인공지능 소개 2010.03.02 부산대학교 인공지능연구실. 인공 + 지능 인공지능이란 ? 2.

Presentation on theme: "인공지능 소개 2010.03.02 부산대학교 인공지능연구실. 인공 + 지능 인공지능이란 ? 2."— Presentation transcript:

1 인공지능 소개 2010.03.02 부산대학교 인공지능연구실

2 인공 + 지능 인공지능이란 ? 2

3 Q1) 다음 수식의 답은 무엇일까요 ? 2345869 ⅹ 3466360 Q2) 8 번째 줄에는 어떤 숫자가 올까요 ? 1 11 12 1121 122111 112213 12221131 … 지능 (Intelligence) 3

4 “ 새로운 상황이나 환경에 대처하기 위하여 배우 고 이해할 수 있는 능력 ” (Webster Dictionary) 정보의 표현과 처리 ( 기억, 학습, 연산, 추론, 창조력 ) 지능이 필요한 예 : 수치적인 계산보다 기호에 의해 표현되는 문제 ( 바둑, 게임 ) 지능 (Intelligence) 4

5 Automation of activities that we associate with human thinking, activities such as decision-making, problem solving, learning, … (Bellman, 1978) Study of how to make computers do things at which, at the moment, people are better (Rich & Knight, 1991) A Branch of Computer Science that is concerned with the automation of intelligent behavior (Luger & Stubblefield, 1993) 인공지능 5

6 지능적 시스템 인식, 이해 판단, 행위 인식, 이해 판단, 행위 을 ( 를 ) 통한 융통성자동화최적화융통성자동화최적화 추구 6

7 로봇 청소기 인공지능 예 - 가사 7

8 사이버 애완견 인공지능 예 - 학습 8

9 PVE(Player VS Environment) 인공지능 예 - 게임 9

10 HTS(Home Trading System) 인공지능 예 - 주식 10

11 Language Translation systems Diagnosis Expert systems Avionic Expert systems Robot in factories, Auto-navigation robots Intelligent Traffic control system OCR, Handwriting Recognition System Speech Recognition System … 인공지능 예 - 기타 11

12 Knowledge-based Approach Data Driven Approach 인공지능 시스템 개발 방법론 12

13 Represent Human Knowledge as symbol combination  Knowledge Acquisition and Representation  Logic, Expert System, Fuzzy Logic Knowledge-based System 13

14 Extract common characteristics from collected examples  Training  Statistical Methods, Artificial Neural Network Data Driven Approach 14

15 Symbolic Programming 지식표현 Search & Planning Automated Reasoning Machine Learning Artificial Neural Net Genetic Algirithm … 주요연구분야 ( 기초연구 ) 15

16 Program as Representation of world Symbol as basic element of representation  atom, property, relationship Symbolic Expression as method of combination LISP for Symbolic programming Object-Oriented Concept Symbolic Programming 16

17 작업에 필요한 지식은 ? 지식의 형태와 구조는 ?  declarative VS procedural 표현 기법은 ?  explicit VS (implicit + inference)  logic, frame, semantic net, script 지식의 습득과 수정 지식표현 17

18 최적화 기법 발생할 수 있는 경우를 분석 / 선택 기하급수적으로 증가하는 계산복잡도  가능성 있는 것부터 (Heuristic Search)  국부적 정보 이용 (Hill Climbing Method)  최적해 VS 적당히 좋은 해 Genetic Algorithm, Simulated Annealing Search Theory 18

19 Qualitative Reasoning  정성적 지식의 활용 Non-monotonic Reasoning  타조는 날 수 있을까 ? Plausible Reasoning  불확실성에서 상충되는 정보의 융합 Case-based Reasoning  경험의 활용 Automated Reasoning 19

20 경험의 의하여 기계 스스로 성능을 향상  필요한 기본적 능력은 ?  배우기 시작하려면 얼마나 알아야 ?  새로운 지식의 습득과 통합 방법  선생의 역할  예제와 경험의 역할 Parameter Adjustment Data Mining 으로 실용화 추구 Machine Learning 20

21 Types of Machine Learning Classification  Assigning an object to a class  Output: a label of class  Ex: classifying a product as ‘good’ or ‘bad’ in quality control Clustering  Organizing objects into meaningful groups  Output: (hierarchical) grouping of objects  Ex: taxonomy of species Regressing  Predict value based on observation  Ex: predict stock price, future prediction 21

22 신경세포의 계산모형  단순 기능의 뉴런, 다수 연결  학습에 의한 연결 강도 조정 인공신경망   X1X1 X2X2 XnXn...... w1w1 w2w2 wnwn F(X 1, X 2, …, X n ) 22

23 학습 = 연결강도 조정  Error-back-propagation 지도학습 알고리즘  어떠한 Function Mapping 도 학습 가능함 Sensory Data Processing 에 강력 Old Horse on the race again  고도의 병렬성, graceful degradation Symbolic Grounding 인공신경망 (Neral Network) 23

24 Neural Network Classifier 직업유무 (1/0) 나이 월수입 부양가족수 기대출금 우량 보통 불량 24

25 생명체 진화의 계산 모형화 확률적 최적화 방법론  초기 유전자 생성  신품종 생성 ( 교배, 돌연변이 )  적자 생존 Genetic Algorithm 25

26 의사결정을 위한 정보 추출 Data Mining 데이터정보의사결정 인구통계 Point of Sale ATM 금융통계 신용정보 문헌 첩보자료 진료기록 신체검사기록 A 상품 구매자 의 80% 가 B 상 품도 구매한다 미국시장의 자 동차 구매력이 6 개월간 감소 A 상품의 매출 증가가 B 상품 의 2 배 탈수 증상을 보이면 위험 광고전략은 ? 상품의 진열 최적의 예산 할당은 ? 시장점유의 확대방안은 ? 고객의 이탈 방지책은 ? 처방은 ? 26

27 Data Mining 예 - Weka Weka  무료 데이터마이닝 프로그램  뉴질랜드의 와이카도 (Waikato) 대학의 ‘ 이안 위튼 ’ 교수팀에 의해 개발된 프로그램  오픈 소스 프로그램 27

28 Data Mining 예 - Weka Weather data 를 이용한 classification 예 28

29 Data Mining 예 - Weka Weather data 를 이용한 classification 예 29

30 Data Mining 예 - Weka Weather data 를 이용한 classification 예 30

31 자연언어 이해 영상 및 패턴 인식 음성인식 Uncertainty Modeling 전문가 시스템 Virtual Reality … 주요연구분야 ( 응용연구 ) 31

32 기초연구  형태소 분석  구문 분석  의미 분석  화용 분석 응용연구  맞춤법 / 문법 검사기  기계번역  음성 합성 및 인식  문자 인식  정보검색  질의응답 시스템  … 자연언어 이해 32

33 33 한국어 맞춤법 / 문법 검사기 한글 ( 한글 97, 한글 2002(se), 한글 2004, 2005, 2007 ) 한글 2005, 한글 2007 ) OpenOffice

34 34 한국어 맞춤법 / 문법 검사기 WordPad Web Service

35 2010 년 현재 우리말 표준과 외래어 표기 원칙을 따르는 유일한 시스템 지속적인 연구개발 (1992 년 ~ 2010 년 현재 ) 다양한 공동 개발을 통한 자료 확보 상세한 도움말 다수어절 처리 의미문체 처리 유수 언론사와 정부기관에 실전 배치 한국어 맞춤법 / 문법 검사기 35

36 한국어 맞춤법 / 문법 검사기 한국어 맞춤법 문법 검사기 철자 오류 관련 의미 문체 관련 철자검사 띄어쓰기 검사 외래어 표기법 복합명사오류 사투리 검사 용어 순화 의미 오류 처리 번역투 오류 문장 부호 검사 다수 어절 관련 다수 어절 사전 다수 어절을 이용한 교정 다수 어절을 이용한 교정 복합어 붙여쓰기 한글 / 한자 변환 검사 한글 / 한자 변환 검사 영어 철자 검사 36

37 SMS 수정 예 형죄송해요 저알바때문에 돈좀더늦게드려야될거같에요  형 죄송해요. 저 아르바이트 때문에 돈 좀 더 늦게 드려야 할 거 같아 요. 너믿으니까사실대로너믿으니까사실대로다말해준거야  너 믿으니까 사실대로 너 믿으니까 사실대로다 말해준 거야 ㅋㅋㅋ아나열등감땜에죽어버리고싶어ㅋㅋ시험만아니면 학교는재 밋음ㅋㅋ중딩보다백배  킥킥킥 아나 열등감 때문에 죽어 버리고 싶어 킥킥 시험만 아니면 학 교는 재밌음 킥킥 중학생보다 백배 한국어 맞춤법 / 문법 검사기 37

38 정보검색 38

39 정보검색 39

40 부산대학교 인공지능연구실과 한국어정보처리연구실에서 제작 2007 년 11 월에 KorLex 1.5 가 공개됨 같은 어의를 가지는 동의어 집합 (synonym set, 이하 신셋 ) 간의 관계들로 이루어짐 명사, 동사, 형용사, 부사, 분류사로 구성되며, 약 13 만 개의 신셋과 약 15 만 개의 어의를 포함하고 있음 한국어 어휘의미망 (KorLex) 한국어 어휘의미망 KorLex 40

41 Handwriting Recognition ( 필기체 인식 ) 전자 펜으로 수식 입력수식 인식 41

42 기 개발된 기술을 쉽게 사용하도록  일상화된 전문가 시스템  Web auto translation system  문자, 음성 인식 Interface Package 모든 제품에 인공지능 …  Ubiquitous Computing, Pervasive Computing 인공지능의 장래 42