<4차산업혁명의 미래, 인공지능>

목차

1. 인공지능
2. 머신러닝
3. 인공신경망
4. 딥러닝
5. 적용사례
6. 견해
7. 참고문헌

본문내용

 인공지능
인공지능은 기계가 인간 수준의 인지능력, 이해능력, 추론능력, 학습능력 등의 사고 능력을 지니도록 모방한 것이다. 즉, 인간의 지능을 컴퓨터가 최대한 비슷하게 할 수 있도록 하는 것이다. 인공지능은다양한 분야에서 활용될 수 있는 혁신적인 기술방법이다.
현재 우리는 직접적, 간접적으로 인공지능과 접촉하고 있으며 인공지능이 실제로 정확하고 빠르다는 것을 느끼고 있다. 인공지능은 방대한 데이터를 함유하고 있다. 처음에는 원초적인 방법으로 인공지능에 지식을 알려주려고 노력했지만, 모든 것을 알려주는 방법보다 인간처럼 학습을 통해 스스로 규칙을 형성할 수 있도록 만들기 위해 머신러닝(machine learning)은 시작되었다.

 머신러닝
머신러닝이란, 입력 데이터와 출력 데이터를 먼저 알려주며 처리 과정을 통해 인공지능이 학습을 하는 것이다. 학습한 입력 데이터와 비슷한 입력 데이터가 제시되면 같은 처리 과정을 통해 학습한 방향대로 데이터를 출력하는 것이다. 예를 들어서, 인공지능에 학습시키고 싶은 대상을 여러 개를 보여주고 그것들의 특징을 설명하여 처리 과정을 학습시키는 것이다. 처리 과정은 러닝 모델이라고 하며, 쉽게 말해서 가정이며, 하나의 커다란 함수로 구성되어 있다고 생각하면 이해하기 쉽다.
머신러닝을 하기 위해서는 데이터와 러닝 모델이 필요하다. 예를 들어, 사람의 신장을 기반으로 몸무게를 예측하는 시스템을 만든다고 하면 먼저 정보를 수집해야 한다. 정보를 수집하며 모은 데이터를 통해 수식을 도출하고 실제값과 예측값을 비교한다. 그 차이를 점점 줄여나가는 것이 정확한 예측을 가능하게 한다. 기계학습은 데이터의 양이 많을수록 정확도가 높아진다. 또한 데이터의 양도 중요하지만, 좋은 품질을 가지고 있는 데이터도 중요하다. 즉, 인공지능의 좋은 성과를 위해선 좋은 성능을 가진 데이터를 많이 수집하는 것이 중요하다.

참고 자료

장윤옥, 한국철도학회, 인공지능과 딥러닝이 가져올 변화
양희태, 장훈, 과학기술정책연구원, 딥러닝의 현재와 미래
신현정, 조성준, 신경회로망, http://www.dbguide.net/upload/data/report/0105-237.pdf
인공신경망, https://januarysecurity.tistory.com/46
딥러닝이란, https://tensorflow.blog/케라스-딥러닝/1-딥러닝이란-무엇인가/
퍼셉트론, https://sacko.tistory.com/10?category=632408
딥러닝과 머신러닝의 차이점, https://brunch.co.kr/@itschloe1/8
머신러닝, https://isme2n.github.io/devlog/2017/10/27/machine-learning-3/
서기석 외4명, 한국통신학회, 위성 SAR 영상에서 딥러닝을 이용한 선박 검출 연구
민경원, 김윤정, 한국자동차공학회, 자율주행 자동차 고도화를 위한 인공지능 기술
신수연, 차주헌, 대한기계학회, 다중모드 센서와 LSTM 기반의 딥러닝을이용한 인간의 행동인식 시스템