1. 인공지능 기술과 산업 현황 및 전망
박종목 / NAVER
2016-04 CONNECT 통찰의 연결
2. <출처: 네이버 영화>
<출처: http://super-telecommunications.blogspot.kr/2011/03/blog-post.html>
<출처: wikipedia>
Alan Turing 튜링 테스트 (Turing Test)
생각하는 기계
3. 인공지능이란 ?
인간의 지능이 가지는 학습, 추리, 적응, 논증 따
위의 기능을 갖춘 컴퓨터 시스템
출처: <네이버 사전>
… 시스템에 의해 만들어진 지능,
즉 인공적인 지능
출처: <위키백과>
The science and engineering of making
intelligent machines
- John McCarthy (1956)
<이미지 출처: http://www.boomer.fr/deep-learning-2/>
4. 인공지능 기술의 발전 단계
제1차 AI 붐
(추론, 탐색)
1956 1970 1980 1995 2010
제3차 AI 붐
(기계학습,
딥러닝)
제2차 AI 붐
(지식)
< 출처: 인공지능과 딥러닝, 마쓰오 유타카>
• 여러 가지 경우의 수를 찾으며
답을 구함
• 적용 분야: 미로 찾기, 체스,
장기, 바둑 등
• 한계점: 현실의 복잡한 문제는
해결하지 못함
추론/탐색
• 컴퓨터 내에 지식을 표현하고
해답을 찾음
• 적용 분야: 의료/생산/회계/
인사/금융/법률 등의 전문가
시스템
• 한계점: 인간의 기본 상식과
지식을 표현하기 위해 방대
한 지식 베이스 구축이 요구
됨
지식
• 대량의 데이터 학습을 통한
대상 분류 및 인식
• 적용 분야: 기계 번역, 음성/
문자/이미지 인식
• 한계점: 학습에 필요한 특징
을 정하는 방법에 따라 정밀
도에 큰 차이 존재 (인식율이
낮음)
기계학습
• 뇌신경 회로를 흉내 낸 기계학
습을 심화한 방법으로서 특징까
지 자동으로 학습함
• 적용 분야: 기존의 기계학습 분
야 외 확장가능
• 한계점: 초기 단계로서 아직까
지 특정 분야의 문제만을 해결
가능
딥 러닝
5. 딥 러닝 (Deep Learning)
2013 MIT Technology Review에서 10대 혁신 기술 중 하나로 선정
<이미지 출처: http://www.extremetech.com/computing/167179-facebook-is-working-on-deep-learning-neural-networks-to-learn-even-more-about-your-personal-life>
6. 딥 러닝의 학습/분류 방법
계층 1 분류기…계층 2 계층 N
미리 설계된
특징들 추출
분류기
기존의 기계 학습: 사람이 설계한 특징을 기반으로 학습 / 분류
딥 러닝의 학습: 여러 단계를 이용하여 상위 특징까지 학습으로 추출자동
“자동차”
“자동차”