맞힌 개수
0 / 6
인공지능의 의미와 데이터·모델·학습이라는 핵심 요소를 이해하고, 기계학습의 세 가지 방법(지도·비지도·강화학습)을 구분합니다.
| 단계 | 활동 | |
|---|---|---|
| 도입 | 영화 속 인공지능과 현실 속 인공지능 비교하기 | 5분 |
| 활동1 | 인공지능은 무엇일까? | 10분 |
| 활동2 | 인공지능에 수학이 어떻게 활용될까? | 10분 |
| 활동3 | 인공지능은 어떻게 학습할까? — 지도·비지도·강화학습 분류하기 | 20분 |
| 정리 | 인공지능·기계학습·딥러닝의 관계 | 5분 |
영화 속에서 인공지능은 다양하게 등장합니다. 우리 일상생활에서도 번역, 사물 및 생체 인식, 제품 설계 등 다양한 영역에서 인공지능 기술이 널리 이용됩니다. 다음은 현실 속에서 실제로 활동하고 있는 인공지능들입니다.
인공지능(AI, Artificial Intelligence)은 인식, 학습, 추론, 행동 등과 같은 인간의 지적 능력이나 사고 과정을 컴퓨터가 실행할 수 있도록 구현하는 기술을 의미합니다.
인공지능은 데이터, 모델, 학습이라는 세 가지 핵심 구성 요소를 통해 스스로 판단하고 논리적인 사고와 행위를 수행합니다.
| 구성 요소 | 역할 |
|---|---|
| 데이터 | 인공지능이 학습하고 판단하는 데 필수적인 출발점. 집합·벡터·행렬 등의 개념을 이용해 컴퓨터가 이해하고 처리하기 적합한 형태로 변환한다. |
| 모델 | 현실 세계의 복잡한 관계를 수학적으로 표현한 것. 데이터를 기반으로 결과를 산출한다. |
| 학습 | 모델이 데이터를 통해 스스로 규칙을 찾아내고 성능을 개선해 가는 과정. |
일상생활에서 수학적 원리가 인공지능에 어떻게 활용되고 있는지 살펴봅니다.
음성 인식 : 우리가 말하고 듣는 모든 소리는 복잡한 형태의 파동으로 이루어져 있으며, 특히 사람의 목소리는 여러 파동이 중첩되어 일정한 주기를 갖는 고유한 파형을 구성합니다. 사람 목소리의 복잡한 파동은 서로 다른 주기를 가진 삼각함수의 합으로 표현할 수 있습니다. 인공지능 스피커는 이 원리(자연어 처리)를 이용해 사람의 음성을 인식합니다.
이미지 인식 : 인공지능은 스마트폰이나 컴퓨터에 저장된 사진을 검색해 주제별·시간별·장소별로 분류하거나, 유사한 물건·장소를 찾아 줄 수 있습니다. 이미지는 아주 작은 픽셀로 이루어져 있고, 각 픽셀은 숫자들로 표현됩니다.
인공지능을 말할 때 기계학습(Machine Learning)이란 용어가 자주 등장합니다. 기계학습은 사람이 학습하듯 컴퓨터가 주어진 자료를 스스로 학습하여 문제를 해결하는 것을 의미합니다. 기계학습은 학습시키는 방법에 따라 지도학습, 비지도학습, 강화 학습으로 분류할 수 있습니다.
| 방법 | 정의 |
|---|---|
| 지도학습 (Supervised Learning) | 입력값과 출력값(정답)을 함께 주고 학습시키는 방법. 학습 데이터에 정답을 달아주는 것을 레이블링(Labeling)이라고 한다. |
| 비지도학습 (Unsupervised Learning) | 정답이 제공되지 않은 데이터를 학습하여 기계가 스스로 새로운 정보(패턴, 군집)를 찾아내는 방법. |
| 강화학습 (Reinforcement Learning) | 현재 상태에서 어떤 행동을 하는 것이 최적인지, 보상을 통해 점점 강화되도록 학습하는 방법. |
인공지능을 구현하는 방법 중에서 대표적인 기술이 기계학습이고, 딥러닝은 기계학습의 여러 방법 중 하나입니다. 즉 인공지능 ⊃ 기계학습 ⊃ 딥러닝의 포함 관계가 성립합니다.
오늘은 인공지능의 정의와 기계학습의 세 가지 방법을 배웠습니다. 다음 시간에는 뇌의 뉴런을 본뜬 인공신경망과 퍼셉트론의 계산 원리를 직접 계산해 봅니다.