AI입문서 by 오니시 가나코

[ 밑줄/연결 ]

 

컴퓨터상에서 '인간의 지능'을 재현한 것, 또는 재현하기 위한 기술을 의미

 

'알려준 것' 이상의 일을 처리할 수 있어야 한다.

 

AI는 이미 알고 있는 지식을 바탕으로 추론합니다.

 

AI가 잘하는 일은 '분류'입니다. AI는 분류할 때 사람에게 미리 받은 수많은 자료에서 분류하기 위한 규칙(판정 기준)을 구축해 나갑니다.

 

머신러닝이란 데이터에서 패턴과 규칙을 컴퓨터 스스로 추출하는 기술을 말합니다.

 

머신러닝은 미리 제공된 다양한 정보를 학습하도록 한 후, 그 결과를 이용하여 새로운 것을 예측하는 기술. 딥러닝은 학습 자체도 스스로 판단하면서 학습하도록 하여 앞으로의 상황을 예측하도록 하는 기술. 

 

머신러닝은 사람이 제공한 불완전한 규칙에 대해 사람이 제공한 데이터를 바탕으로 스스로 더 나은 규칙으로 수정해 나간다. 그런 행위를 '학습'이라고 합니다.

 

학습 단계는 컴퓨터가 학습 훈련 데이터를 학습하여 자신만의 규칙을 구축하는 단계이며, 예측 단계는 구축한 규칙을 사용하여 새로운 데이터를 예측하는 단계입니다.

 

강화학습이란, '특정 상태'에서 다양한 행동을 평가한 후, 더 좋은 행동을 스스로 학습하는 방법을 말하는 것입니다.

 

가중치란 그 가중치에 관련된 입력이 얼마나 중요한지를 나타내주는 지표

 

딥러닝도 잘 풀지 못하는 문제가 있습니다. 규칙성이 없고 거의 무한에 가까운 답이 존재하는 문제들 입니다. 예를 들면 사람간의 '자유로운 대화'가 이에 속합니다.

 

파라미터를 가진 함수란 처리 과정의 일부가 정해지지 않은 상태를 말합니다.....모델이라는 말은 이 파라미터를 가진 함수를 말합니다. 머신러닝을 시행할 때는 맨 처음 인간이 임의의 파라미터를 가진 함수를 컴퓨터에 제공합니다. 

[ 자평 ]

 

'빵' 분류와 '예측'이라는 비유를 통해 머신러닝을 설명하는 부분은 어느 책에서도 보지 못한 이 책만의 탁월함이었다.

원리를 이해하고 있는 사람이 쓴 책이다.