[인공지능] 인공지능의 역사

 

인공지능의 태동

1943년 Warren Mculloch와 Walter Pitts는 뉴런들의 간단한 네트워크를 분석

생물학적 개념인 뉴런을 컴퓨터적 컨셉으로 제시

 

 

튜링테스트

1950년, 영국의 수학자 앨런 튜링은 기계와 사람을 구분할 수 없다면 인공지능이 구현되었다고 판단 

 

 

퍼셉트론(Perceptron)

컨셉과 개념으로만 제시되었던 인공신경망을 수학적 모델과 알고리즘으로 제시

범용성이 없고 제한적인 영역만 가능

 

 

첫번째 AI 겨울 ( 1970년대 ) 

범용적 인공지능을 원하던 시대의 요구를 퍼셉트론이 충족하지 못하면서 인공지능에 대한 관심이 떨어짐 

1970년대는 충분한 컴퓨팅 파워가 부족 ( CPU 처리속도, 메모리 용량 )

방대한 정보를 다룰 만한 데이터베이스를 만들지 못하고 어떻게 학습해야 하는지도 모름

 

 

AI 전성시대 개막 ( 전문가 시스템 )

범용성을 버리고 특정문제에 집중 ( 전문가시스템 등장 )

 

-전문가 시스템

 

 

전문가가 지식 베이스에 전문지식을 저장하고 사용자는 인터페이스를 통해 접근한다. 추론엔진은 지식베이스와 사용자 인터페이스 사이에서 적절한 연산을 처리한다. ( 역전파(backpropagation) 학습방법이 대중화 )

 

 

두 번째 AI 겨울 ( 1980년대 후반 ) 

전문가 시스템은 전문 분야에서만 가능, 범용성에 대한 시대적 요구가 강해짐

 

 

AI 부활

 

-  인공신경망 ( 1980 )

 

레이어(Layer)가 있는 신경회로망을 이용하여 전이학습을 구현하는데 성공, 부분적으로 범용성을 확보

 

 

입력층 : 입력받는 층

은닉층 : 특징을 추출하는 층

출력층 : 출력하는 층

 

SHALLOW Newral NET : 은닉층 1-2 개

Midium Newral Net : 은닉층 3-5개

Deep Newral Net : 은닉층 6개이상 ( 인공신경망 )

 

1980년대에 인공신경망 개념이 나왔지만 빅데이터를 처리할 기술이 없던 당시에는 인공신경망을 학습시킬 수 없었음

 

 

- 기계학습 ( 1990 ~ 2010 )

 

최적화 방식으로 문제를 해결하기에 범용성이 떨어짐, 적은 데이터로도 학습이 가능하여 인공신경망 대신 사용됨. 기계학습은 인간의 사고 범위 내에서 학습이 이루어짐.

 

 

- 딥러닝( Deep Learning ) ( 2010 ~ )

 

인공신경망과 개념적으로 같음, 빅데이터를 처리할 수 있는 기술이 발전함에 따라 딥러닝 기술이 발달, 기계학습은  데이터가 적을 때 유용하지만 데이터가 많아져도 성능이 좋아지지 않음. 반면 딥러닝은 데이터가 적을때는 성능이 좋지 않지만 데이터가 많아질수록 성능이 좋아짐. 딥러닝은 인간이 개입하지 않고 스스로 판단을 함.