#1 인공지능 기술 동향 및 지능형 에이전트

강한 인공지능과 약한 인공지능

 강한 인공지능은 인간과 같은 사고와 인간과 같은 행동을 한다.

인간과 같은 사고는 인간과 유사한 사고 및 의사결정을 내릴 수 있는 시스템을 말하고,

인간과 같은 행동은 인간의 지능을 필요로 하는 어떤 행동을 기계가 따라 할 수 있는 시스템을 말한다.

 약한 인공지능은 논리적 사고와 논리적 행동을 한다.

논리적 사고는 계산 모델을 통해 지각,추론,행동같은 정신적 능력을 갖춘 시스템을 말하고,

논리적 행동은 계산 모델을 통해 지능적 행동을 하는 에이전트 시스템을 말한다.

 

튜링 테스트

 튜링 테스트는 인공지능이 사람과 동일하게 생각하는지 테스트하는

1950년 앨런 튜링이 제안한 기법이다.

질의자 하나와 응답자 둘을 준비한다. 질의자는 사람이고 응답자는 사람과 컴퓨터이다.

사람과 컴퓨터는 질의자의 질문에 키보드로 응답하는데,

이 테스트에서 질의자가 어느쪽이 컴퓨터인지 판별할 수 없다면 컴퓨터는 테스트를 통과한다.

컴퓨터가 사람처럼 대화 할 수 있다면 그 컴퓨터는 사람과 동일하게 사고 할 수 있다고 보는 것이다.

 

중국어방 논증 실험

1980년 미국의 언어철학자 존 설이 고안하였다.

튜링 테스트로 기계의 인공지능 여부를 판정할 수 없다는 논증을 하기 위해 고안한 사고실험이다.

논증 실험을 통해 튜링 테스트를 회의적으로 반박하였고

컴퓨터의 지능적인 행동이랑 이해는 별개라고 주장하였다.

방안에 있는 사람이 중국어를 몰라도 교본에 따라 내보내면 마치 이해하는 것처럼 보인다는 것이다.

즉, 이해하지 못하고 흉내낼 수 있어도 지능적 행동처럼 보인다는 것이다.

 

인공지능 연구의 어려움

 인간 수준 인공지능 구현은 너무나 어려운 작업이다.

학습 문제 : 학습이 어렵고 시간이 오래 걸리는 등의 제한점이 존재한다.

데이터 문제 : 실 세계 응용에서 상당한 양의 데이터가 필요하다.

인지적 측면(인간과 같은 사고)에 대한 표현 어려움 : 정신세계에 대한 표현과 창의성 구현이 매우 어려움

 

인공지능의 포함관계

 인공지능(AI) ⊃ 머신러닝 ⊃ 딥러닝

인공지능 : 사람이 해야 할 일을 기계가 대신할 수 있는 모둔 자동화에 해당한다.

머신러닝 : 명시적으로 규칙을 프로그래밍하지 않고 데이터로부터 의사결정을 위한 패턴을 기계가 스스로 학습한다.

딥러닝 : 인공신경망 기반의 모델로, 비정형 데이터로부터 특징 추출 및 판단까지 기계가 한 번에 수행한다.

 기호주의 인공지능, 연결주의 인공지능, 통계적 인공지능

기호주의 계열 - 규칙기반 인공지능

연결주의 인공지능 - 신경망 기반 인공지능

통계주의 계열 - 데이터사이언스(수요,주식 예측)

 

규칙기반 인공지능(기호주의)

지식을 규칙의 형태로 표현한다. IF-THEN 규칙을 이용한다.

초기 인공지능 또는 좁은 의미의 인공지능이라고도 한다.

신경망기반 인공지능(연결주의)

신경망 또는 인공신경망이라고도 부른다.

인간 두뇌 뉴런들 사이에서의 연결에서 아이디어를 차용하였다.

추후 머신러닝, 딥러닝의 중심이 된다.

 

Agent(에이전트)

Agent는 감각기관을 통해 환경을 인지하여 작동기를 통해 환경에 대해 반응하는 시스템이다.

Agent의 구조로는 5가지 종류가 있다.

단순 반사형 에이전트, 모델 기반 반응 에이전트, 목표 기반 에이전트, 효용성 기반 에이전트, 학습 에이전트이다.

단순 반사형 에이전트는 인지된 상태와 정확히 일치하는 반응만을 수행한다.

모델 기반 반응 에이전트는 인지된 상태에 관한 내부 지식을 계속적으로 기억하고 있는 에이전트이다.

목표 기반 에이전트는 인지된 상태에 대한 반응 목표가 주어졌을 때

  보다 정확히 수행될 수 있다고 가정한 에이전트이다.

효용성 기반 에이전트는 에이전트가 인지한 반응을 목표에 대해 얼만큼 만족하는지 사용자 중심으로

  목표에 대한 만족도를 수치화하는 에이전트이다.

학습 에이전트는 학습을 통해 에어전트의 반응을 결정하는 에이전트이다.

 

Rational Agent(합리적인 에이전트)

 합리적인 에이전트는 현재까지의 인지된 정보를 기반으로

수행 성능평가가 최대가 되는 반응을 선택할 수 있는 에이전트이다.

PEAS는 task enviroment를 정의한다.

PEAS는 Performance, Enviroment, Actuators, Sensors 를 말한다.