$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

인공지능 및 딥러닝 동향 원문보기

전기의 세계 = The proceedings of KIEE, v.67 no.7, 2018년, pp.7 - 12  

구형일 (아주대 전자공학과)

초록이 없습니다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

제안 방법

  • 구체적으로 “사람처럼 vs 합리적으로”, “생각 vs 행동”을 기준으로 4개의 가능한 카테고리로 인공지능을 정의하고 각 카테고리의 관점을 소개한다1).
  • 자연어 처리(natural language processing)에서도 이러한 표현법 학습은 유용하다. 구체적으로 자연어 처리 과정에서 과거에는 각 단어에 고유 인덱스를 할당하여 단어를 표현하였다. 이 방법은 수학적으로 명확하지만 단어의 의미가 표현법(representation)에 반영되지 않는다는 한계가 있다.
  • 강화학습은 지도학습과 비교하여 일반적으로 적용 가능한 인공지능(general purpose artificial intelligence)에 가까우며 현재 활발한 연구가 진행되고 있다. 딥마인드에서 강화학습을 이용하여 다양한 Atari 게임을 수행할 수 있는 알고리즘(deep Q-learning)을 개발하였다. 강화학습은 학습 과정에 라벨이 있는 데이터가 필요 없다는 점은 지도학습과는 거리가 있다.

이론/모형

  • 이런 생물학적인 모델에서 영감을 받아 개별 뉴런을 수학적으로 모델링하고, 이러한 인공 뉴런 다수를 연결하여 인공신경망을 구성하여 기계학습을 수행하려는 접근법이 있다. 구성된 인공신경망 에는 많은 수의 파라미터(시냅스의 가중치)가 포함되어 있는데 이러한 파라미터는 역전파 알고리즘(back-propagation algorithm)을 이용하여 찾는다. 구체적으로 역전파 알고리즘은 목적함수를 최적화하기 위해 파라미터를 업데이트하는 방법이다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
딥러닝의 장점은? 이처럼 영상의 특징을 잘 표현하는 방법을 배운다는 점을 강조하여 딥러닝의 특징을 “표현법 학습(representation learning)”이라고 부르기도 한다. 기존의 기계학습 방법이 각 도메인별로 좋은 표현법을 엔지니어(도메인 전문가)가 설계해야 했다는 점과 비교하여 딥러닝은 좋은 표현법을 데이터로부터 찾을 수 있도록 하며 도메인 지식이 적게 의존한다는 장점이 있다.
딥러닝 기술 적용의 어려움은 무엇인가? ○ 빅데이터가 필요하다. 깊은 신경망의 학습을 위해서는 많은 양의 데이터, 그리고 많은 경우에 전문가에 의해서 분류된 양질의 데이터가 필요하다. 이러한 데이터를 얻는 과정에는 비용이 많이 들며, 데이터를 구하는 것이 현실적으로 불가능할 때가 많다 (희귀 질환 관련 의료 데이터, 스마트 팩토리에서 고장사례 등). ○ 경험적으로 결정해야 요소가 여전히 많다. 딥러닝이 데이터로부터 패턴을 학습하는 방법이기는 하지만 아직은 개발자가 경험이나 직관을 바탕으로 결정해야 할 변수 (하이퍼-파라미터)가 많으며 이 변수들을 변경해가며 학습하는 과정에는 많은 시간과 비용이 필요하다. 대표적으로 개발자가 결정해야 하는 요소로는 네트워크의 구조가 있으며, 학습과정에서 학습률(learning rate), 배치 사이즈(batch size), 모멘텀(momentum) 등을 결정해야 한다. 각 조합에 대해서 결과를 확인하기까지 수시간에서 수주에 이르는 학습 시간이 필요하며 이는 개발 과정의 병목으로 작용한다. ○ 강화 학습의 경우 보상 함수(reward function)설계가 쉽지 않다. 바둑의 경우는 보상 함수가 승/패로 명확하지만 일반적인 상황에서 보상 함수 설계는 명확하지 않으며, 간단한 게임에서조차도 설계자의 의도와 다르게 동작하는 경우도 보고되어 있다 [4].
인공지능이란? ○ 인공지능은 사람에 의해서 수행될 때 지능이 필요한 일을 수행하는 기계를 만드는 기술이다. (The art of creating machines that perform functions that require intelligence when performed by people.
질의응답 정보가 도움이 되었나요?

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로