-
철학적 토대인공지능 2021. 6. 1. 20:01
약 인공지능 앨런 튜링은 기계가 생각할 수 있는지 묻지 말고 기계가 행동주의적 지능 검사를 통과할 수 있는지 물어야 한다고 제시했다 -> 튜링 검사이다 자신의 대화 상대가 컴퓨터일 수도 있다는 점을 알지 못하게 한 프로그램 불능에 근거한 논점 "기계는 X 를 할 수 없다 .” 또는 "기계는 X 일 수 없다" 라는 주장이다. 컴퓨터가 흔히 인간의 통찰과 이해가 필요하다고 생각하는 과제들을 비롯한 여러 가지 일을 사람만큼 또는 사람보다 잘 수행한다는 점은 명백하다. 하지만, 컴퓨터가 그런 과제를 수행할 때 통찰과 이해를 사용한다는 뜻은 물론 아니다 수학적 반박 사람의 사고 능력에 근본적인 제약이 있다고 말할 수는 없다. 지능의 의미에서 형식적인 수학적 추론이 주변적 역할 이상의 무언가를 담당할 가능은 별로 ..
-
1차 논리인공지능 2021. 5. 29. 11:00
표현의 재고찰 명제 논리는 의미론이 문장들과 가능한 세게들 사이의 진리 관계에 기초하므로 선언적 언어이다. 하지만 명제 논리는 객체들이 많은 환경에서 간결하게 서술할 수 있는 표현력이 부족하다. 사고의 언어 자연어(natural language) 의사소통의 매개체로 작용한다. 중의성(ambiguity) 문제를 격는다. 언어는 명사의 성(gender)처럼 자의적으로 보이는 문법적 성질을 통해서도 사람의 사고에 영향을 준다. 형식 논리의 관점에서는 같은 지식을 서로 다른 두가지 방식으로 표현해도 아무런 차이가 없다. 하지만 제한된 자원을 가진 프로그램이 한 표현에서 결론에 도달할 수 있지만, 다른 표현에서는 결론에 도달 할 수 없다. 형식 언어와 자연어의 장점만 채용한 시스템 명제 논리의 장점을 기반으로 삼..
-
논리적 에이전트인공지능 2021. 5. 13. 11:39
새 표현들을 이용해서 다음에 할 일을 연역할 수 있는 에이전트를 설계할 수 있다. 내부 표현(representation)들에 작용하는 추론(reasoning) 공정들로 달성된다. 인공지능에서는 지식기반 에이전트(knowledge-based?agent)가 지능에 대한 이러한 접근 방식을 내포한다. 지식 기반 에이전트 knowledge base은 지식 기반 에이전트의 핵심 구성요소이다. 새 문장을 추가하는 방법과 지식 기지에 있는 문장을 질의하는 방법이 필요하다. 이런 연산에는 Tell와 Ask이 있다. 두 연산은 Inference(추리), 기존 문장에서 새 문장을 이끌어 내는 공정이 관여할 수 있다. Inference는 누군가 Ask연산으로 지식 기지에 문가를 질의했을 때 그 답이 반드시 이전에 지식 기지..
-
고급 검색 기법인공지능 2021. 5. 4. 13:08
에서 관찰 가능, 결정론적, 기지 환경을 가진, 그리고 해답이 하나의 동작열인 단일범주의 문제들 -> 이 가정들을 완화하면 어떻게 되는지에 대한 것이다. 상태공간 안에서 초기 상태로부터의 경로들을 체계적으로 탐색하는 대신 현재 상태 한두 개를 평가하고 수정하는데 주력하는 Local Search 국소 검색 알고리즘과 최적화 문제 목표로의 경로가 중요하지 않다면, 이전과는 달리 경로들을 전혀 신경 쓰지 않는 부류의 알고리즘들을 고려한다 Local Search 알고리즘들은 현재 노드만 사용하여 일반적으로 오직 그 노드의 이웃 노드로만 이동하는 식으로 작동 장점 메모리를 적게 소비한다. 체계적 알고리즘에 적합하지 않은 커다란 또는 무한한 상태 공간에서도 적당한 해답을 찾아내는 경우가 많다. 언덕 오르기 검색 값..
-
검색을 통한 문제해결인공지능 2021. 4. 8. 12:40
에이전트가 목표를 달성하기 위한 여러 동작의 순차열을 찾아내는 방법 문제 해결 에이전트 문제 형식화: 주어진 목표를 달성하기 위해 고려할 동작들과 상태들을 결정하는 공정 에이전트는 궁극적으로 값이 알려진 상태들로 이어지는 향후 동작들을 먼저 조사함으로써 다음 동작을 결정할 수 있다. 지금 환경은, 관찰 가능, 이산적, 기지 환경, 결정론적 -> 이 가정에서 임의의 문제에 대한 해답은 동작들의 고정된 순차열이다. 검색(Search) : 목표로 도달하는 동작열을 찾는 공정을 가리킨다 해답(Solution): 검색 알고리즘은 문제를 입력 받고 동작열 형태이다 실행 단계: 해답이 추천하는 동작들을 수행한다. 잘 정의된 문제와 해답 형식적으로, 문제는 다음 다섯 요소로 정의할 수 있다. 에이전트가 시작하는 초기 ..
-
지능적 에이전트인공지능 2021. 3. 27. 18:02
성공적인 에이전트의 구축을 위한 엄선된 설계 원리들을 만들어 나가는 것이다. 최대한 바람직한 방식으로 행동하는 에이전트라는 개념으로 자연스럽게 이어진다. 잘 행동하는가는 환경의 성격에 의존한다. 에이전트와 환경 예) E(환경) 방A,B Clean Dirty 환경 -> Agent -> ? -> Action -> 환경 반복 합리적인 에이전트 ->옳은 일을 하는 에이전트이다. '바람직함'이라는 개념 환경의 주어진 임의의 상태열을 평가하는 성과 측정(performance measure)으로 구체화된다. -> 지금 말하는 것은 에이전트의 상태가 아니라 환경의 상태이다. 에이전트가 어떻게 행동해야 하는지를 기준으로 삼기보다는 환경이 실제로 어떻게 변하는 것이 바람직한지를 기준으로 삼는 것이 낫다. 합리성 합리적인지..
-
인공지능이 무엇인가?인공지능 2021. 3. 16. 14:19
호모 사피엔스: 현명한 사람 -> 현 인류에게 지능(Intelligence)가 중요하기 때문이다. 인공지능이라는 분야는 지능적인 실체를 구축(Build)하려고 한다. 인공지능 튜링 검사 접근방식 앤런 튜링이 제안한 튜링 검사 -> 지능의 만족스러운 실천적 정의를 제공하기 위해 고안 튜링 검사 통과를 위한 능력 자연어 처리: 언어를 이용한 성공적인 의사소통 지식 표현: 알고 있는 또는 들은 것을 저장 자동 추론: 저장된 정보를 이용해서 질문에 답하고 새로운 결론을 도출 기계 학습: 새로운 상황에 적응하고 패턴들을 외삽한다. -> 외삽: 기존의 데이터를 가지고 새로운 데이터를 예측한다. 완전 튜링 검사를 위한 능력 컴퓨터 시각: 물체를 인식 로봇공학: 물체를 조작하고 이동 튜링 테스트는 그 후 60 년이나 ..
-
신경망인공지능 2021. 3. 11. 11:52
AI에 들어가는 AI에 들어가있는 핵심 학습방법, 표현방법 인공 신경망 인공 지능의 대표선수 -> 요즘에 제일 많이 쓴다. 인강의 신경망을 모방하는 것이다. 신호를 전달 받아(입력) -> 변형시키고 -> 그 신호를 전달(출력) -> 인공 신경망은 함수적 원리를 이용한다. 인공 신경망의 기본 단위가 함수이다. 실제 데이터가 있어야 만들 수 있다. -> 경험을 기반으로 만들기 때문이다. 신경망의 작동방식 만드는 법 1. 입력, 결과 데이터를 인공지능에게 알려준다. 2. 사례1~n부터 입력을 넣고 예측을 한다 -> 신경망의 간선들이(행렬값) 무좌위로 넣어서 계산한다 3. 정답의 차이만큼 행렬값을 조정한다. 4. 모든 사례들을 제대로 예측할 때까지 반복한다.