인공지능 과학

AI 과학자

AI 과학자는 일반적으로 인간의 지능이 필요한 작업을 수행할 수 있는 알고리즘으로 소프트웨어를 구축합니다.

AI 과학자는 여러 AI 분야의 전문가가 될 수 있습니다.

• 응용 수학
• 전산통계
• 컴퓨터 과학
• 머신 러닝
• 딥러닝

일부 AI 과학자는 상당한 빅 데이터 경험도 보유하고 있습니다.

• 비즈니스 인텔리전스
• 데이터베이스 설계
• 데이터 웨어하우스 설계
• 데이터 수집
• SQL 쿼리
• SQL 보고

약한 AI

약한 인공 지능 은 오늘날 우리 주변에 있는 대부분의 AI와 같이 특정하거나 좁은 영역으로 제한됩니다.

• 검색 엔진
• 애플의 시리
• 마이크로소프트의 코타나
• 아마존의 알렉사
• IBM의 왓슨

약한 AI는 좁은 AI라고도 합니다.

약한 AI 는 인간의 인지를 가지고 있는 강한 AI와 대조적으로 인간의 인지를 시뮬레이션 합니다.

강력한 AI

강력한 인공 지능 은 인간 지능을 모방하는 AI 유형입니다.

강력한 AI는 생각하고, 계획하고, 배우고, 의사 소통하는 능력을 나타냅니다.

강력한 AI는 AI의 이론적 다음 단계인 진정한 지능 입니다.

강한 AI는 자각, 의식, 객관적 사고로 기계를 향해 움직입니다.

머신 러닝(ML)

고전 프로그래밍은 프로그램을 사용하여 결과를 생성합니다.

기계 학습은 결과를 사용하여 프로그램(알고리즘)을 생성합니다.

신경망(NN)

역사상 가장 중요한 발견 중 하나는 신경망 (NN)의 힘입니다.

신경망에서는 뉴런 이라고 하는 많은 데이터 레이어가 함께 추가되거나 서로 겹쳐져 새로운 수준의 데이터를 계산합니다.

일반적으로 사용되는 짧은 이름:

• DNN 심층 신경망
• CNN 컨볼루션 신경망
• RNN 순환 신경망

딥 러닝(DL)

딥 러닝 은 신경망 을 사용 하여 더 높은 수준의 데이터를 추출 하는 알고리즘입니다 .

각 연속 레이어는 이전 레이어를 입력으로 사용합니다.

예를 들어, 광학 판독은 가장자리를 식별하기 위해 낮은 레이어를 사용하고 문자를 식별하기 위해 높은 레이어를 사용합니다.

딥 러닝에는 두 단계가 있습니다.

1. 훈련: 입력 데이터는 모델의 매개변수를 계산하는 데 사용됩니다.

2. 추론: "훈련된" 모델은 주어진 입력에서 데이터를 출력합니다.

딥 러닝 혁명

딥 러닝 혁명이 여기 있습니다!

딥 러닝 혁명은 2010년 경에 시작되었습니다. 그 이후로 딥 러닝은 많은 "해결할 수 없는" 문제를 해결하는 데 사용되었습니다.

예

컨볼루션 신경망(CNN)

ResNeta 및 Inception 과 같은 Deep CNN 은 ImageNet 분류의 오류율을 2011년 25%에서 2017년 5%로 줄였습니다.

ImageNet 은 계층의 각 노드에 수백 수천 개의 이미지가 포함된 WordNet 계층 구조에 따라 구성된 이미지 데이터베이스입니다. ImageNet은 연구원, 교육자, 학생 및 사진에 대한 열정이 있는 모든 사람에게 유용한 리소스입니다.

WordNet 은 200개 이상의 언어로 된 단어 간의 의미 관계에 대한 어휘 데이터베이스입니다. 사전과 시소러스의 조합으로 구성되어 있으며, 동의어, 하의어, 동명어를 사용하여 단어를 의미적 관계로 연결합니다.

순환 신경망(RNN)

RNN은 악보와 새로운 악기 소리를 만드는 데 도움이 됩니다:
https://magenta.tensorflow.org/demos .

AI의 역사