인공지능 시스템 ( artificial Intelligence)

Presentation on theme: "인공지능 시스템 ( artificial Intelligence)"— Presentation transcript:

1 인공지능 시스템 ( artificial Intelligence)
Slide 1 (of 19)

2 1장 인공지능을 위한 기초지식 Slide 2 (of 19)

3 Contents What is Artificial Intelligence? History of AI AI Techniques
AI System Main Components of AI System Suitable Areas of AI Slide 3 (of 19)

4 1.1인공지능이란 무엇인가? Thinking Systems that think humans Systems that think rationally (인지과학적 접근방법) (사고의 법칙적 접근방법) Behavior Systems that act like humans Systems that act rationally (Turing test적 접근방법) (합리적 에이전트적 접근방 법) Ideal Rational Slide 4 (of 19)

5 인간과 같은 사고 시스템 인지과학적 접근 방법 Cognitive Science
The exciting new effort to make computers think… machine with minds, in the full and literal sense(Haugeland, 1985) The automation of activities that we associate with human thinking, activities such as decision-making, problem solving, learning…(Bellman, 1978) Cognitive Science Slide 5 (of 19)

6 합리적 사고 시스템 사고의 법칙적 접근방법 삼단논법적 사고
The study of mental faculties through the use of computational models(Charniak and McDermott, 1985) The study of the computations that make it possible to perceive, reason, and act(Winston, 1992) 삼단논법적 사고 Slide 6 (of 19)

7 인간과 같은 행동 시스템 튜링 테스트적 접근방법
The art of creating machines that perform functions that require intelligence when performed by people (Kurzweil, 1990) The study of how to make computers do things at which, at the moment, people are better (Rich and Knight, 1991) Slide 7 (of 19)

8 Turing Test Alan Turing(영국학자) 의 컴퓨터 프로그램의 지능 을 측정할 수 있는 실험(1950)
측정자가 단말기를 통하여 컴퓨터에게 여러 가지 질문을 했을 때, 컴퓨터 프로그램의 응답을 마치 사람이 응답하는 것처럼 착각하게 하여 프로그램이 지능이 있는 것처럼 판단하도록 하는 것 로봇의 지능 측정도 가능 만약 로봇이 인간과 비슷한 행동을 한다면 그 로봇이 인간의 지능과 유사한 지능을 가졌다고 인정함 Slide 8 (of 19)

9 합리적인 행동 시스템 합리적인 에이전트적 접근방법
A field of study that seeks to explain and emulate intelligent behavior in terms of computational processes (Schalkoff, 1990) The branch of computer science that is concerned with automation of intelligent behavior (Lugar and Stubblefield, 1993) 주어진 확률정도에 따라 어떤 목표 달성을 위해 행동하는 것 앞의 어느 방법보다 합리적이고 과학적임 Slide 9 (of 19)

10 1.2 인공지능의 역사 제 1기: 태동기(1943-1956) McCulloch & Pitts에 의한 연구분야 인식 (1943)
연구동기 뇌에서의 뉴런의 물리적인 기능과 작용 명제 논리 Turing test 연구 인간의 사고과정을 최초로 연결망을 통한 모델화 성공 Hebbian Learning Rule SNARC(신경회로망 컴퓨터): Minsky & Edmond (1951) Dartmouth workshop:‘인공지능’ 이란 용어 최초 사용 (1956) by McCarthy Slide 10 (of 19)

11 1.2 인공지능의 역사 제 2기: 초기 관심기(1952-1969) 컴퓨터 발달에 따른 성공적인 시기
Nowell & Simon : GPS(General Problem Solver) McCarthy (1958) LISP Timesharing System Advice Taker : 최초의 완전한 인공지능 프로그램 Minsky (1958) 지능적 프로그램 개발에 관심을 둠 Widrow: Adaline (1962) Rosenblatt : Perceptron Convergence Theorem (1962) Slide 11 (of 19)

12 1.2 인공지능의 역사 제 3기: 침체기(1966-1974) 단순한 synapse 조작에 의한 지식 전달
복잡한 인공지능 프로그램 기본 구조상의 문제점 불가능한 사실의 학습 Minsky & Papert ‘Perceptron’  1980년대 다층 신경회로망이 도입되어 이 문제를 해결함으로써 다시 활기를 띠게 됨 Slide 12 (of 19)

13 1.2 인공지능의 역사 제 4기: 활성기(1975-1988) 제 5기: 융성기(1989- 현재)
Knowledge를 이용한 문제 해결 DENDRAL 프로그램(지식 중심형 전문가 시스템) 전문가 시스템 상용화: R1 (1982, Digital Equipment Co. ) 제 5기: 융성기(1989- 현재) Neural Networks의 연구 활발 인공지능과 다른 분야와의 융합 연구 활발 90년대초 부터 에이전트가 독립된 분야로 발전 2000년대 에이전트와 정보검색의 연구 활발 Slide 13 (of 19)

14 1.3 인공지능의 연구분야 그림 1.3 지식표현: RBS, 의미망, 서술논리 문제해결: GPS 지식시스템: 규칙, 프레임
자연어처리: 기계어 번역, 문서생성, 인터페이스 학습 인지모델 로보틱스: 센서, 제어장치, 환경적 문제해결 패턴인식 멀티미디어 Slide 14 (of 19)

15 AI Techniques Learning Inference Recognition Inference Intelligent
주어진 사실이나 규칙으로부터 인지된 입력에 대해 결론을 얻는 과정 사실과 규칙을 계속적인 과정에 의해 습득하는 일련의 과정 Learning Inference Inference engine Expert system Knowledge base Learning model Proving, Game Problem solving Intelligent system Pattern recognition & understanding system Natural language processing Recognition 보고 듣고 말하는데 해당되는 능력 Slide 15 (of 19) Character, Speech, Image processing

16 Trends in AI 과거의 인공지능 경향 최근 인공지능 경향
인간보다 빠르고 정확한 관심있는 문제의 해결과정에 초점을 둠. 즉, 단순한 문제 해결 과정이 중심 최근 인공지능 경향 단순한 문제해결 뿐 아니라 인간의 지능을 컴퓨터로 구현하려는 지능형 시스템의 실현 Slide 16 (of 19)

17 1.4 인공지능 시스템 Brain model Information model <고려사항> 지식의 정의 지식의 표현
지식의 조작 모델의 정당성 Slide 17 (of 19)

18 Main Components of AI System
Users HCI system Inference engine Knowledge base(RB + DB) Slide 18 (of 19)

19 Suitable Areas of AI Having no optimal solutions
Having heuristic algorithms(human factors exist) Having uncertain or incomplete data Diagnosis, Inference, Prediction, Expert system Questions when to develop AI Systems Suitable domain? Well modeling? Real AI system? Effectiveness? Slide 19 (of 19)