스노우 카메라 앱

1. 용도

• 스노우 카메라 어플은 네이버 스노우에서 개발한 어플임. 
• 2015년도에 나온 사진 수정 어플로, 사진을 촬영하고 원하는 모양으로 수정 할 수 있음 

2. 설치하기

• 안드로이드 : 설치하기
• iOS : 설치하기

3. 스노우 기능

• 촬영 기능 
• 이펙트 기능
• 필터 기능 

VII. 인공지능 활용(코딩)

1. Tutorial

•  TensorFlow 

2. Colab

• 코랩이란?
• 시작하기 

3. Python 코딩

• 시작하기
• 간단한 데이터셋을 활용한 Linear Regression

  

VIII. 인공지능 활용(앱)

0. AI 개발자

• 앱인벤터 
• SmartMaker
• Orange3

1. SNS 활용 

• SNS : TikTok 등 

2. 그림, 사진 수정 

• 스노우 카메라 앱 

3. 인공지능 비서 

• 인공지능 비서 : 알렉사, 기가지니 등

4. 자율주행 

• 자율주행 : 웨이모 등

5. 헬스케어 

• 헬스케어 : Feat, 코로나맵 등

6. 교육 

• 인공지능 교육 : 

7. 게임

• 게임 : 슈퍼마리오, Stadia 등 

8. 쇼핑 

• 쇼핑 : 쿠팡 등

9. 금융 

• 퀀트 투자 : 콴텍

10. 범죄예방 

• 범죄예방 : 

11. 챗봇

• 챗봇 : 카카오뱅크 상담 챗봇 등 
• 인간의 친구 

12. 법률 상담 

• 법률 : 

13. 스마트 홈 

• 인공지능 주방 : 
• 휴머노이드 로봇 : 
• 인공지능 반려견, 애견 : 
• 스마트홈 : 

14, 스마트 사회

• 스마트그리드 :
• 스마트공장 : 
• 스마트농장 : 

인공지능 8가지 주요 사례

1. 알파고

• 체스 챔피언 : 딥 블루
• 바둑을 넘보다 
• 도박의 확률 : 몬테카를로 방법
• 정책망 : 어디에 돌을 내려 놓을까?
• 가치망 : 형세를 판단하다
• 알파고가 수를 두는 방법
• 신의 한수
• 인간은 필요 없다

2. 자율주행

• 자율주행 시작 : 다르파 그랜드 챌린지
• 자율주행차 스탠리 우승 비결은?
• 자율주행 공식 : 베이즈 정리
• 센서 전쟁 : 레이터, 라이다 그리고 카메라
• 카메라 : 동물의 눈으로 도로를 보다
• 주행 데이터와 모방 학습
• 완전 자율 주행은 가능한가?
• 자율 주행의 딜레마 : 누구를 희생해야 할까?
• 자유주행차가 바꿀 미래 

3. 검색 엔진

• 검색엔진의 등장
• 엄청난 돈을 벌어 들이다
• 엄청난 문서를 수집하다
• 검색엔진은 어떻게 검색할까?
• 랭킹, 수십조 가치의 줄 세우기
• 최신 문서를 찾아서
• 품질 좋은 문서를 찾아서
• 페이지 랭크, 구글의 시대를 열다
• 쿼리에 딱 맞는 문서 찾는 법
• 검색 결과의 개선을 어떻게 확인할까?
• 검색엔진 최적화의 싸움
• 점점 더 똑똑하게, 구글 MUM

4. 스마트 스피커 

• 인공지능 비서의 탄생
• 애플 시리 : 음성인식 비서의 시대를 열다
• 아마존 알렉사 

5. 기계 번역 

• 하루키 번역을 앞선 구글 번역
• 기계번역의 시작
• 규칙 기반 : 모든 규칙을 정의한다
• 예시 기반과 통계 기반
• 신경망 기반
• 문장을 통째로 압축하기
• 번역 규칙을 스스로 학습하기
• 인간을 뛰어 넘은 기계 번역 

6. 챗봇

• 챗봇 이루다
• 컴파일러
• 최표, 기하학을 숫자로 바꾸다
• 워드투벡, 언어를 숫자로 바꾸다
• 코사인 거리로 비슷한 단어를 찾다
• 기계와 자유롭게 대화할 수 있을까?
• GPT, 인간을 능가하는 언어 생성 모델
• 기계가 언어를 이해할 수 있을까?
• 튜링 테스트와 중국어 방
• 인공지능히 진정한 이해를 묻다

7. 내비게이션

• 내비게이션, 당신의 스마트한 운전 비서
• 오컴의 면도날 원칙
• 예측을 좌우하는 데이터
• 의사결정나무 : 단순한 모델링의 힘
• 랜덤 포레스트, 대중의 지혜를 발휘하다
• 그레이디언트 부스팅, 정답과 거리를 줄여나가다
• 데이크스트라 알고리즘, 최단 거리 탐색의 비밀
• 모든 내비게이션이 채택한 A* 알고리즘
• 내비게이션, 경로 안내 그 이상의 것

8. 추천 알고리즘

• 추천 서비스의 역사 : 넷플릭스에서 유튜브까지
• 맥주와 기저귀는 함께 팔린다.
• 10대 소녀의 임신을 예측한 알고리즘
• 추천 시스템의 시작
• 협업 필터링 : 비슷한 고객을 추천하다
• 행렬 인수분해 : 잠재요인을 찾아내다
• 딥러닝을 도입한 유튜브 추천 알고리즘 

출처 : 

  1. 박상길, "비전공자도 이해할 수 있는 AI 지식", 반니, 2022.03.

  

인공지능의 6가지 위험성

1. 악의적 이용

• 인공지능의 용도는 공동선을 위한 것이나, 악의적 목적으로 사용될 수 있다. 
• 버나드 마르 :  “최근 사건에 비추어 보아 초지능 기계의 등장 가능성이 예상보다 빠를 것으로 예측되며, 지금이 바로 인공지능의 위험성과 법적, 정치적, 재정적, 사회적 결과를 논해야 하는 시점”(포브스 인터뷰)

2. 자율 무기

• 인공지능이 자율성을 갖춘 무기와 통합되어 살인이나 인간을 위해할 목적으로 프로그램 되는 경우, 세계 핵무기 경쟁이 자율 무기 경쟁으로 탈바꿈하게 될 수도 있다.
• 블라드미르 푸틴 - "인공지능의 선두 주자가 세상을 지배할 것"

3. 사회적 조작

• 인공지능을 활용하여 소셜미디어에서 사용자의 선호도 파악뿐만 아니라, 사고방식을 알아내고 있어 이를 기반하는 사회적 조작에 대한 위험이 있다.
• 케임브리지 애널리티카 - 페이스북 사용자 5,000만 명의 데이터를 2016년 미국 대통령 선거 결과와 브렉시트 국민 투표에 영향을 미치기 위해 비밀리에 사용하려 했는지에 대한 조사는 아직 진행 중

4. 사회적 억압과 사생활 침해

5. 인류와 기계 간의 목표 불일치
6. 차별  

참조 : 인공지능의 6가지 위험성

VI. 인공지능 최신 동향

1. 최근 AI 인공지능의 10대 사건

2. 문장으로 그림 생성

3. ChatGPT, GPT-3 

4. 생명과학 응용 

V. 인공지능 활용 사례

 

1. 인공지능 활용

• AI는 과학을 발전시키고 인간이 맞닥뜨린 글로벌 난제를 해결하는 데 중요한 역할을 하고 있음

2. 인공지능 주요 적용 사례 

• 인공지능 8가지 사례 조사 

3. 챗봇 : ChatBot

• ChatGPT 
• DeepBot - 한글 챗봇 시험 

4. 자연어 처리

• 한국어 자연어 처리 

5. 그림 그리기 

• 텍스트 입력 기반의 그림 자동 생성 : dallE 
• Stable Diffusion 
• AI 활용 그림 그리기

6. 동영상 만들기  

• 텍스트 입력 기반의 동영상 자동 생성 : Pictory AI 

7. 콘텐츠 만들기  

• 문서 작성 도움 : Notion AI 

8. 기타 인공지능 적용 분야 

• 우주탐사
• 기후
• 기후 변화 모니터링을 통해 수집된 데이터를 활용하여 기후의 실시간 변화를 추적하고, 비효율적인 과정을 줄여 지구상에 발생하는 다양한 위기에 대응 지원 
• 전 세계적으로 사막화의 영향, 남북극 빙하의 유실 등 기후 변화 모니터링으로 가뭄, 홍수, 온난화 등 다양한 지구 문제 극복에 활요 
• 항공
• 대량의 실시간 비행 데이터를 처리하여 항공사가 보다 효율적은 비행 경로를 계획하고 화물 공간을 최대화해 탄소 배출량을 줄일 있도록 도와 줌 
• 농업
• 방대한 데이터베이스를 상호 참조하여 농업 종사자들이 농작물 관련 문제를 확인하고 해결할 수 있도록 함 
• 교통
• 도시 전체의 교통 정보를 실시간으로 분석해 출근 경로를 효율적을 계획
• 가상 비서 (Virtual assistant)
• 인간 비서의 디지털 버전 - 인간을 위해 작업을 수행하는 AI 기반 애플리케이션
• 인간의 명령과 질문에 응답하여 특정 작업을 완료하도록 도와줌 
• 음성인식을 통해 온라인 정보 검색, 음악 재생, 날씨, 뉴스 등 기본적인 질문에 대한 답변 제공  
• 가전 제어를 통해 난방을 켜주고, 테이크아웃 음식점에 주문을 넣고, 공항 도착전 항공편 변경 사항 알려 주거나 메일을 확인하는 등 복잡한 심부름도 진행 
• 게임
• 왓슨 : TV 게임 프로글맹에서 인간 참가자를 이긴 최초의 AI 시스템 
• 201년 IBM 왓슨은 미국 퀴즈쇼 'Jeopardy'에서 두사람을 상대로 우승을 차지하였음 
• 왓슨은 수백만 권의 책과 사전, 백과사전의 내용을 기반으로 답을 하였음
• 일상 대화에 쓰는 말들이 포함된 예시 데이터 기반으로 훈련되어 오늘날 '자연어 시스테'을 구축하는 방식의 기초가 되었음 
• 의료
• 현재 수많은 방사선 전문의가 AI 도구를 이용하여 엑스레이를 연구하고 이상 징후를 찾아내며 사람들의 질병을 더 빠르고 정확하게 진단
• 암세포 검색, 뇌 스캔으로 알츠하이머 징후 진단
• AI와 의사는 상호 보완적 : AI는 데이터셋 분석을 획기적으로 가속화하고 더욱 더 신속하게 진단

  

III. 인공지능 장단점

1. 인공지능 장점

• 인간 개입 최소화
• 인간과 달리 학습 시간의 거의 필요 없이 지능형 서비스에 인간 개입 최소화
• 비용절감 효과
• 인공지능에 알맞는 알고리즘과 데이터를 제공하면 모든 과정 자동화 가능

2. 인공지능 단점

• 인공지능의 한계
• 잘 학습된 상황에서는 가장 좋은 결과가 도출되나, 그외에는 한계 있음 
• 편향 - 학습된 내용이나 알고리즘에 따라 결과가 치우침  
• 인공지능의 법적 책임
• 알고리즘 실수로 피해 발상시 알고리즘 개발자, 이용자 책임 소재 모호
• 인공지능의 오용성 
• 결과 산출 과정 모호 - AI 시스템의 복잡성을 인해 결과 산출 과정을 인간이 확인하기 어려운 문제
• 오용 및 무분별한 사용으로 인간에게 위협이 되거나 끔찍한 결과 발생 가능 
• 허위 정보 (Fake) 제공 

3. 인공지능 위험성  

• 위험성 경고 
• 스티븐 호킹 - "인공지능은 인류의 종말을 초래할 수 있다"
• 일론 머스크 - " 인공지능은 악마를 소환하는 것"
• 허위 정보 (Fake) 제공의 위험 
• AI를 사용해 만든 허위의 이미지, 오디오 또는 동영상 
• 딥페이크(Deepfake) 
• 윤리 (Ethics) 문제 
• AI는 윤리적으로 고려해야 할 다양한 쟁점들을 노출시킴
• 윤리적 문제에 AI 동작에 어떤 제한을 해야 하는 지에 대한 논쟁

4. 인공지능 6가지 위험성

Web Pages

etriware, etri, etrij, library, pn, pms, dooray, aiopen, nanum, iic, mroom, atc, opal

iitp, keit, kiat, kaia, koti, ezbaro, ezone, kezbaro, iris anaconda, ncia, kea, ntis, ntb, kotef, istk, ernd, startup, analytic, bigdata, alio, jwa, hanog, gdocs, kblog, wt, gblog, ghd, ddtm, imap, kippco, igoogle

k-hub, redmine_t, cloudsc, etnews, dt, eet, wiki, mbap, linux, w3, wlang, ndsl, kosen, xplore, etlib, dict, idc, inyx, apps, lgu+, mobiz, scratch, slideshare, digikey

google, daum, nate, naver, col, freechal, korea, atfile, auction, dizzo, coupang, timon, groupon, cjmall, gsshop, hdshop, danawa, yavis, bugs, soribada, mnet, congnamul, neophoto, kair, asiana, skt, ktf, hangame, ohmy, hide, krail, law, gdata, slife, stimes, fedu, sedu, rise, inaturalist, sowo, ecoi, yangpa, scenary, dcsoop

kbs, mbc, sbs, chosun, joins, donga, khan, kukmin, hankook, hani, dj, daejon, cctoday, dtnews/ Schosun, Sseoul, Stoday, dailyS, hot, icorss, govnews

finance, sema, nps, 8p, onbid, kseed, korbit, bokji, maeil, hanky, dart, woori, nh, kw, kb, citi, hana, kb, mirae, epost, cu, ssfn, slife, hantoo, hcard, moneta, pax, morstar

interpark, onoffmix, arsnova

icon, embed, youtube

IV. 인공지능 요소 기술

1. 알고리즘 (Algorithm)

• 머신러닝 마인드맵

머신러닝 알고리즘 마인드맵 (출처:https://www.kaggle.com/getting-started/153090)

 o 알고리즘에 대한 자세한 설명 

• Bayesian 
• Decision Tree
• Dimensionality Reduction
• Instance Based
• Clustering
• Deep Learning
• EnSemble
• Neural Networks
• Regularization
• Rule System
• Regression

2. 자연어 처리 (NLP, Natural Language Processing)

• 머신러닝을 사용하여 언어 데이터를 처리하여 텍스트의 구조와 의미를 파악. 자연어 인식 및 자연어 생성이 NLP의 유형입니다.
• NLU(Natural Language Understanding)는 텍스트 본문의 실제 의미를 이해하기 위해 사용됩니다. NLU는 텍스트를 분류, 아카이브, 분석할 수 있습니다. NLP는 한 단계 더 나아가 그러한 의미에 기반한 의사결정을 도와줍니다.

출처: https://www.researchgate.net/figure/Terminology-of-NLU-versus-NLP-41_fig1_332654801

• 기계번역

3. 인공지능망 (Neural Networks)

• 퍼센트론 과 인공지능망 
• Back-Propagation
• Hopfield Network

4. 탐색(search)

• 문제의 답이 될 수 있는 것들의 집합을 공간(space)으로 간주하고 문제에 대한 최적의 해를 찾기 위해 공간을 체계적으로 찾아 보는 것

• 무정보 탐색
• 너비우선 탐색(breadth-first search), 깊이우선 탐색(depth-first search)

• 휴리스틱 탐색
• 언덕오르기 탐색, 최전 우선탐색, 빔탐색, A* 알고리즘

• 게임 트리 탐색
• mini-max 알고리즘, a-B 가지치기(pruning), 몬테카를로 트리 탐색

 5. 지식표현

• 문제해결에 이용하거나 심층적 추론을 할 수 있도록 지식을 효과적으로 표현
• IF-THEN 규칙
• 프레임
• 의미망
• 지식 그래프
• 논리 : 명제논리, 술어논리
• 스크립트
• 온톨로지 기술언어
• 불확실한 지식 표현
• 확률 그래프 모델
• 함수 기반 지식 표현

6. 추론

• 가정이나 전제로 부터 결론을 이끌어 내는 것
• 규칙기반 시스템의 추론
• 전향추론
• 후향추론
• 확률 모델의 추론
• 관심 대상의 확률 또는 확률분포를 결정하는 것
• 베이스 정리, 주변화 이용 

7. 음성인식 

• 음성인식 - 자동 음성 인식(ASR), 컴퓨터 음성 인식 또는 음성-텍스트 변환(Speech-to-text)이라고도 부르는 음성 인식은 프로그램이 사람의 음성을 텍스트 형식으로 처리할 수 있도록 해주는 기능

8. 기계학습 (Machine Learning)

• 컴퓨터가 지식을 갖게 만드는 일
• 경험을 통해 나중헤 유사하거나 같은 일을 더 효율적으로 처리할 수 있도록 시스템의 구조나 파라미터를 바꾸는 것 
• 머신러닝 마인드맵

9. 심층강화학습 (DRL, Deep Reinforcement Learning)

• 심층강화학습 

    

   

II. 인공지능 역사

1. 세 차례의 봄 

2. 1960년대 이전 

• 기원전 3세기 중국 춘추전국시대
• 얀스 : 인간 모습의 거대 인형
• 기원전 2~3 세기  : 이집트 
• 움직이는 기계장치와 인형 : 크테시비우스(Ctesibius, BC 285~222) 
• 1세기 중반 : 이집트 
• 헤론의 공 : 헤론(Heron, AD 10~70) 
• 8세기 중반 : 이슬람
• 바그다드 풍력 동상 
• 9세기 : 이슬람 
• 바누무사 형제 : 음악 시퀀스, Automata
• 12세기 : 이슬람 
• 알 자자리(1136~1206) : 코끼리 시계, 자동 여닫이 문, 연주하는 악단 
• 18세기 후반
• 조건부 확률 : 베이즈의 정리
• 메케니털 터크 : Mechanical Turk
• 19세기 
• 찰스 배비지 : 미분 엔진 
• 에이다 러비레이스 : 배비지 엔진 기반 최초의 프로그램 
• 20세기 초반
• 니콜라 테슬라 : 원격 조정 보트
• 니시무라 마코토 : 카쿠텐소쿠(1928, 원시적 휴머노이드 로봇)
• 앨런 튜링 : 애니그마, 튜링 테스트  
• 버트런드 러셀(Bertrand Russell) : 
• 인간처럼 생각하고 추론할 수 있는 기계를 만들기 위해 형식 논리를 사용한다는 아이디어를 제안
• 1946년 펜실베니아 대학, ENIAC 개발 
• 큰 기대와 여러 가지 시도, 매우 제한된 성공 
• 1955년 
• 딘 에드몬드 : 기초적인 신경망 기계 SNARC 제작 
• 허버드 사이먼, 앨런 뉴얼 : 논리 이론가(Logic Theorist) 
• 1956년 : Dartmouth Conference (Dartmouth University, USA)  
• John McCarthy가 AI 용어 제안
• LISP 언어 개발 (McCarthy, 1958) 
• Advice Taker – 공리(axiom) 기반 지식표현 및 추론 (McCarthy) 
• Perceptron – 신경망 모델 (Rosenblatt, 1958) 
• 수단-목표 분석(means-ends analysis) 기법 (Newell & Simon, 1958) 
• 범용 문제해결을 목표로 한 GPS(General Problem Solver) 개발
• 수단-목표 분석
• 해결해야 하는 문제를 상태(state)로 정의
• 현재 상태와 목적 상태(goal state) 간의 차이 계산
• 목적 상태로 도달하기 위한 조작자(operator, 연산자) 선택 적용하는 과정 반복

3. 1970년대 - 80년대 초반

• 특정 문제 영역에 효과적인 방법을 찾는 연구 
• 전문가 시스템
• MYCIN
• 전염성 혈액 질환 진단
• PROSPECTOR
• 광물탐사 데이터 분석
• DENDRAL
• 화학식과 질량 스펙트럼 데이터로 부터 유기화합물 분자구조 결정 

4. 1980년대 - 90년대

• 신경망 모델 발전
• 다층 퍼셉트론(MLP)
• 오차 역전파 알고리즘
• 신경망의 르네상스
• XOR 문제와 같은 비선형 분할 문제 해결 가능
• 퍼지이론
• 언어적인 애매한 정보를 정량화
• 진화연산
• 유전자 알고리즘
• 확률적 그래프 모델
• 그래프 이론과 확률 이론 결합
• 서포트 벡터 머신
• 수치계산 위주의 비기호적 인공지능 발전(기호적 인공지능 보다)

5. 2000년대 이후

• 최근 AI 인공지능의 역사적 10대 사건
• 공유 문화
• 논문 사이트 공유
• arXiv(아카이브)
• 강의 사이트 공유
• 무크(MOOC) : 코세라(Coursera), 에덱스(edX), 유다시티(Udacity) 
• 코드 공유
• GitHub
• Kaggle 
• 질의 / 문답
• 스택오버플로우(Stackoverflow), 쿼라(Quora) 
• 최신기술트랜드
• 레딧(Reddit), 트위터(Twitter)_
• 에이전트 
• 위임받은 일을 자율적으로 처리
• 시맨틱 웹
• 컴퓨터가 웹 상의 자원을 이해하여 처리
• 기계학습
• 데이터 마이닝
• 딥러닝

I. 인공지능?

0. 들어가며...

• AI는 완성된 기술이 아님
• 토머스 쿤 Tomas Kuhn, 1922-96, 과학혁명의 구조
• "과학적 발견이란 결코 완결되지 않는다"
• "여러단계의 진화 과정을 거쳐 가는 것"
• 아이작 뉴턴 Issac Newton, 1642-1727
• "내가 멀리 볼 수 있었던 것은 고인의 어깨 위에 있었기 때문"
• 얀 르쿤
• "현상만을 읽을 줄 아는 것은 위험하다. 거대한 역사적 흐름을 느낄 줄 알아야 한다"
• 모라벡의 역설 (Moravec's Paradox)
• "어려운 것은 쉽고, 쉬운 것은 어렵다", Hans Moravec(1948~)
• 인간에게 쉬운 것은 컴퓨터에게 어렵고 반대로 인간에게 어려운 것은 컴퓨터에게 쉽다는 역설 

1. 지능(知能, intelligence) 

• 본능적이나 자동적으로 행동하는 대신에, 생각하고 이해하여 행동하는 능력 
• 지능은 다양한 방식으로 정의되고 연구된 복잡하고 다면적인 개념입니다. 일반적으로 지능이란 새로운 상황에 대해 배우고, 이해하고, 추론하고, 적응하는 능력을 의미합니다.
• 심리학자들은 종종 지능을 문제를 해결하고 추상적으로 생각하며 경험을 통해 배우는 능력으로 정의합니다. 그들은 또한 지능이 단일 특성이 아니라 언어 이해, 공간 추론 및 지각 속도와 같은 다양한 능력의 조합임을 인식합니다.
• 지능은 기억력, 추론 및 처리 속도와 같은 인지 능력을 평가하도록 설계된 IQ 테스트와 같은 다양한 표준화된 테스트를 사용하여 측정할 수 있습니다.
• 지능의 본질과 측정 방법에 대한 논쟁이 계속되고 있지만, 대부분의 전문가들은 지능이 학업 성취, 경력 성공 및 전반적인 웰빙을 포함하여 인간 삶의 여러 측면에서 중요한 요소라는 데 동의합니다.

2. 인공지능(人工知能, Artificial Intelligence) 

• 인공 지능(AI)은 자연 언어 이해, 이미지 및 음성 인식, 의사 결정 및 학습과 같이 일반적으로 인간 지능이 필요한 작업을 수행할 수 있는 지능형 기계를 만드는 것을 다루는 컴퓨터 과학의 한 분야입니다. 
• 간단히 말해서 AI는 얼굴 인식, 구어 이해 또는 자동차 운전과 같이 일반적으로 인간 지능이 필요한 작업을 수행할 수 있는 컴퓨터 시스템을 말합니다. AI 알고리즘은 대량의 데이터를 분석하고 인간이 놓칠 수 있는 패턴을 식별하여 해당 데이터를 기반으로 예측이나 결정을 내릴 수 있도록 설계되었습니다.
• AI는 자율주행차와 스마트 홈 기기에서 의료 및 금융에 이르기까지 다양한 애플리케이션에서 사용되고 있습니다. AI 기술이 지속적으로 개선됨에 따라 미래에 우리가 살고 일하는 방식을 형성하면서 사회에 점점 더 큰 영향을 미칠 것으로 예상됩니다.
• 인공적으로 만든 지능
• 기계가 경험을 통해 학습하고 새로운 입력 내용에 따라 기존 지식을 조정하며 사람과 같으 방식으로 과제를 수행할 수 있도록 지원하는 기술
• 오늘날 대부분의 인공지능 사례는 딥러닝과 자연어 처리에 크게 의존하며, 대량의 데이터를 처리하고 데이터에서 패턴을 인식함으로써 특정한 과제(알파고, 자율주행차량 등)을 수행하도록 컴퓨터를 훈련시킴 

•  튜링 테스트(Turing test)  (1950년, Alan Mathison Turing)
• 기계는 생각할 수 있는가? Can Machines Think?
• 기계가 인간의 생각을 모방하는 것이 가능한가?
• 인간이 기계와 대화하고 있다는 사실을 깨닫지 못한 채로 5분간 대화를 할 수 있다면, 그 컴퓨터는 테스트를 통과한다는 것 
• 지능의 조작적 정의 (operational definition) 
• 조작적 정의: 측정할 수 있는 조건으로 어떤 속성을 기술
• 튜링상
• ATM에서 컴퓨터과학 분야에 업적을 남긴 사람들에게 매년 시상하는 상. 컴퓨터과학의 노벨상"이라고도 불림. 
• 규칙기반 인공지능 모델
• 에이다 러브레이스 (Ada Lovelace, 1815-52) : 세계 최초의 프로그래머 
• "기계는 인간이 시키는 일만 한다. 어떤 해석 관계나 진실을 예측할 능력은 없다"
• 전통적인 방식의 컴퓨터 프로그래밍 개념 
• if-then 규칙 

• 기계학습 인공지능 모델
• 규칙 입력없이 기계가 스스로 학습하는 방식 
• 사람이 찾아내지 못하는 규칙도 컴퓨터가 학습을 거쳐 찾아 낼 수 있음

3. 인공지능(人工知能, Artificial Intelligence) 정의 

• 인공지능 용어 시작 
• 1956년 '다트머스 회의(Dartmouth)' - 인공지능(AI, Artificial Intelligence)
• 고도의 지능을 가진 컴퓨터 디바이스를 만들기 위한 과학과 공학 
• 퍼셉트론(Perceptron, 1958) : Frank Rosenblatt
• 인공 신경망 (Artificial Neural Network) 초기 모델 
• 인간의 두뇌가 뉴런이 서로 연결된 상태에서 전기신호를 보내어 정보를 전달하는 모델을 차용해 인공 뉴런이 연결된 인공 신경망 구현 
• 다양한 정의
• 사람의 생각과 관련된 활동, 예를 들면 의사 결정, 문제 해결, 학습 등의 활동을 자동화하는 것 (Bellman, 1978)
• 사람이 하면 더 잘 할 수 있는 일을 컴퓨터가 하도록 하는 방법을 찾는 학문 (Rich & Knight, 1991)
• 지능이 요구되는 일을 할 수 있는 기계를 만드는 예술 (Kurzweil, 1990)
• 지능적인 에이전트를 설계하는 학문 (Poole et al. 1998)
• 인지하고, 추론하고, 행동할 수 있도록 하는 컴퓨팅에 관련된 학문(Wilson, 1992)
• 인공물이 지능적인 행위를 하도록 하는 것 (Nisson, 1990)
• 목표에 따른 정의 (Thinking vs Act / Human vs Rationality)
• 인간처럼 생각하는 (Thinking Humanly)
• 인간처럼 행동하는 (Acting Humanly)
• 이성적으로 생각하는 (Thinking Rationally)
• 이성적으로 행동하는 (Acting Rationally)

4. 인공지능 종류 

• 강한 인공지능 (strong AI) 

       -  바둑, 번역 등 특수 분야뿐 아니라 모든 분야에서 사람과 같거나 우월한 인공지능

       -  범용인공 지능, SF나 영화 속에 자주 등장하는 인공지능 로본 등

       - 마음을 가지고 사람처럼 느끼면서 지능적으로 행동하는 기계

       -  추론, 문제해결, 판단, 계획, 의사소통, 자아 의식(self-awareness), 감정(sentiment), 

          지혜(sapience), 양심(conscience)

       - 튜링 테스트(Turing test) 

• 약한 인공지능 (weak AI, narrow AI)

       -  특정 문제를 해결하는 지능적 행동

       -  사람의 지능적 행동을 흉내 낼 수 있는 수준

       -  대부분의 인공지능 접근 방향

       -  중국인 방 사고실험(Chinese room thought experiment, John Searle, 1980)

          • 문 밑으로 중국어로 쓴 질문지를 전달

          • 방 안에서 중국어를 모르는 사람이 글자모양에 따른 중국어 단어 조합 방법

          • 매뉴얼을 참조하여 답변에 대한 단어 조합

          • 조합된 단어들을 문 밖으로 내보냄

          • 문 밖 사람은 중국어를 이해하는 사람이 방안에 있다고 생각

          • 단지 흉내만 내고 이해하는 것은 아님

          • 이해하지 못하고 흉내 낼 수 있어도 지능적(intelligent) 행동

       - 구글 알파고, 사진검색, 기계 자동번역기, 메일필터링, 숫자 판별 등 

• 초인공지능 (strong AI) 

       -  모든 면에서 인간의 능력을 훨씬 초월하는 인공지능 

       -  자체 기능 개선을 통해 초인공지능으로 이행되어 인류는 이해하기 어려움

       -  초인곤지능이 구현되면 인류는 영생을 누리거나 열등한 종으로 분류되어 멸종 가능

5. AI / ML / DL 정의 (참조)

• AI 인공지능(Artificial Intelligence)
• 인간의 학습능력, 추론능력, 지각능력, 언어 이해능력 등을 컴퓨터에 구현한 기술

• ML 머신러닝(Machine Learning)
• 머신 러닝은 과거의 경험을 바탕으로 추론 및 결정을 하는 방법을 머신에게 알려줘, 패턴을 파악하고 과거의 데이터를 분석하여 이러한 데이터들의 의미를 추측하고, 인간의 경험을 필요로 하지 않고서도 가능한 결론에 도달. 이러한 머신 러닝를 통해 데이터를 평가하고 결론을 낼 수 있으며, 기업은 인적인 시간을 절약하고 더 나은 판단을 내림
• 많은 데이터를 기반으로한 학습
• 뇌의 구조와 같은 인공신경망, 결정 트리 등의 기계학습
• 클라우드 컴퓨터가 학습 모형을 기반으로 외부에서 주어진 데이터를 통해 스스로 학습
• 빅데이터를 분석하고 가공해서 새로운 정보를 얻어 내거나 미래를 예측하는 기술
• 축적된 데이터를 토대로 상관관계와 특성을 찾아내고 결론을 도출

• DL 딥러닝(Deep Learning)
• 머신 러닝 방식의 일종입니다. 결과를 분류하고 추측하기 위해서, 레이어를 통해 입력을 처리하는 것을 기계에 가르칩니다
• 뇌의 구조와 같은 인공신경망 네트워크로 이루어지는 기계학습
• 알고리즘을 통한 ML로 인해 통계분석가들이 일일이 데이터를 입력하지 않아도 데이터값을 출력
• 컴퓨터가 여러 데이터를 이용해 마치 사람처럼 스스로 학습할 수 있게 인공신경망을 기반으로 구축한 기계 학습 기술
• 축적된 데이터를 분석만 하지 않고 데이터를 학습까지 하는 기계 학습 능력을 활용하여 결론을 도출

6. ML / DL 차이 (참조)

• ML, DL 프로세스 
• ML 
• Fearturing engineering을 통해, 각각의 문제를 여러 파트로 쪼개고 답을 구해서 합치는 방법을 사용
• 처리 데이터 : 데이터베이스, 레코드 파일, 엑셀 파일 등의 정형 데이터
• 학습 방법 : 높은 수준에서 입력에서 출력에 이르는 기능들을 대략적으로 학습하는데 중점으로 데이터 기반으로 한 다양한 기술을 학습하는 데 사용
• 알고리즘 : 랜덤 포레스트, ...
• 결과 분석 방법 : Engineering한 범위내에서 결과에 대한 명확한 이유와 원인등을 알수 있음
• 활용처 : 암진단, 암수술, 등의 의료분야 사업, 구글 서치, 메일 스팸, 아마존 추천

• DL 
• Input Data, Feature에 대한 Enginneering이 필요 없음
• 처리 데이터 : 이미지, 영상, 음성, 택스트(Text), 소리 등의 비정형 데이터
• 학습 방법 : 학습을 위한 실제 알고리즘을 제공하는 것 외에도 다양한 알고리즘의 가중치 분석, 가능한 가상 공간 이해등을 위한 이론 도구(VC 치수 등)를 제공
• 알고리즘 : cnn, rnn 
• 뉴럴 네트워크 : 뉴럴 네트워크는 인간의 신경 세포와 같은 유사한 원리. 뉴럴 네트워크는 마치 인간의 뇌처럼 다양한 기초 변수들 사이의 관계를 파악하고 데이터를 처리하는 일련의 알고리즘
• 결과 분석 방법 : 왜 어떠한 근거로 이러한 결과를 내었는지를 말해주지 않기 때문에, 사람이 그 결과를 해석하지 못함. 결과에 대한 해석 방법 : Desion Tree, 선형회귀모형 등과 같은 해석가능한 알고리즘을 활용
• 활용처 : 알파고, 스타그래프트 등 게임분야, 자율주행 자동차, 자율택시 등과같은 교통산업, 자연어
• 자연 언어 처리(NLP : Natural Language Processing) : 자연어 처리는 기계에 의한 언어의 판독, 이해, 해석의 과학. 기계는 사용자가 무엇을 의도하고 있는지를 사용자의 의사소통을 이해하면 그에 따라 응답.
• 컴퓨터 비전(Computer Vision) : 컴퓨터 비전 알고리즘은 이미지를 분석하여 객체의 다양한 부분을 조사함으로써 이미지를 이해. 이를 통해 기계는 일련의 이미지로를 분류하고 학습을하여 이전의 관찰 결과에 근거하여 보다 적절한 출력을 결정.
• 인지 컴퓨팅(Cognitive Computing) : 인지 컴퓨팅 알고리즘은 인간이 하고 원하는 결과를 제공하려고 하는 방식으로, 텍스트, 음성, 이미지, 객체를 분석함으로써 인간의 뇌를 모방.

인공지능 (AI, Artificial Intelligence)

I. 인공지능?

• 들어가며 
• 지능
• 인공지능
• 인공지능 정의
• 인공지능 종류
• AI / ML / DL 정의
• ML / DL 차이 

II. 인공지능 역사

• 최근 역사적 10대 사건
• 세 차례의 봄
• 1960년대 이전
• 1970년대-80년도 초반
• 1980년대-90년대
• 2000년대 이후

III. 인공지능 장단점

• 인공지능 장점
• 인공지능 단점
• 인공지능 위험성
• 인공지능 6가지 위험성  
• 인공지능 윤리

IV. 인공지능 요소 기술 

• 알고리즘
• 인공지능망 : 퍼셉트론
• 탐색
• 지식표현
• 추론
• 기계학습

V. 인공지능 활용사례 

• 인공지능 8가지 주요 사례
• 챗봇
• 자연어 처리
• 그림 그리기
• 동영상 만들기
• 기타 활용 사례 

VI. 인공지능 최근 동향  

• 문장으로 그림 생성
• 생명과학 응용 

VII. 인공지능 활용(코딩)

• 인공지능 프로그래밍 

VIII. 인공지능 활용(앱)

• 인공지능 활용 앱 

참조 : 

  1. 박상길, "비전공자도 이해할 수 있는 AI 지식", 반니, 2022.03.

  2. 정지훈, "AI 101 : 인공지능 비즈니스의 모든 것", 틔움출판, 2021.09.

  3. aistudy/인공지능 

  4. wikipedia/인공지능

  5. hash.kr/인공지능