* 기계를 더욱 인간답게, AI 핵심 기술, AI 기초 단어.

* 기계를 더욱 인간답게, AI 핵심 기술

기계 학습 & 딥러닝 - ◆ 수많은 작품을 학습함으로써 작품의
패턴을 배우고, 여기에 약간의 변화를 줘서 새로운 예술 작품을
만들어 낸다. 고흐의 작품을 배운 AI에 풍경 사진을 주면 고흐풍의
그림으로 순식산에 바꿔놓는다. 작고, 연주, 시, 소설, 안무 등도
가능하다."

GPT-3 - ◆ 주제를 주면 그와 연관된 에세이를 직접 작성한다.
창의성을 넘어 모방하기도 가능하다. 셰익스피어의 시구절을
주면 이를 학습해서 그의 시풍으로 시를 짓기도 한다.

딥페이커 - ◆ 동영상의 출연자를 원하는 얼굴로 바꾼다. 이 기술로
오바마 미국 대통령이 엉뚱한 발언을 하고, 펠로시 미국 연방하원의장이
음주 후 횡설수설하는 가짜 동영상까지 만들어져 SNS에 떠돌았다.

비전 시스템 - ◆ 무인점포가 개설되었다. 소비자는 상점에 들어가
원하는 물건을 갖고 그냥 나오면 된다. 계산은 사용자의 등록된 계정을
찾아 자동으로 이뤄진다. 물건을 고르다 마음이 변하여 다시 돌려놓는
것도 모두 파악한다.

병렬현실 - ◆ 여러 명이 동시에 같은 지점을 본다. 하지만 모두 똑같은
정보를 보는 것은 아니다. 고객 각자에게 서로 다른 원하는 정보만 보인다.
이런 맞춤형 게시판이 공항에 설치되고 있다.

챗봇 - ◆ 사용자가 질문을 하면 인터넷을 검색해 대답하는 것은 기본이고
심심풀이 말동무도 된다. 일정표와 연결해 계획된 업무를 원하는 시간에
수행시키고, 개인 비서처럼 사용자가 해야 할 일을 기억했다가 알려준다.

 

AI 기초 단어

CNN.(convolutional neural network) - * 심층 신경 네트워크의 한 종류로, 시각적 이미지 분석에서 좋은 성과를 낸다. 필터를 이용한 특성 추출과 공간변이 흡수를 반복한 결과로 최상위층에서 의사
결정한다.

강화 학습 - * 시행착오를 거치면서 바람직한 행동 패턴을 학습하는 알고리즘. 강화 학습의 환경은
에이전트가 처할 수 있는 상태. 각 상태에서 선택할 수 있는 행동들, 그리고 각 행동에 따른 상태의
변화와 보상으로 정의된다.

군집화 - * 훈련용 데이터집합에서 서로 유사한 것들을 묶어 군집을 형성하는 작업이다.
군집화를 위해서는 유사성의 판단 기준을 미리 정해야 한다.

기계 학습 - * 경험을 통해 자동으로 성능을 개선하는 컴퓨터 알고리즘의 연구 분야 데이터를
모아서 기계학습을 수행하여 알고리즘을 만드는 딥러닝이 실용적 성과를 낸다.

기울기 - * 직선의 기울어진 정도를 나타내는 척도 X의 증가량에 대한 Y의 증가량으로 표현한
다. 기울기의 절댓값이 크면 직선이 가파르다는 것을 의미한다.

노드 - * 선이나 경로가 교차하거나 분기하는 지점. 그래프는 노드와 이들을 연결하는 연결선
으로 구성된다.

데이터의 차원 - * 데이터를 표현하기 위하여 사용된 특성의 개수. 너무 많은 수의 특성으로
데이터를 표현하면 그 데이터가 갖는 깊은 의미를 나타내지 못하는 경우가 많다.

딥페이크( Deep Fake) - * 사진이나 동영상에 나타난 인물의 얼굴을 타인의 모습으로 바꾸는 기술.

 

망구조 - * 인공신경망을 형성하는 노드들과 연결선의 구성 형태.

모델 - * 현실 세계의 사물이나 사건에서 필요한 것은 남기고 세부사항을 축약한 표현이나 모형.

병렬현상( Parallel Reality) - * 한 화소가 보는 위치에 따라 다른 정보가 보이게 하는 기술.

생성망( Generative Network) - * 순차적으로 데이터를 생산하는 인공 신경망. 생성되는 데이터가
특정 분포를 갖도록 할 수 있다.

신경망 - * 생물학적 신경망은 신경세포들이 연결된 구조를 지칭한다. 인공 신경망은 생물학적
신경망을 모방하여 신경세포를 노드로 표현하고 신경세포들의 연결을 연결선으로 구성한 구조다.

알고리즘(Algorithm) - * 문제 해결을 위해 컴퓨터가 해야 할 일을 하나씩 지시해 주는 단계적 방법.

엑츄에이터(Actuator) - * 무언가를 움직이거나 작동하게 만드는 장치.

에이전트 - * 센서로 외부 환경을 지각하고 엑츄에이터로 외부 환경에 영향을 주는 모든 시스템,

연결선 - * 노드와 노드를 연결하는 선.

오류 자승의 평균치(MSE) - * 추정값과 실제값의 차이(이를 오류라고 함)의 제곱의 평균. 이 값은
학습이나 추정 알고리즘의 품질을 측정하는 척도로 쓰인다. 음수가 될 수 없고 0에 가까울수록
좋다.

오류역전파 - * 인공 신경망의 출력층에서 발견한 오류(출력값과 원하는 값의 차이)를 입력층의
방향으로 전파하여 순\차적으로 파라미터를 수정하게 하는 행위'

은닉층 - * 계층적 인공 신경망에서 노드의 입출력을 망 밖에서는 볼 수 없는 것으로 구성된
신경만 노드의 계층.

자연어 - * 사람이 일상적으로 사용하는 언어.

절편 - * 직선이 y축과 만나는 곳.

 

지도 학습(Supervised Learning) - * 입력과 출력 간의 관계를 학습하는 데 사용된다. 입력과 그에
해당하는 출력이 쌍으로 주어진 훈련 데이터 집합에서 입력과 출력 간의 함수 관계를 배운다.

컴퓨터 비전(Computer Vision) - * 인공지능의 세부 연구 분야 중 하나로 컴퓨터가 사람과 같이
보고 이해할 수 있는 능력을 갖도록 하는 것이 목표다.

트리(Tree) - * 두 노드를 연결하는 경로가 하나뿐인 특수한 형태의 그래프. 그래프는 노드와 이들
을 연결하는 연결선으로 구성된다.

파라미터(Parameter) - 시스템을 정의하거나 작동 조건을 설정하는 변수. 즉 변할 수 있는 값.
매개변수라고 한다.

퍼셉트론(Perceptron) - *입력과 출력만 있는 단층 신경망. 단층 신경망의 학습 알고리즘을 지칭
하기도 한다.

함수 - * 입력 변수와 출력 변수와의 관계. 또는 이를 나타내는 표현.

회귀분석(Regression Analysis) - * 입력과 출력이 연속형 숫자로 주어졌을 때 이들의 함수
관계를 학습하는 문제.