인공지능) AI Related Fields

 

AI 외에도 알아두면 좋은 관련 분야에 대한 이야기.

 

 

머신러닝 Machine Learning

더 많은 경험이나 데이터로 주어진 작업에서 성능을 향상시키는 시스템

자체가 AI의 하위 분야라고 할 수 있다. (AI는 컴퓨터 과학의 하위 분야라고 할 수 있고, 이러한 카테고리 분리는 다소 부정확하며 머신러닝의 일부는 통계에 속할 수 있다.) 머신러닝은 적응형 AI 솔루션을 가능하게 한다.

Systems that improve their performance in a given task with more and more experience or data. Machine learning enables AI solutions that are adaptive. 

 

 

딥 러닝 Deep Learning

머신러닝의 하위 분야. 딥 러닝의 '깊이'는 수학적 모델의 복잡성을 의미하며, 현대 컴퓨터의 컴퓨팅 성능이 증가하여 연구자들이 이러한 복잡성을 증가시켜 정량적으로뿐만 아니라 질적으로도 이전과 다르다.

이를 통해 연구자들은 특정 주제를 확대하여 수년에 걸쳐 증가하는 지식을 따라잡을 수 있고, 새로운 지식을 생산한다. 때로는 더 정확하도록 초기 지식을 수정할 수도 있다.

Let us just note that the “depth” of deep learning refers to the complexity of a mathematical model and that the increased computing power of modern computers has allowed researchers to increase this complexity to reach levels that appear not only quantitatively but also qualitatively different from before.

 

 

데이터 사이언스 Data Science

머신러닝과 통계, 알고리즘, 데이터 저장, 웹 애플리케이션 개발을 포함한 컴퓨터 과학의 특정 측면을 포함하는 최근의 포괄적인 용어이다.

예를 들어 부가가치가 무엇을 의미하는지에 대한 목적, 기본적인 가정, 제약 등 비즈니스나 과학에 적용되는 영역에 대한 이해를 필요로 하는 실용적인 분야이다. 데이터 사이언스 솔루션은 종종 최소한의 AI를 포함한다. (그리고 이는 위에서 기대하는 만큼은 아님)

Data science is also a practical discipline that requires understanding of the domain in which it is applied in, for example, business or science: its purpose (what "added value" means), basic assumptions, and constraints.

 

 

로봇공학 Robotics

로봇이 복잡한 실제 시나리오에서 작동할 수 있도록 구축하고, 프로그래밍 하는 것을 의미한다. 로봇 공학은 모든 영역의 AI가 결합해야 하기 때문에 어떤 면에서는 AI의 궁극적인 과제이다. 예를 들면 다음과 같다.

◾ 환경 감지를 위한 컴퓨터 시각 및 음석 인식

◾ 자연어 처리, 정보 검색, 불확실성 하에서 명령 처리 및 잠재적 행동 결과 예측 추론

◾ 인간과 상호 작용하고 함께 작업하기 위한 인지 모델링 및 정서 컴퓨팅 (인간의 감정 표현에 반응하거나 감정을 모방하는 시스템)

로봇과 관련된 AI 문제는 머신러닝을 통해 가장 잘 접근할 수 있으므로, 머신러닝은 로봇 공학을 위한 AI의 핵심 분야로 자리 잡고 있다.

Robotics means building and programming robots so that they can operate in complex, real-world scenarios. Many of the robotics-related AI problems are best approached by machine learning, which makes machine learning a central branch of AI for robotics.

 

로봇이란? What is a robot?

일련의 동작을 수행하도록 프로그래밍 할 수 있는 센서(환경 감지)와 액추에이터(환경에 작동하는 것)으로 구성된 기계. 우리에게 익숙한 사람/동물 모습의 금형 기계와는 다르다. 현재 사용 중인 대부분의 실제 로봇은 애플리케이션에 따라 설계되었기 때문에 매우 다르게 보인다.

언뜻 보기에는 분명하지 않을 수 있지만, 최소한 어느 정도의 자율성을 갖추고 센서와 액츄에이터를 포함한 차량도 로봇 공학으로 간주된다. 한편, 고객 서비스 챗봇과 같은 소프트웨어 기반 솔루션은 로봇으로 간주되지 않는다.

In brief, a robot is a machine comprising sensors (which sense the environment) and actuators (which act on the environment) that can be programmed to perform sequences of actions.

 

---

 

Exercise 2

AI, 머신러닝, 컴퓨터 과학, 데이터 사이언스, 딥러닝 관계를 표현한 오일러 다이어그램 분류 체계 구성 맞추기

(빨간색은 실제로 직접 내가 선택한 답, 정답은 해설과 별도 표기)

AI → B

머신러닝 → C

컴퓨터 과학 → A

데이터 사이언스 → E

딥러닝 → D

∴ 컴퓨터 과학 < AI < 머신러닝 < 딥러닝

∩ 데이터 사이언스

 

 

Excersice 3

작업별 AI 관련 분야 선택하기

Hint: 머신 러닝에는 거의, 항상, 일종의 통계가 포함된다.

(빨간색은 실제로 직접 내가 선택한 답, 정답은 해설과 별도 표기)

 

1. 자율주행 차

통계    |   로봇공학   |   머신러닝

2. 로켓을 궤도로 조종

통계    |   로봇공학   |   머신러닝

3. 온라인 광고 최적화

통계    |   로봇공학   |   머신러닝

4. 고객 서비스 챗봇

통계    |   로봇공학   |   머신러닝

5. 갤럽 결과 요약

통계   |   로봇공학   |   머신러닝

 

 

---

 

Exersice 2

▶ 정답 확인

1. B - AI는 컴퓨터 과학의 일부이다.

2. C - 머신러닝은 보통 AI의 한 부분으로 여겨진다.

3. A - 컴퓨터 공학은 AI뿐만 아니라 분산 컴퓨팅, 인간과 컴퓨터의 상호작용, 소프트웨어 엔지니어링과 같은 다른 하위 분야도 포함하는 비교적 광범위한 분야이다.

4. E - 데이터 사이언스는 컴퓨터 과학과 AI가 필요하다. 하지만 통계, 비즈니스, 법률, 기타 응용 분야를 포함하므로 일반적으로 컴퓨터 과학의 일부로 간주되지 않는다.

5. D - 딥 러닝은 머신러닝의 일부이다.

(5/5)

 

Exersice 3

▶ 정답 확인

1. 통계, 로봇공학, 머신러닝 - 자율주행차는 다양한 기술을 적용해 기능을 발휘한다.

2. 로봇공학 - 로켓을 궤도로 조종하기 위해서는 적절한 시간과 힘으로 엔진을 발사하기 위한 로봇공학이 필요하다.

3. 통계, 머신러닝 - 올바른 유형의 광고를 적절한 잠재 고객에게 제공하고 최적화의 효과를 측정하기 위한 머신러닝과 통계가 필요하다.

4. 머신러닝 - 인간이 생산한 언어를 이에 알맞은 행동할 수 있는 방식으로 처리하는 머신러닝이 필요하다.

5. 통계 - 갤럽 결과를 요약하는 것은 통계를 사용하여 통찰력을 얻는 고전적인 방법이다.

(3/5)