떠오르는 분야, 인공지능 ( AI )

인공지능이란?

인간의 학습능력, 추론 능력, 지각 능력 등 다양한 능력을 인공지능으로 구현한 컴퓨터 시스템을 의미합니다.

 

📶 딥러닝과 머신러닝

▶ 머신러닝이란 컴퓨터가 학습할 수 있도록 알고리즘과 기술을 개발하는 것을 의미합니다
▶ 딥러닝은 다량의 복잡한 자료들에서 핵심적인 내용만 추려내는 작업을 하는 기계 학습 알고리즘을 의미합니다.

머신러닝 🆚 딥러닝  의 차이 ??

딥러닝은 분류에 사용할 데이터를 스스로 학습할 수 있다는 
반면 
머신러닝은 학습 데이터를 수동으로 제공해야 한다는 점입니다.

 

📶 여러가지 인공지능 기법

      ✔️ ANN ( Artificial Neural Network )

ANN

딥러닝은 사람의 신경망 원리와 구조를 모방하여 만든 기계학습 알고리즘인 
인공신경망( ANN )을 기초로 하고 있습니다.

📌 Input Data가 들어오면 그 data에 따른 가중치를 계속 곱해 나가면서 Output 데이터를 출력해나갑니다.
📌 신경망은 다수의 Input 데이터와 다수의 Output 데이터 사이에 존재하는 layer 즉 은닉층이 존재합니다. 
📌 여기서 히든 layer들의 갯수와 노드의 갯수를 구성하는 것을 모델을 구성한다고 합니다. 
📌 하지만 이 ANN은 너무 많은 은닉층때문에 Overfitting이 될 수 있다는 문제도 있습니다

 

      ✔️ DNN ( Deep Neural Network )

DNN

DNN은 ANN 기법에서 모델 내 은닉층을 더 늘려서 학습의 결과를 향상시키는 것입니다.

📌 DNN은 은닉층을 2개 이상 지닌 것을 말합니다.
📌 DNN을 활용한 알고리즘은 CNN, RNN 그리고 LSTM이 있습니다.

 

      ✔️ CNN ( Convolution Neural Network )

CNN

CNN 은 데이터의 특징을 추출해서 특징들의 패턴을 파악하는 구조입니다.

📌 CNN은 보통 문장 분류 그리고 얼굴 인식등에서 널리 사용되고 있습니다. 
📌 CNN 알고리즘은 Convolution과정과 Pooling 과정, 이 2가지 과정으로 이루어져있습니다.

 

♈ Convolution 그리고 Pooling

📌 Convolution은 데이터의 특징을 추출하는 과정에서 데이터의 각 성분의 인접 성분들을 조사해 
    특징을 파악하고 파악한 특징을 한 장으로 도출시키는 과정입니다. 
    이 과정은 Input 데이터를 압축시키는 과정에 해당하며 파라미터 갯수를 줄이는 역할을 합니다.
📌 Pooling은 Convolution 과정을 거친 layer 사이즈를 줄여주는 과정입니다.

 

      ✔️ RNN ( Recurrent Neural Network )

RNN

RNN 알고리즘은 반복적이고 순차적인 데이터 학습에 특화된 인공 신경망의 한 종류입니다.

📌 내부에서 가지고 있는 순환 구조를 이용하여 과거의 학습의 Weight를 통해 현재 학습에 반영합니다. 
📌 이는 현재의 학습과 과거의 학습의 연결을 가능하게 하는 데 주로 쓰입니다.

 

📶 인공지능의 Trend

 

4차 산업혁명이 도래하고 기술이 빠르게 발전함에 따라 인공지능의 기술도 점점 발전해가고 있습니다.

우리나라에서는 인공지능의 기술로는 특히 "비전센싱"과 "자연어처리" 이 2 분야가 
빠르게 개척되고 있는 상황입니다. 
그 이유로는 먼저 데이터가 많다는 이유였습니다. 
우리는 이미지라는 수많은 데이터와 사람의 말 즉 언어라는 데이터를 무궁무진하게 가지고 있을 뿐만 
아니라 언제든 계속해서 생성해 나갈 수 있습니다. 

 

      ✔️ 비전센싱

얼굴 인식, 차량 인식, 가축 인식 등 object detection을 활용한 객체 인식이 많이 사용되고 있습니다.

아직까지 의료 분야에서는 이 이미지를 활용한 인공지능 접근이 어렵습니다

이미지 라벨링을 의료 지식을 전문적으로 알고있는 의사밖에 할 수 없다는 점과 
의료 데이터는 개인정보이기 때문에 데이터의 한계가 많다는 점 때문에 
아직 의료 분야에서는 object detection을 활용하기가 어렵다는 의견들이 많습니다. 

 

      ✔️ 자연어 처리

문서 중앙화 그리고 인공지능 챗봇에서 주로 사용됩니다.

현재까지는 많이들 개인들이 사용하고 있는 특유의 억양 그리고 특징, 말투 와 같은 것들을 
챗봇에 학습시켜 챗봇과 인간이 원활하게 의사소통할 수 있도록 기술을 발전시키고 있습니다. 

      ✔️ 그 외

인공지능 연산에 필요한 cpu와 gpu를 개선시키고자 노력하는 하드웨어 전문가들이 있습니다,