L.O.K

인공지능에게 게임이란? 게임은 추상적으로 정의가능하며 비교적 적은 연산자를 가진다. 게임의 인공지능 구현은 지적 능력과 관련있다고 여겨진다. 게임 조건 - 경기자는 두 명 - 제로썸 게임 ( 승자와 패자가 나뉨 ) - 차례대로 수를 둠 MiniMax 알고리즘 경기자는 최상의 수를 선택한다는 가정 하에 결과를 예측하는 알고리즘이다. - 경기자 Max : 항상 큰 값을 선택한다. Min : 항상 작은 값을 선택한다. - 알고리즘 1) 경우의 수 펼치기 ( Top-down ) 위 그림은 depth가 4인 게임트리이다. 게임 참여자가 둘 수 있는 경우를 모두 노드로 표현한다. 그리고 상대가 최적의 수를 둔다는 판단하에 게임결과를 예측하는 것이다. A 경우부터 보자. A 경우에서 Max는 B 경우와 C 경우를 선..

연속 메모리 할당이란? 프로세스의 구성요소가 메모리에 연속된 주소로 저장되는 방식을 연속 메모리 할당이라 부른다. 연속 메모리 할당에는 두 가지 메모리 분할 방식이 존재한다. 1. 고정 분할 2. 동적 분할 고정 분할 고정분할은 시스템 생성시 주기억장치가 이미 특정 크기로 고정된 파티션들로 분할되는 방식이다. ▷ 균등분할 : 모든 파티션의 크기가 일정 1. 프로세스 크기 > 파티션 고정 크기 프로세스가 파티션보다 크면 프로세스를 모듈 단위로 나누어 디스크와 주기억장치 사이에서 할당을 제어하는 오버레이(Overlay) 기법이 사용되어야 한다. 그만큼 오버헤드가 증가한다. 2. 프로세스 크기 < 파티션 고정 크기 파티션을 프로세스가 효율적으로 사용못하고 공간이 남는 내부단편화 문제가 생긴다. ▷ 비균등분할 ..

[인공지능] 언덕 등반 기법 (Hill-Climbing) 경험적인 탐색 방법 정보를 기반으로 탐색하는 알고리즘이다. 휴리스틱 정보(Heuristic Information)를 이용하여 휴리스틱 탐색 방법으로도 불린다. * 휴리스틱 정보 : 사람이 유용할거라 판단한 정보 lordofkangs.tistory.com 언덕 등반 기법은 지역 최대-최소 문제가 발생했다. 오로지 현재노드의 휴리스틱 정보만을 기준으로 DFS 탐색이 이루어졌기 때문이다. 지역 최대-최소 문제를 해결하기 위한 기법이 A* 알고리즘이다. A* 알고리즘 언덕 등반 기법의 단점은 시작노드에서 목표노드까지 가는 '비용'을 고려하지 않는 것이다. 그러므로 A* 알고리즘의 평가함수는 '비용'을 추가한다. F(N) = G(N) + H(N)(휴리스틱 ..

다수의 프로그램을 운용하려면 메모리를 적절히 분할하고 프로그램을 적절히 배치해야한다. 이같은 작업을 '메모리 관리'라고 하고 운영체제에 의해서 동적으로 이루어진다. 메모리 관리 요구조건 1) 재배치 ( Relocation ) 2) 보호 ( Protection ) 3) 공유 ( Sharing ) 4) 논리적 구성 ( Logical Organization ) 5) 물리적 구성 ( Physical Organization ) 1) 재배치 ( Relocation ) 특정 주소에서 수행 중인 프로세스를 다른 주소로 옮기는 작업 주기억장치 공간은 한정되기에 스와핑(swapping)이 일어난다. 스와핑이란, 불필요한 프로세스를 디스크로 옮기고(스왑아웃, 보류상태) 다른 프로세스를 메모리에 적재시키는(스왑인, 준비상태)..

경험적인 탐색 방법 정보를 기반으로 탐색하는 알고리즘이다. 휴리스틱 정보(Heuristic Information)를 이용하여 휴리스틱 탐색 방법으로도 불린다. ( * 휴리스틱 정보 : 사람이 유용할거라 판단한 정보 ) 휴리스틱 정보(Heuristic Information) 현재상태와 목표상태가 주어졌다. 여기서 휴리스틱 정보를 뽑아보자. h1(N) : 현재상태를 목표 상태와 비교했을 때, 목표상태와 일치하지 않은 현재상태의 타일의 개수 2, 1, 8, 4 타일은 목표상태와 위치가 다른 타일이다. 그러므로 h1(N)은 4가 된다. h2(N) : 각 타일의 목표 위치간 거리 2, 1, 8, 4 타일이 목표 위치와 얼마나 떨어져 있는지 계산해야 한다. 2 와 1은 한 칸, 8 과 4는 두 칸이므로 h2(N)은..

맹목적 탐색 ( 목적없이 탐색 ) - 깊이 우선 탐색 - 너비 우선 탐색 - 균일 비용 탐색 넓이 우선 탐색 ( BFS; Breadth First Search ) 루트 노드의 모든 자식 노드를 탐색한 다음 해가 없으면 다음 레벨로 넘어가 탐색하는 알고리즘 탐색 대상인 '노드(Node)'는 동적으로 생성된다. ( 미리 생성 X ) OPEN-CLOSED 리스트 확장이 가능한 상태(노드)는 동적으로 생성된다. 동적으로 생성된 노드 중 이미 탐색했던 상태와 동일한 상태가 존재할 수 있다. 동일한 상태를 검사하는 오버헤드를 줄이기 위해 두 가지 리스트를 사용한다. - OPEN 리스트 : 확장은 되었으나 탐색되지 않은 상태 리스트 - CLOSED 리스트 : 탐색이 끝난 상태 리스트 BFS 알고리즘 1. OPEN 리..

알파고는 딥러닝으로 가장 가능성 높은 몇 개의 수를 추려낸 후 탐색기법을 적용하여 다음 수를 읽었다. 361! 개의 경우의 수에서 가능성 있는 1000가지를 추리고 1000가지에 탐색기법을 적용한다. 이번 포스팅에서는 탐색기법을 다루어 보겠다. 탐색(Search)이란, 상태공간에서 초기상태에서 목표상태까지의 경로를 찾는 것이 탐색이다. 연산자는 다음 상태를 생성한다. 맹목적 탐색 ( 목적없이 탐색 ) - 깊이 우선 탐색 - 너비 우선 탐색 - 균일 비용 탐색 깊이 우선 탐색 ( DFS; Deep First Search ) 해가 존재할 가능성이 있는 한 앞으로 계속 전진하여 탐색하는 방법 탐색 대상인 '노드(Node)'는 동적으로 생성된다. ( 미리 생성 X ) OPEN-CLOSED 리스트 확장이 가능한 ..

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 A..

Clean Code 『CLEAN CODE(클린 코드)』은 오브젝트 멘토(OBJECT MENTOR)의 동료들과 힘을 모아 ‘개발하며’ 클린 코드를 만드는 최상의 애자일 기법을 소개하고 있다. 소프트웨어 장인 정신의 가치를 심어 주며 book.naver.com 가장 이상적인 함수의 매개변수 개수는 몇 개일까? 답은 '0'개이다. 만약 매개변수를 1개, 2개, 3개로 늘리려면 '어쩔 수 없는 특별한 이유'가 필요하다. 함수는 X(매개변수)를 받아 처리(f)하고 Y(결과)를 반환(return)한다. 매개변수가 많아질수록 다양한 경우의 수가 발생한다. 매개변수의 증가는 함수를 검증하고 테스트하는데 복잡도를 증가시킨다. 그러므로 매개변수는 최대한 줄이는 것이 옳다. 그럼 로버트 C. 마틴이 말하는 어쩔 수 없는 특..

인공지능(Artificial Intelligence)란, 인간의 인지적 기능을 흉내내어 문제를 해결하기 위하여 학습하고 이해하는 기계 인간의 지능 - 학습 ( Learning ) : 과거의 패턴들로부터 학습할 수 있는 능력 - 추론 ( Reasoning ) : 주위 상황으로부터 추론할 수 있는 능력 - 문제해결 ( Problem Solving ) : 복잡한 문제를 분석하고 해결할 수 있는 능력 - 빅데이터 ( Big data ) : 큰 용량의 변화하는 데이터 처리 가능 학습과 추론이 선행되면 문제해결이 가능해지고 빅데이터는 학습과 추론 및 문제해결의 근간이 된다. 인공지능의 종류 - 약인공지능 : 특정 영역에 국한된 인공지능 ( 체스, 바둑, 일기예보 ) - 강인공지능 : 일반적인 영역에서 문제를 해결하..