인공 지능이란
말 그대로 "인간의 지능을 인공적으로 실현하는 것"이며, 그 목적을 과학의 입장에서 말하면, 인간의 지능의 구조를 해명하는 것입니다. 한편 엔지니어링의 입장에서의 목적은 인간의 지능에 의한 처리와 같은 결과를 더 빨리 더 정확하게 낼 수 있도록하는 기술 을 만들어내는 것입니다. 이 입장에서 보면 지능이 모방 할 수 있으면 좋고, 뇌가 어떤 구조인지는 그다지 중요하지 않습니다. 그래서 한마디로 인공 지능 이라고해도, 그 중에는 뇌의 구조를 모델로 한 것도 있지만, 대부분은 그렇지 않습니다. 인공 지능 것으로 알려져 있다는 기술에는 다양한 것이 있습니다. 인공 지능 기술로 다양한 종류가있는 이유는 원래 모방해야 지능에 다양한 종류가 있기 때문입니다. 예를 들어 애완견은 인간의 얼굴을보고 주인 여부 화남 여부를 인식하고 있지요. 주인이라면 누구나 우리 강아지는 "지능"이 높아,라고 자만하는 것입니다. 원래 동물이라면 아무리 비열한 것도 눈 앞에있는 것이 먹을 것인가, 혹은 자신의 것이 먹혀 버릴 천적인지를 즉시 식별하지 못하면 오래전에 자연 도태 하는 것입니다. 시각,청각,후각,미각,촉각에 근거하는 오감에 의한 지능 은 인간뿐만 아니라 어떤 동물도 갖고있는 능력입니다. 그러면 인간밖에 없는 지능은 무엇일까요? 그것은 언어 적 지능입니다. 인간은 말을 만들어 낸 것으로, 자신의 경험을 다른 사람들에게 전하는 것, 즉 지식의 공유가 가능하게 된 것입니다. 또한 문자를 발명 한 것으로, 세대를 넘어 지식 공유가 가능하게되어, 그것을 쌓아 문명이 된 것입니다. 언어 적 지능 은 인간 누구나가 가지고있는 능력이지만 인간에 매우 우수하고, 다른 사람에게는 횡설수설 문제를 해결하는 사람도 있습니다. 예를 들어, 프로그래머는 보통 사람들에서 컴퓨터를 향해 주술을 주장하는 사람으로 보이는 것입니다. 물리학은 물리적 현상을 수식화하고 연구 화학자는 화학 반응을 화학식으로 연구하고 수학자는 현실에는없는 것조차도 추상화하여 고찰합니다. 이 사람들은 애매한 자연 언어가 아닌 정밀하게 정의 된 기호를 사용하여 생각합니다. 그래서 이러한 지능을 "기호 지능 '이라고합시다. "기호 지능"은 인간 중에서도 일부 전문가 만이 가지는 가장 고급 지능입니다. 이처럼 인간이 가진 지능에는 크게 나누어도 3 종류가 있습니다. 인공 지능 연구자들은 1950 년대 후반의 1 차 붐 시절부터 이들 3 종류의 지능을 인공적으로 모방하기위한 다양한 기술을 개발하여 왔습니다. 사실 대부분의 원리는 그 무렵에 발명 된 것입니다 만, 실용화되기까지는 긴 세월이 필요했습니다. 재미있는 것은, 이 안에서 먼저 어떻게 든 실용화 할 수 있었다고 말할 수는 가장 고급 지능이 "기호 지능 '였다 것입니다. 먼저 수식을 효율적으로 계산하는 다양한 알고리즘이 개발되어 물리학이 지금까지 푸는 문제를 자동으로 계산할 수 있게되었습니다. 수학의 정리 인간이 보 조선을 끄는 등 적절하게 도와 주면 증명 알고리즘도 할 수 있었습니다.여왕과 하노이의 탑 등 간단한 퍼즐이라면 인간보다 빨리 풀리게되고, 또한 검사기, 오델로, 체스 등 게임의 세계에서 인간의 챔피언이 승리했습니다. 왜 가장 고급 "기호 지능 '이 먼저 실용화 할 수 있었는지. 그것은 기호로 정의 할 문제는 모호함이없이 그 중에서 정답을 빠르고 정확하게 찾아내는 것은 인간보다 컴퓨터가 훨씬 강하기 때문입니다. 그러나 해결책을 찾기 범위가 크다. 예를 들어, 여왕 퍼즐에서는 8의 8 승 = 16,777,216 개의 배치가 바둑의 표면은 10의 180 놓고 배치합니다. 인공 지능 연구자들은 이러한 방대한 범위를 낭비없이 효율적으로 탐색하는 알고리즘을 개발하고 향상하는 것을 계속해온 것입니다. 그러한 탐색 알고리즘은 물론 인간의 뇌의 구조와 독립적이며, 인간 전문가의 사고 과정과는 전혀 다른 방법을 사용하는 것도 적지 않습니다. 예를 들어, AlphaGo는 제한 시간 동안 현재의 반면에 무작위로 수천 국도 쳐보고, 그 중 가장 승률이 높았던 손을 선택합니다. 1980 년대 제 2 차 AI 붐 시절 "언어 적 지능"의 실용화 방법이 고안되었습니다. 그 비결은 적용하는 세계를 한정하는 것이 었습니다. 한정된 세계에서 자주 사용하는 단어를 나열 해 놓고, 각각의 기간에 대응을 결정해야합니다. 그리고 사용할 때는 주어진 단어를 검색하여 정해진 대응을 이것이 당시 선전 된 전문가 시스템입니다. 최근 유행하고있는 채팅 로봇과 AI 스피커도 기본적으로는 이 기술 검색에 실패했을 때는 "미안합니다, 도움이되지 않습니다"라고 말을하고 있습니다. Watson은 Jeopardy!의 모든 기출 문제 및 대량 Wikipedia 기사를 빠르게 검색 할 수있는 형식으로 변환하여 데이터베이스에 가지고 있었던 것입니다. 자, 세 가지 지능 중 동물도있다 "오감에 의한 지능"이 컴퓨터는 가장 어려웠 습니다만, 그것은 예를 들어 이미지의 어디를 어떻게보고 '고양이'라고 판단하고있다 인지 기호는 물론 말조차도 표현하는 것이 어렵 기 때문입니다. 이미지 인식의 연구자들은 사진 속에서 어떻게 얼굴 윤곽을 잘라 귀는 어디에 늘어져 있는지 서 있는지를 어떻게 분석 할 것인가하는 기술 개발에 꾸준한 노력을 계속해왔고 되었지만 인간 수준의 능력은 좀처럼 변하지 않았습니다. 그리고 이 문제를 신경 세포의 구조를 사용해 학습을 해결함으로써 제 3 차 AI 붐이 생겨입니다. 딥 학습 이야말로 인간의 뇌 구조를 모델링하는 기술이라고 말할수 있습니다. 딥 러닝에서 대상으로하는 세계를 탐험도 검색 할 필요가 없습니다. 전형적인 샘플 데이터와 그 해답을 대량으로주고 학습하면 어떤 데이터에 대해 어떻게 대답을 기억하게됩니다. 왜 그런 일을 할 수 있는지, 왜 최근 들어 그것이 풀수있게 했는지에 대해서는이 순차적으로 설명 해 나갈 예정입니다.