일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
- 블록체인강의
- Node
- national instruments
- 블록체인 강의
- 우선순위큐
- CSS 기초
- StringTokenizer
- 오블완
- StringBuilder
- 자바문자열구분
- K-MOOC 단국대학교 홍보단
- 2차원배열정렬
- 자바스크립트
- 블록체인
- 티스토리챌린지
- 해시
- select
- attribute
- 컴파일시스템
- 시스템프로그래밍
- Entity
- 혁신의기술2:신뢰의미래 블록체인을 만나다
- html 태그
- 자바입력받기
- stringreader
- K-MOOC
- 머신러닝
- html기초
- biginteger사용법
- 단국대학교 k-mooc
- Today
- Total
열정 실천
[AI] 001. 인공지능(AI)이란? - 인공지능의 역사와 미래 본문
4차 산업혁명이란?
4차 산업혁명(Fourth Industrial Revolution, 4IR)은 인공지능(AI), 사물인터넷(IoT), 빅데이터, 로봇공학, 블록체인 등의 첨단 기술들이 기존의 산업과 경제 시스템에 혁신적인 변화를 일으키는 과정을 의미한다. 이는 디지털 혁명의 연장선상에서 새로운 기술들이 서로 융합하여 산업과 사회 전반에 걸쳐 급격한 변화를 가져오는 현상이다.
4차산업으로 인한 사회,경제적 변화
👉 업무환경 및 방식의 변화
👉 신흥 시장에서의 중산층 등장
👉 기후변화
인공지능 AI란?
4차산업의 핵심 기술로 기계가 스스로 학습하고 인간처럼 사고할 수 있게 하는 기술이다.
인공지능 (Artificial Intelligence)
- 사람처럼 학습하고 추론할 수 있는 지능을 가진 시스템을 만드는 기술
- 약인공지능(Week AI) : 특정 분야에서 사람의 일을 도와주는 보조 기능 격의 인공지능
- 강인공지능(Strong AI) : 사람고 구별하기 어려운 지능을 가진 컴퓨터 시스템
알파고, GPT 모두 약인공지능에 속한다. 아직 강인공지능은 나타나지 않았다....
머신러닝 (Machine Learning)
- 일일히 프로그래밍하지 않아도 자동으로 데이터에서 규칙을 학습하는 알고리즘을 연구하는 분야
- 통계학에서 유래된 머신러닝 알고리즘이 많음
- 대표 라이브러리 : scikit-learn
딥러닝 (Deep Learning)
- 머신러닝 알고리즘 중 인공신경망(ANN)을 기반으로 한 방법
- 대표 라이브러리 : Tensorflow, pytorch
방법에 따른 분류
지식 기반 방법론
: 1970-80년대 주로 사용하던 방법
: 종류 : 전문가시스템
: 한계 : 모든 지식을 입력하기 힘듬
데이터 기반 방법
: 현재 주로 사용하고 있는 방법
: 종류 : 기계학습, 확률 기반 의사 결정, 신경회로망(딥러닝)
지식-데이터 융합 방법
: 선행 연구 분야
: 종류 : 뉴로-심볼릭 AI, XAI
인공지능의 역사
1. 인공지능의 탄생 (1943~1956)
• 인공지능 분야로 인정받은 최초 연구 소개
• 튜링테스트 - 인공 지능에 대한 심도 깊은 철학적 제안
• 다트머스 컨퍼런스 - 인공지능이라는 새로운 과학 분야가 탄생
2. 인공지능의 황금기 (1956~1974)
• 탐색추리, 자연어 추리 등 성공적인 AI프로그램들 개발
• 컴퓨터 프로그램에 대한 큰 기대와 함께 인공지능 기술에 대한 지나친 낙관
3. 첫 번째 암흑기 (1974~1980)
• 1960년대 후반, 컴퓨터 능력의 한계 등으로 현실적 어려움 직면
• 인공지능 연구에 대한 지원 중단
4. 재도약기 (1980~1987)
• 전문가 시스템 발전
• 지식 기반 시스테과 지식 엔지니어링 발전
• 신경망 이론의 복귀 (홉필드 신경망, 강화학습, 역전파 학습 알고리즘 등)
5. 인공지능의 겨울 (1987~1993)
• 전문가 시스템의 한계 - 비싼 유지 비용, 느린 개발 속도
• 인공지능이 아닌 슈퍼컴퓨터와 시뮬레이션 분야로 연구 방향 전환
6. 정체기(1990~2010)
• 1980년대 중반 신경망 재탄생과 함께 다양한 기계학습 연구 시도
• 지능형 에이전트 시스템 두각 (질병 진단, 자율 주행)
7. 세번째 황금기 (2010~현재)
• 인간의 뇌를 모방한 딥러닝 네트워크의 구현
• 다양한 분여에 딥러닝 네트워크 적용 확장
인공지능의 미래
📈 향후 인공지능 시장 전망
- 글로벌 AI 시장 : 2022년 160억 달러 >> 2025년 1058달러 전망 (TRACTICA)
- 국내 AI 시장 : 2018년 1조원 >> 2025년 102조 5척억원 전망 (한국신용정보원)
🧪 산업 전반에 걸친 전방위적 기술 확산
- 의료, 문화예술, 자율주행, 스마트 홈, 스마트 시티, 스마트 팜, 쇼핑, 법률 등등
💦 기술의 한계와 방향
- 설명 가능한 인공지능 기술
- 지식과 추론, 학습의 결합
- 새로운 제도, 법, 윤리의 필요성 대두
'CS > AI' 카테고리의 다른 글
[AI] 004. 머신러닝의 성능평가 (회귀-MAE,MSE,RMSE / 분류 - 심플 카운팅, ROC 곡선) (0) | 2024.11.12 |
---|---|
[AI] 003. 머신러닝 - 지도학습, 비지도학습, 강화학습 ++ 오버피팅 (0) | 2024.11.11 |
[AI] 002. 전문가 시스템 - 규칙기반 전문가 시스템, 퍼지규칙 (1) | 2024.11.10 |