[ AI 최강의수업] 스스로 배우는 인공지능

 

 

스스로 배우는 인공지능

인공지능 기계학습은 인공지능 분야에서 가장 활발히 연구되고 있는 분야 중 하나로, 컴퓨터 시스템이 데이터를 분석하고 패턴을 학습하여 일정한 작업을 수행할 수 있도록 하는 방법입니다. 

스스로 알고리즘을 만드는 알고리즘

기계학습이란? 일반적 의미의 학습이란 경험을 쌓음으로써 행동의 모습, 모양이 변화하고 발전하는 것입니다. 인공지능에서 이야기하는 기계학습이란 '성능이 향상되는 컴퓨터 알고리즘에 관한 연구'를 총칭합니다. 외부환경의 관찰과 경험으로 스스로 능력을 향상함

기계학습 알고리즘은 지도 학습, 비지도 학습, 강화학습으로 분류됩니다.

지도학습 : 레이블링 된 데이터를 사용하여 입력과 출력의 관계를 학습하는 방법입니다. 예를 들어, 스팸메일 필터링을 위해 스팸과 일반메일로 레이블링된 이메일 데이터를 학습하여 새로운 이메일이 스팸인지 아닌지를 예측하는 모델을 만들 수 있습니다. 

비지도 학습 : 레이블링 되지 않은 데이터를 사용하여 입력 데이터의 패턴을 학습하는 방법입니다. 예를 들어, 데이터 군집화를 수행하여 유사한 데이터를 그룹으로 묶는 모델을 만들 수 있습니다. 

강화학습 : 에이전트가 행동을 취하고 그 결과에 대한 보상을 받아 보상을 최대화하는 행동을 학습하는 방법입니다. 

학습 후에는 새로운 입력에 해당하는 출력을 예측하는 데 사용할 수 있습니다. 비지도 학습은 입력에 해당하는 바람직한 행동 패턴을 학습하는 알고리즘입니다. 보상이 지연된다는 점 때문에 행동 선택이 어려움, 행동을 취했을 때 발생하는 상황과 보상에 불확실성이 있다면 의사결정은 더욱 어려움. 적절한 가정을 도입하여 문제를 단순화하는 것이 일반적이다. 

일반화 능력

훌륭한 과학 이론일수록 간단하면서도 다양한 현상을 설명해 준다. 반면 가장 열등한 학습방법은 훈련용 데이터를 모두 기억하는 것입니다. 기계학습도 마찬가지로 같은 능력이면 간단한 모델을 선호합니다. 기회 탐색은 미래에 더 나은 의사결정을 이끌어낼 수 있지만, 불확실성이 존재합니다. 

바람직한 행동 패턴을 학습하는 알고리즘

기회의 탐색과 투자의 균형을 위해 이익 창출을 위한 직접적인 투자와 기회 탐색을 위한 투자 간의 조화를 이루어야 좋은 성과를 낼 수 있습니다. 매 상태에서 누적 보상의 기대 값을 배우는 것, 알파고도 몬테칼로 방법의 강화 학습을 사용하여 무작위로 궤적을 선택하여 유추했습니다. 컴퓨터가 기계학습을 한다는 것은 알고리즘을 활용하여 집합을 잘 표현하는 모델을 구하는 것입니다. 

결론

인공지능 기계학습은 대규모 데이터 처리 및 분석, 자연어 처리, 이미지 및 음성인식 등 다양한 분야에서 사용됩니다. 이를 통해 더 나은 예측 및 의사 결정을 내리는 것이 가능해지니다. 따라서, 인공지능의 기계 학습 일반화 능력은 결국 데이터의 양과 질이 결정합니다.