Ai9 떼지능(Swarm Intelligence) 여기서는 생물의 군집이 나타내는 지적 활동에서 힌트를 얻은 알고리즘인 떼지능(swarm intelligence)에 공부합니다. 일자군집 최적화, 개미집단 최적화, 물고기 떼의 행동행태 알고리즘 등을 예로서 개념을 이해하는데 중점을 두고 공부해 보겠습니다. 1. 입자군집 최적화(PSO; Particle Swarm Optimization) 입자군집 최적화(PSO; Particle Swarm Optimization)는 물고기 떼로 대표되는 생물의 군집 활동을 시뮬레이션하여 최적값을 탐색하는 최적화 방법입니다. PSO와 같은 swarm-based optimization에서는 주어진 법칙에 더하여 agent들이 저장하고 있는 정보를 조합하여 최적해를 찾아갑니다. 입자군집 최적화(PSO)에서는 탐색 공간 속에 최적.. 2023. 5. 30. 딥러닝(Deep Learning) (3) - 생성적 대립 신경망(GAN; Generative Adversarial Network) 5. 생성적 대립 신경망(GAN; Generative Adversarial Network) 생성적 대립 신경망(GAN; Generative Adversarial Netwrok)은 생성기(Generator)와 판별기(Discriminator)가 경쟁하면서 실제와 가까운 이미지, 동영상, 음성 등을 자동으로 만들어 내는 머신러닝(ML) 학습 방식의 하나로서, 두 개의 신경망(생성기와 판별기)을 조합하여 비지도학습(unsupervised learning)을 진행하면서 입력된 데이터와 유사한 데이터를 생성할 수 있는 생성계를 구성하는 시스템입니다. GAN을 이용하면 주어진 이미지 데이터를 사용해 학습을 진행하여 주어진 이미지 데이터와 유사한 새로운 이미지 데이터를 생성하는 이미지 생성계를 얻을 수 있습니다. 참.. 2023. 5. 25. 딥러닝(Deep Learning) (2) - 자기부호화기(autoencoder) 및 LSTM(Long Short-Term Memory) (앞 편의 합성곱 신경망에 이어서 공부합니다.) 3. 자기 부호화기(autoencoder) 자기 부호화기(autoencoder)는 3층 구조의 계층형 신경망입니다. 자기 부호화기(autoencoder)는 입력층과 출력층에 같은 수의 인공 뉴런이 있고, 은닉층에는 입출력층의 인공 뉴런보다 적은 수의 인공뉴런을 배치한 형태입니다. (그림 2) 자기 부호화기(autoencoder)는 원래 비지도학습(unsupervised learning)으로 차원 축소(dimensionality reduction)가 목적인 계층형 신경망입니다. 그 의미를 살펴보면 다음과 같습니다. 자기 부호화기에 넣은 학습 데이터는 입력층의 신경망 개수가 같은 차수의 벡터입니다. 자기 부호화기에서는 특정 학습 데이터에 대응하는 데이터와 일치.. 2023. 5. 24. 딥러닝(Deep Learning) (1) - 합성곱 신경망(Convolutional Neural Network) 이제부터는 심층학습 또는 딥러닝(Deep Learning)이라 불리는 머신러닝(Machine Learning)에 대해 공부하고자 합니다. 1. 딥러닝(Deep Learning; DL)이란 딥러닝(Deep Learning)은 신경망을 이용한 머신러닝의 일종입니다. 딥러닝의 학습대상인 신경망은 일반 신경망과 비교해 대규모이며 복잡하다는 특징을 가지고 있습니다. 딥러닝 기술을 활용하면 신경망을 이용한 대규모 학습이 가능해집니다. 딥러닝은 이번 세기에 들어 엄청난 발전을 이루었습니다. 딥러닝이 발전하게 된 여러 가지 배경들을 정리하면 아래 (표 1)와 같습니다. (표 1) 딥러닝의 발전 배경 항 목 설 명 하드웨어 기술의 발전 CPU의 고속화와 멀티코어화, GPU를 일반 계산처리에 이용하는 GPGPU 기술의 발.. 2023. 5. 23. 인공지능(AI) 연구의 분야 별 발전 과정 (1) 지금부터는 인공지능(AI)의 발단과 발전되어 온 과정을 분야별, 역사적인 시간대 별로 살펴보고자 합니다. 1. [1940년~] 컴퓨터 과학의 시작 1) 존 폰 노이만과 셀룰러 오토마타(Cellular Automata) 앞서 살펴본 것처럼 인공지능(AI)은 컴퓨터과학에 속하는 소프트웨어 기술이기 때문에 1949년 현재 컴퓨터의 원조로 불리는 EDSAC이 가동된 이후 인공지능의 역사도 시작됩니다. 이 컴퓨터 개발에 참여한 많은 사람들 중 컴퓨터 아키텍처의 명칭인 '폰 노이만 구조'로 명성을 남긴 존 폰 노이만(John von Newmann)은 컴퓨터 개발에 큰 영향을 미쳤을 뿐만 아니라 셀룰러 오토마타(Cellular Automata) 개념을 제창하여 인공지능과 인공생명 연구에 큰 영향을 미쳤습니다. 셀룰러.. 2023. 5. 7. 우리 생활 및 산업에 인공지능(AI) 기술 활용 사례 오늘은 우리 주변에서 흔히 접할 수 있는 인공지능(AI) 기술을 활용한 사례들과 기반이 되는 기술들을 간략하게 정리해 보겠습니다. 1. 생활 속 인공지능 기술 응용 사례 1) 스마트폰 음성응답 시트템 전형적인 사례가 애플의 시리(Siri)와 같은 스마트폰 음성응답 시스템입니다. 스마트폰 음성응답 시스템은 자연어로 음성을 입력하면 키워드에 따라 정보를 검색하거나 스마트폰을 조작합니다. 또한 검색 결과나 조작의 결과를 문자나 음성의 형태로 사용자에게 응답합니다. 이러한 처리를 구현하려면 한국어나 영어와 같은 자연어로 입력된 음성을 단어로 인식하는 음성인식(Speech Recognition) 기술과 주어진 지시의 의미를 해석하는 자연어처리 기술이 사용됩니다. 또한 음성으로 응답할 때는 음성합성(Speech S.. 2023. 5. 6. 인공지능(AI)란 무엇인가? (2편) 인공지능이란 무엇인가? (ChatGPT의 답변 중 일부) 인공지능(artificial intelligence, AI)은 인간의 지능을 모방하여 컴퓨터가 사고하고 학습하며, 문제를 해결하고 결정을 내리는 능력을 말합니다. 인공지능은 기계 학습(machine learning), 자연어 처리(natural language processing), 컴퓨터 비전(computer vision) 등 다양한 분야에 적용될 수 있습니다. 3. 인공지능(AI)의 다양한 영역 인공지능(AI)의 연구가 활발해지면서 다양한 영역을 구성하게 되었습니다. 머신러닝, 딥러닝, 진화연산, 자연어처리 등 몇 가지 중요한 분야를 간략하게 소개합니다. 분야별로 보다 심도 있는 공부는 다음에 차례로 공부하고 소개하도록 하겠습니다. 1) 머신러.. 2023. 5. 3. 인공지능(AI)이란 무엇인가? (1편) 인공지능(AI)은 기본적으로 컴퓨터에서 음성 및 작성된 언어를 보고 이해하고 번역하고 데이터를 분석하고 추천하는 기능 등 인간의 지성이 필요하거나 대량의 데이터를 처리하는 방식을 포함한 다양한 기능을 수행할 수 있는 일련의 소프트웨어 기술입니다. 이런 기능을 구현하기 위하여 AI는 컴퓨터 공학, 데이터분석 및 통계, 하드웨어 및 소프트웨어 엔지니어링, 언어학, 신경과학은 물론 철학과 심리학 등 여러 학문과 광범위하게 연결되어 있습니다. 1. 인공지능(AI)의 유래와 학문으로서의 위치 인공지능(Artificial Intelligence: AI)이라는 용어는 1956년 미국 Dartmouth College에서 열린 인공지능을 주제로 한 학술회의에서 John McCarthy라는 학자가 처음으로 사용했다고 전해.. 2023. 5. 2. 환영합니다! 최근 OpenAI라는 회사가 ChatGPT와 GPT4를 발표하여 세상을 깜짝 놀라게 하였습니다. IT전문가가 아닌 저도 생성형 AI라는 ChatGPT를 직접 사용해 본 후 참으로 대단한 것이라는 느낌과 함께 ChatGPT가 앞으로 우리의 생활에 많은 영향을 미치게 될 것이라는 생각이 들었습니다. 그래서 인공지능(AI)을 보다 잘 이해하기 위한 공부하기로 마음먹었습니다 제가 IT나 컴퓨터 사이언스 전문가가 아니라서 기초부터 하나하나 공부를 하고자 합니다. 이 블로그는 전문가가 아닌 평범한 사람인 제가 인공지능(AI)의 개념부터 시작하여 최근에 발전된 생성형 AI모델이자 AGI(Artificial General Intelligence)를 지향하는 ChatGPT, GPT4에 이르기까지 공부하는 과정을 기록하려.. 2023. 4. 29. 이전 1 다음 728x90
