱 회귀 분류기, 나이브 베이즈 분류기 (0) 2024.03.23 [인공지능/AI] 2장. 지도 학습과 비지도 학습, 분류, 데이터 전처리 (0) 2024.03.23 [인공지능/AI] 1장. 튜링 테스트, 이성적인 에이전트 개념 (0) 2024.03.23 [인공지능/AI] 1장. 인공지능 개요 (0) 2024.03.23 - 범용 문제 해결기(GPS, General Problem Solver)