1 인공지능 (Artificial Intelligence) Ch.1 서 론

2 Contents  인공지능의 개요  인공지능의 역사  인공지능의 연구방식  주요 연구분야  인공지능 언어  인공지능의 평가  인공지능의 미래  인공지능의 구성 영역  강의내용

3 인공지능의 개요 (1)  인공지능 (Artificial Intelligence) 의 정의 사람이 수행했을 때 지능을 필요로 하는 일을 기계에게 시키고자 하는 학문 / 기술 기계에 인간과 같은 기억, 지각 ( 인지 ), 이해, 학습, 연상, 추론, 계 획, 창조 등의 지능적인 행동을 이식하기 위한 기술 컴퓨터를 좀 더 똑똑하게 만드는 연구, 기술  현재 존재하는 것은 이미 인공지능의 대상이 아님 생각하는 기계를 만드는 연구, 기술  Can machine think?  지능 (Intelligence) 경험을 이용한 이해 생각하고 추론하는 능력 새로운 상황에 신속히 대처하는 능력 새로운 지식의 습득 ( 학습 ) 및 응용

인공지능의 개요 (2)  인공지능 : 지능의 핵심인 지식 (Knowledge) 을 개발, 사용  인공지능 시스템 : 고도의 지능을 갖춘 복잡한 시스템 (complex system)  지능 시스템의 특성 4 인식, 이해, 학습, 판단, 의사결정 융통성 자동화 최적화

5 인공지능의 개요 (3)  인공지능의 접근방법 공학적 접근 얼마나 잘 하는가 ? 성능위주 (performance ) 인지과학적 접근 얼마나 사람과 비슷하게 하나 ? Simulation of Behavior  인공지능의 목표 Replicate human intelligence Solve knowledge-intensive tasks Intelligent connection of perception and action Enhance human-human, human-computer and computer- computer interaction/communication

6 인공지능의 개요 (4)  지능시스템 개발방법론 Knowledge-based approach - 저장된 지식을 기반으로 의사결정 - 인간의 지식을 기호의 조합으로 표현 (Computer Program) - 지식 획득 및 표현, 저장, 관리 - 논리학, Fuzzy Logic, Expert System Data Driven Approach - 데이터로부터 추출된 지식으로 의사결정 - 모은 자료로부터 공통의 성질을 추출해서 판단하는데 사용 - 훈련, 기계학습, 최적화 - 통계적 방법론, Neural Network, 유전 알고리즘

7 인공지능의 개요 (5)  인공지능 기법 공통적으로 지식 사용 지식을 개발하고 적합하게 사용하는 방법  지능의 원천 : 추상적인 기호를 만들어 내어 조작하고 처리  인공지능을 위한 지식 컴퓨터가 인공지능을 가지려면 → 사람이 문제 해결에 필요한 지식을 주 어야 함 지식의 특징 - 일반성 : 중요 성질을 공통적으로 가지고 있는 상황 그룹화 - 양이 많다 - 정확하게 표현하기 힘들다 : 완전성 보장 불가, 이해하기 쉬워야 함 - 계속 변화한다 : 수정이 용이해야 함 - 문제 범위 축소 필요 : 지식량 줄임

8 인공지능의 개요 (6)  Turing Test Alan Turing( 영국학자 ) 의 컴퓨터 프로그램의 지능을 측정할 수 있는 실험 (1950)  측정자가 단말기를 통하여 다른 방에 있는 컴퓨터와 사람에게 여러 가지 질문을 했을 때, 컴퓨터와 사람의 응답을 구분할 수 없으면 컴퓨터가 지능을 가지고 있다 고 판단하는 실험  로봇의 지능 측정도 가능 만약 로봇이 인간과 비슷한 행동을 한다면 그 로봇이 인간의 지능과 유사한 지능을 가졌다고 인정함  컴퓨터 C1 은 테스트에 합격하기 위해 다음과 같이 대화할 수 있을 것이다 P2 P1 C1 누가 사람 이지 ? P2: 1 부터 100 까지의 합은 얼마인가 ? P1: 시간이 걸리니 여유를 달라. C1: 5 분 후에 알려주겠다. P2: 답을 정확하게 계산할 수 있는가 ? P1: 최선을 다하겠다. C1: 어느 정도 자신 있다.

9 인공지능의 역사 (1)  제 1 기 : 태동기 ( ) McCulloch & Pitts 에 의한 연구분야 인식 (1943) - 연구동기  뇌에서의 뉴런의 물리적인 기능과 작용  명제 논리 - 인간의 사고과정에 대한 연결망을 통한 최초의 모델화 Hebbian Learning Rule(1949) Turing test 연구 (Alan Turing(1950)) SNARC( 신경회로망 컴퓨터 ): Minsky & Edmond (1951) Dartmouth workshop:‘ 인공지능 ’ 이란 용어 최초 사용 (1956) by J. McCarthy, M. Minsky, A. Newell, H. Simon

10 인공지능의 역사 (2)  제 2 기 : 초기 관심기 ( ) 컴퓨터 발달에 따른 성공적인 시기, 많은 기대와 흥분 속의 작은 성공 Nowell & Simon : GPS(General Problem Solver) 프로그램 McCarthy (1958)  LISP  Timesharing System  Advice Taker : 최초의 완전한 인공지능 프로그램 Minsky (1958)  지능적 프로그램 개발에 관심을 둠 Rosenblatt : Perceptron(1957) Widrow: Adaline (1962)

11 인공지능의 역사 (3)  제 3 기 : 침체기 ( ) 실패를 통해 여러가지를 배움 단순한 synapse 조작에 의한 지식 전달 복잡한 인공지능 프로그램 – 간단한 문제도 많은 컴퓨팅 자원 필요 기본 구조상의 문제점  불가능한 사실의 학습  Minsky & Papert ‘Perceptrons’ (1969) → 1980 년대 다층 신 경회로망이 도입되어 이 문제를 해결함으로써 다시 활기를 띠게 됨

12 인공지능의 역사 (4)  제 4 기 : 활성기 ( ) Knowledge 를 이용한 문제 해결 : Doamin knowledge 의 획득, 표현, 관리에 관심 집중 MYCIN : 항생제 처방에 관한 지식 기반 전문가 시스템 전문가 시스템 상용화 : R1 (1982, Digital Equipment Co. ) → 상당한 경비절감 → 대부분의 미국 기업 에서 관심, 개발  제 5 기 : 융성기 (1989- 현재 ) Neural Networks 의 연구 활발 Neural Network 와 기호처리 방법의 통합 시도 인공지능과 다른 분야와의 융합 연구 활발 90 년대 초부터 에이전트가 독립된 분야로 발전 2000 년대 에이전트와 정보검색의 연구 활발

13 인공지능의 연구방식 (1)  인공지능 기법 기호 (symbol) 처리 지식 (knowledge) 을 이용하는 방법 추론 (inference) 중요 탐색 (search) calculation 이나 information 보관, information retrieval 은 minor 하게 취급 인공지능 시스템일반 소프트웨어 시스템 부족한 입력정보로 출력생성 가능입력정보가 완전하지 않으면 결과가 나오지 않음 휴리스틱 탐색알고리즘적인 탐색 추론 기능 있음추론 기능 없음 설명 기능 있음설명 기능 없음 지식을 주로 사용자료나 정보를 사용

14 인공지능의 연구방식 (2) Learning Inference Knowledge base Learning model Inference Engine Expert system Intelligent system Natural language processing Pattern recognition & understanding system Proving, Game, Problem solving Recognition Character, Speech, Image processing 보고 듣고 말하는데 해당되는 능력 주어진 사실이나 규칙으로 부터 인지된 입력에 대해 결론을 얻는 과정 계속적인 과정에 의해 사실과 규칙을 습득하는 일련의 과정

15 인공지능의 연구방식 (3)  인공지능이 적합한 분야 최적해를 가지고 있지 않을 때 휴리스틱 알고리즘을 가지고 있을 때 (human factors exist) 불확실하고 불완전한 데이터를 가지고 있을 때 비정형적이고 탐색형 추론을 필요로 할 때 Diagnosis, Inference, Prediction, Expert system 언제 AI 시스템을 개발할 것인지에 대한 질문  적합한 문제영역 ?  모델링을 잘 할 수 있나 ?  효율적인가 ?

16 주요 연구분야 (1)  기초연구 지식표현 (knowledge representation) 탐색 (search) 문제풀이 (problem solving) 정리증명 (theorem proving) 추론 (reasoning) 기계학습 (machine learning) 인공신경망 (artificial neural network) 유전 알고리즘 (genetic algorithm) 인공지능 언어, 도구 (tool) 계획 (planning) 불확실성 (uncertainty)

17 주요 연구분야 (2)  응용연구 자연언어 이해 (natural language understanding) 음성인식, 쓰여진 언어 이해 영상 및 패턴인식 (vision, pattern recognition, image understanding) 전문가 시스템 (expert system) 로보틱스 (robotics) 자동 프로그래밍 (automatic programming) 컴퓨터 이용교육 (intelligent computer aided instruction, intelligent tutoring system) 에이전트 (agent) 데이터마이닝 (Data Mining) 생물정보학 (Bioinformatics)

18 주요 연구분야 (3)  인공지능 시스템 사례 Geometric analogy solving(Evans) : 1960 년대 초 Symbolic mathematics(Slagle, Moses) : 1960 년대 초 Visual scene understanding(Waltz) : 1970 년대 초 Natural language understanding  SHRDLU(Winograd) : 1970 년대 초, simulated world 에 대한 query 이해 Story understanding  BORIS(Dyer) : 1980 년대 초, 자연어 텍스트에 대한 이해 프로그램 3 차원 물체인식  ACRONYM(Brooks ) :1980 년대 초, 시스템에 미리 저장해 놓은 모형과 입력 영상의 비교

19 주요 연구분야 (4)  인공지능 시스템 사례 – con’d 음성인식 시스템  SPHINX (Lee) : 1980 년대 중반  PEGASUS(Zue):1994, 항공기 예약을 음성대화 ( 자연언어 ) 로 패턴인식 시스템 : 필기 및 인쇄글씨 인식, 지문인식, 얼굴인식  문서인식 ( 우편봉투, 형식문서 )  PDA 펜 인식  자동차 번호판 인식 Machine learning : 1970 년대 후반 ~ Intelligent Robot : 1980 년대 ~ Expert System  XCON(CMU 와 DEC): 1970 년대, 컴퓨터 기기구성 결정 시스템  MYCIN(Buchanan & Shortliffe, Stanford University ) : 1970 년대 중반, 의료용 전문가시 스템  PROSPECTOR(Stanford Research Institute) : 1975 년, 광맥 발견 조언시스템  CASNET(Rutgers 대학 ) : 1977 년, 의료진단시스템  수백 개의 의료 전문가시스템이 현장 배치 : 중환자 진료 / 사고 대처, 진단 의사 결정, 시험 자료 분석, 교육

20 주요 연구분야 (5)  인공지능 시스템 사례 – con’d Planning  MARVEL (Schwuttke, 1992) - 우주선의 작업 계획을 실시간으로 작성  무인 자동차 (Pomerleau, 1993) : 55mph  화성 탐사를 위한 로봇 자동차 (Pathfinder Rover, 1996)  비행장 승강기 자동배치 ( 대한 항공, 1997) 서양장기 (Chess Game)  Deep-Blue(1996) - 시간제한이 있는 서양장기 정식대국에서 World Champion Gary Kasparov( 러시아 ) 를 이김 - 4:2 로 Kasparov 승리  Deeper-Blue(1997) : 2.5 로 Deeper-Blue 승리 - 세계 챔피온을 꺾은 최초의 컴퓨터 - 12 수 앞을 내다볼 수 있는 예측능력 ( 사람은 10 수 앞 )

21 주요 연구분야 (6)  인공지능 시스템 사례 – con’d 기계번역시스템 ( 언어번역시스템 ) - 일한 실용화 완료 - 영한 : 시제품 - TTS(Text to Speech) 지능형 에이전트  Chatterbot: test-based conversation agent (ELIZA, PARRY, SHRDULE, A.L.I.C.E.)  Talking robot:  START(Natural Language Question Answering System) : world’s first web-based question answering system

22 주요 연구분야 (7)  Eliza 시스템 ( Eliza 의 대화 예 I am worried about the weather. HOW LONG HAVE YOU BEEN WORRIED ABOUT THE WEATHER? Since my mother spoke. TELL ME ABOUT YOUR FAMILY. They are all into computers these days. DO MACHINE FRIGHTEN YOU? No. PLEASE DO NOT BE SO SHORT WITH ME. Go to hell darn it. PLEASE DO NOT USE WORDS LIKE THAT. You are frustrating me. EARLIER YOU SPOKE OF YOUR MOTHER. Not now. Tell me about my problem. I AM SORRY OUR TIME IS UP.

23 인공지능 언어 (1)  인간의 지능에 관련된 대부분의 문제는 비수치 처리 이므로 list 처리가 가능해야 함  사고를 위한 논리적 기능이 가능해야 함 (1) LISP (List Processor) 년대 J. McCarthy 에 의해 고안됨 1) data 와 program 이 list 구조에 기반 2) 간결하고 효율적인 list 처리 3) 함수형 언어 4) 재귀적 호출 가능 5) 인터프리터 형식인 대화형 언어

24 인공지능 언어 (2) (2) PROLOG(Programming in Logic) - Alain Colmerauer( 프랑스 Marseilles 대학 ) (1972) 1) 논리 프로그래밍 2) 지식 정보 처리분야의 추론기능에 강점 3) 선언적 언어 4) 1982 년 제 5 세대 컴퓨터 project 주 언어 (3) 객체지향언어 (Object-oriented languages) Smalltalk, Objective C, C++

25 인공지능의 평가  현장에서 쓰이는 인공지능 OCR, ICR, Symbolic Algebra, Machine Translation, Many Expert systems, Planning systems, Softbot, Agents in EC  새로운 개념, 아이디어를 컴퓨터 분야에 제공 언어, DataBase, 운영체제, 소프트웨어 공학, 게임  인간지능에 대한 이해 증진 뇌 연구 촉진  안 되는 것에의 끝없는 도전

26 인공지능의 미래  인공지능에 대한 연구와 개발 계속  지능시스템의 기본적 능력 신장 노력  하드웨어 부분 발전  병렬 컴퓨팅  뉴럴 컴퓨팅  자연언어 인터페이스  지능형 데이터베이스  통합 Paradigm 시도 - Symbolic Processing + Neural Processing  기존에 개발된 기술을 쉽게 사용하도록 발전 - Web 자동번역 시스템, 문자 음성 인식 chip  인공지능 소프트웨어와 전통적인 알고리즘 소프트웨어와의 결합

27 인공지능의 구성 영역  인공지능 시스템의 기능적 구성 언 어언 어 탐색에 의한 문제 해결 불확실한 지식의 처리 및 추론 학습 계획 시 각시 각 대 화대 화 행위 작용 조작 입력시스템내부시스템출력시스템

28 강의내용  주교재 : 인공지능 개념 및 응용 3 판, 도용태 외, 사이텍미디어.  문제 해결기법 : 탐색 Trees and Search (Ch.2)  논리 및 Rule-based system: 지식의 표현 및 추론 지식 표현과 논리 (Ch.3)  불확실한 지식 처리 : 확률, 확률추론, 퍼지 불확실성 (Ch.4) 퍼지이론 (Ch.5)  Production System 전문가 시스템 (Ch.6)  학습 : 기계학습, 인공신경망 기계학습 (Ch.8), 데이터마이닝 신경회로망 (Ch.9)  AI 에 대한 새로운 Vision 지능형 에이전트 (Ch.12)