1. Summary
1.1 인공지능의 정의
인공지능(AI, artificial intelligence)은 의외로 역사를 가지고 있는 분야이고 어떻게 학습이 되는지 조차 제대로 설명하기 힘든 분야이다. 인공지능의 대가 Tom Mitchell은 " 만약 컴퓨터 프로그램이 특정한 태스크 T를 수행할 때 성능 P 만큼 개선되는 경험 E를 보이면 그 컴퓨터 프로그램은 태스크와 성능 P에 대해 경험 E를 학습했다라고 할 수 있다.” 라고 인공지능을 정의 하였다.
1.2 인공지능의 역사
인공지능은 1940년대 후반과 1950년대 초반에 이르러서 수학, 철학, 공학, 경제등 다양한 영역의 과학자들에게서 인공적인 두뇌의 가능성이 논의되었다. 1956년에 이르러서, 인공지능이 학문 분야로 들어섰다.(Wikipedia) 이 이후 황금기를 맞아 프로그램이 대수학 문제를 풀고 기하학의 정리를 증명했으며 영어를 학습했다. 연구가들은 낙관론을 펼쳤고, 인공지능 시대가 가까워 지고 있다는 것을 실감하게 된다. 인공지능을 향한 다양한 투자가 일어나기도 했다.
1970년대 초 AI의 적용 범위가 좁고 투자에 비해 연구 성과가 좋지 못했다. 이론적으로는 가능할지 몰라도 컴퓨터 능력이 매우 후졌기 때문에 빠른 연산을 기대하지 못했다. 1980년도에 일본의 주도로 다시 인공지능 연구가 진행되나 싶었지만 7년 후 세계적인 경제 위기로 AI의 매력은 상실하고 경제 거품으로 인식되었다.
1997년 5월 11일, 디프 블루는 당시 세계 체스 챔피언이던 게리 카스파로프를 이긴 것을 시작으로 다시 또 한번 인공지능 붐을 일으키게 되었다. 그 후 2005년 스탠포드의 로봇 DARPA, 2011년 IBM의 왓슨 등 계속해서 인공지능은 발전해 갔다.
최근에는 DeepMind, OpenAI, Google, Facebook 등 세계의 다양한 기업들이 인공지능 논문을 쏟아내고 있다.
1.3 인공지능? 머신러닝? 딥러닝?
단 한장의 사진으로 설명 끝.
규칙기반 vs 신경망 학습
규칙기반은 프로그래머가 바나나의 특성을 수치화 해서 하드코딩으로 때려 박아야하는 형태이다. 굉장히 시간이 오래걸리고 때로는 인식이 잘 안될 수도 있다. 그러나 머신러닝은 몇 백 혹은 몇 천장의 바나나 사진만 모델에 때려 박으면 알아서 바나나가 어떤 특징을 가지고 있는지를 학습한다. 이를 Feature라고 정의 하는데 알아서 찾아보도록.
ILSVRC 대회는 이미지 분류 대회이다. 단순히 어떤 이미지가 차, 비행기, 배 등을 구분하는 대회이다. 현재 대회는 공식적으로 종료되었고 캐글에서 이어나가고 있다고 한다. Imagenet이라는 데이터를 사용하는데 앞으로 많이 듣게 될 것이다. 스탠퍼드 대학의 대학원생인 안드레 카파시(Andrej Karpathy)는 인간의 능력이 궁금해졌다. 본인이 컴퓨터와 동일한 조건에서 과제를 수행, 94%의 정확도를 달성했다. 이는 인간이 94%의 확률로 이미지를 분류 할 수 있다는 것이다. 2012년 딥러닝을 처음 적용한 AlexNet을 사용하여 오차율이 급격하게 줄었으며 계속해서 딥러닝 모델이 개선되며 현재는 인간보다 더욱 인식을 잘하게 되었다.
1.4 Why Tensorflow?
Tensorflow가 싫으면 Torch, Keras 사용하면 된다. 아무래도 Google이 만들고 많은 사용자를 보유하고 있어 자료가 분명히 다른 Library에 비해서 많은 편이다.
그리고 Tensorflow는 윈도우, 맥, 리눅스 뿐만 아니라 모바일 기기에서도 매우 훌륭하게 작동하기 때문에 다양한 기기에서 이용할 수 있다.
