인공 지능이란 무엇입니까? AI의 소개, 역사 및 유형

인공 지능 (AI)이란 무엇입니까?

AI (인공 지능)은 지각, 학습, 추론, 문제 해결 등 인간과 마찬가지로 인지 기능을 수행하는 기계의 능력입니다. AI의 벤치마크는 추론, 언어, 비전 팀의 인간 수준입니다.

이번에 인공지능 튜토리얼, 당신은 다음을 배울 것입니다wing AI 기초 -

인공 지능 수준 소개

오늘날 AI는 거의 모든 산업에서 사용되고 있으며, AI를 대규모로 통합하는 모든 기업에 기술적 우위를 제공하고 있습니다. McKinsey에 따르면 AI는 600개를 창출할 수 있는 잠재력을 가지고 있습니다. bill소매 부문의 엄청난 가치는 다른 분석 기술에 비해 은행 부문에서 50% 더 많은 가치 증가를 가져옵니다. 운송 및 물류 분야의 잠재적 수익 증가율은 89% 더 높습니다.

구체적으로, 조직이 마케팅 팀에 AI를 사용하면 평범하고 반복적인 작업을 자동화할 수 있습니다.wing 영업사원은 관계 구축, 리드 육성 등에 집중합니다. 공이라는 회사가 대화 인텔리전스 서비스를 제공합니다. 영업 담당자가 전화를 걸 때마다 기계는 채팅을 녹음, 기록 및 분석합니다. VP는 AI 분석 및 추천을 사용하여 승리 전략을 세울 수 있습니다.

한마디로 AI는 통신을 처리할 수 있는 최첨단 기술을 제공합니다.plex 인간이 처리할 수 없는 데이터. AI는 중복된 작업을 자동화합니다.wing 높은 수준의 부가가치 작업에 집중하는 작업자입니다. AI가 대규모로 구현되면 비용 절감과 수익 증대로 이어집니다.

인공 지능의 역사

인공 지능은 오늘날 유행어이지만 이 용어는 새로운 것은 아닙니다. 1956년에 다양한 배경을 가진 아방가르드 전문가들이 AI에 관한 여름 연구 프로젝트를 조직하기로 결정했습니다. 네 명의 뛰어난 마음이 프로젝트를 이끌었습니다. John McCarthy(다트머스 대학), Marvin Minsky(하버드 대학), Nathaniel Rochester(IBM) 및 Claude Shannon(Bell Telephone Laboratories)이 있습니다.

인공지능의 간략한 역사는 다음과 같습니다.

출간연도 마일스톤/인nova기
1923 카렐 차페크는 영어로 로봇이라는 단어를 최초로 사용한 "Rossum's Universal Robots"라는 이름의 연기를 했습니다.
1943 Foundations는 신경망용으로 배치되었습니다.
1945 컬럼비아 대학교 졸업생인 아이작 아시모프(Isaac Asimov)는 로봇공학이라는 용어를 사용합니다.
1956 존 매카시(John McCarthy)가 처음으로 인공지능(Artificial Intelligence)이라는 용어를 사용했습니다. 카네기 멜론 대학교에서 최초로 실행되는 AI 프로그램 시연.
1964 MIT에서 Danny Bobrow의 논문은 컴퓨터가 어떻게 자연어를 이해할 수 있는지를 보여주었습니다.
1969 스탠포드 연구소의 과학자들이 Shakey를 개발했습니다. 이동 능력과 문제 해결 능력을 갖춘 로봇.
1979 세계 최초의 컴퓨터 제어 자율주행차인 스탠포드 카트(Stanford Cart)가 제작되었습니다.
1990 기계 학습의 중요한 데모
1997 Deep Blue Chess Program은 당시 세계 체스 챔피언인 Garry Kasparov를 이겼습니다.
2000 대화형 로봇 애완동물이 상용화되었습니다. MIT 디스플레이 Kismet, 감정을 표현하는 얼굴을 가진 로봇.
2006 AI는 2006년에 비즈니스 세계에 등장했습니다. Facebook과 같은 회사는 Netflix, 트위터는 AI를 사용하기 시작했습니다.
2012 구글은 Android 사용자에게 예측을 제공하는 'Google Now'라는 앱 기능입니다.
2018 "프로젝트 토론자" IBM 논쟁의 여지가 있는 complex 두 명의 마스터 토론자가 주제를 다루었고 매우 좋은 성과를 거두었습니다.

인공지능의 목표

AI의 주요 목표는 다음과 같습니다.

  • 특정 작업을 수행하는 데 필요한 시간을 줄이는 데 도움이 됩니다.
  • 인간이 기계와 상호작용하는 것을 더 쉽게 만듭니다.
  • 보다 자연스럽고 효율적인 방식으로 인간과 컴퓨터의 상호 작용을 촉진합니다.
  • 의료 진단의 정확성과 속도를 향상시킵니다.
  • 사람들이 새로운 정보를 더 빨리 배울 수 있도록 돕습니다.
  • 인간과 기계 사이의 의사소통을 강화합니다.

인공 지능의 하위 분야

다음은 인공 지능의 몇 가지 중요한 하위 필드입니다.

기계 학습: 머신러닝은 공부의 예술이다 algorithms 사례와 경험을 통해 배우는 것입니다. 머신러닝은 데이터의 일부 패턴이 식별되어 미래 예측에 사용된다는 아이디어를 기반으로 합니다. 하드코딩 규칙과의 차이점은 기계가 그러한 규칙을 찾는 방법을 학습한다는 것입니다.

깊은 학습: 딥러닝은 머신러닝의 하위 분야입니다. 딥 러닝은 기계가 더 심층적인 지식을 학습한다는 의미는 아닙니다. 데이터로부터 학습하기 위해 다양한 레이어를 사용합니다. 모델의 깊이는 모델의 레이어 수로 표시됩니다. 예를 들어 이미지 인식을 위한 Google LeNet 모델은 22개의 레이어를 계산합니다.

자연 언어 처리: 신경망은 연결된 I/O 장치 그룹으로, 각 연결에는 해당 컴퓨터 프로그램과 관련된 가중치가 있습니다. 대규모 데이터베이스에서 예측 모델을 구축하는 데 도움이 됩니다. 이 모델은 인간의 신경계를 기반으로 구축되었습니다. 이 모델을 사용하여 이미지 이해, 인간 학습, 컴퓨터 음성 등을 수행할 수 있습니다.

전문가 시스템: 전문가 시스템은 사실과 경험적 방법을 사용하여 문제를 해결하는 대화형의 신뢰할 수 있는 컴퓨터 기반 의사 결정 시스템입니다.plex 의사결정 문제. 그것은 또한 인간 지능의 최고 수준으로 간주됩니다. 전문가 시스템의 주요 목표는 가장 많은 문제를 해결하는 것입니다.plex 특정 도메인의 문제.

퍼지 로직: 퍼지 논리(Fuzzy Logic)는 0과 1 사이의 실수 변수의 진리값을 가질 수 있는 다치 논리 형식으로 정의됩니다. 이것이 부분 진리의 핸들 개념입니다. 실생활에서 우리는 그 진술이 참인지 거짓인지 판단할 수 없는 상황에 직면할 수 있습니다.

인공 지능의 하위 분야

인공 지능의 유형

인공지능에는 규칙 기반, 의사결정 트리, 신경망의 세 가지 주요 유형이 있습니다.

  • Narrow AI는 지능적으로 전용 작업을 수행하도록 돕는 AI 유형입니다.
  • 일반 AI(General AI)는 인간처럼 모든 지적 작업을 효율적으로 수행할 수 있는 AI 지능의 일종이다.
  • 규칙 기반 AI는 입력 데이터 세트에 적용되는 사전 결정된 규칙 세트를 기반으로 합니다. 그런 다음 시스템은 해당 출력을 생성합니다.
  • 의사결정 트리 AI는 미리 결정된 규칙 세트를 사용하여 의사결정을 한다는 점에서 규칙 기반 AI와 유사합니다. 그러나 의사결정 트리에서는 다양한 옵션을 고려하기 위한 분기 및 루프도 허용됩니다.
  • 슈퍼 AI(Super AI)는 컴퓨터가 인간의 언어를 이해하고 자연스럽게 반응할 수 있도록 하는 AI의 일종이다.
  • 로봇지능(Robot Intelligence)은 로봇이 의사소통을 할 수 있게 해주는 AI의 일종이다.plex 추론, 계획, 학습을 포함한 인지 능력.

AI 대 기계 학습

우리가 사용하는 스마트폰, 일상 기기, 심지어 인터넷의 대부분은 인공지능을 사용합니다. AI와 머신러닝은 최신 기술을 발표하려는 대기업에서 같은 의미로 사용되는 경우가 많습니다.novation. 하지만 머신러닝과 AI는 어떤 면에서는 다릅니다.

AI(인공 지능)는 인간의 작업을 수행하기 위해 기계를 훈련시키는 과학입니다. 이 용어는 1950년대 과학자들이 컴퓨터가 스스로 문제를 해결할 수 있는 방법을 탐구하기 시작하면서 만들어졌습니다.

AI 대 기계 학습

인공지능(Artificial Intelligence)은 인간과 유사한 특성을 부여받은 컴퓨터이다. 우리의 두뇌를 가져가세요. 우리 주변의 세계를 계산하기 위해 쉽고 원활하게 작동합니다. 인공지능은 컴퓨터도 같은 일을 할 수 있다는 개념이다. AI는 인간의 적성을 모방하는 거대 과학이라고 할 수 있다.

머신러닝은 기계가 학습하도록 훈련시키는 AI의 독특한 하위 집합입니다. 머신러닝 모델은 데이터에서 패턴을 찾아 결론을 내리려고 노력합니다. 간단히 말해서, 기계는 사람이 명시적으로 프로그래밍할 필요가 없습니다. 프로그래머는 몇 가지 예를 제시하고 컴퓨터는 해당 샘플에서 무엇을 해야 할지 학습할 것입니다.

또한 딥 러닝과 머신 러닝과 AI의 차이점을 읽어보세요. 여기를 클릭하세요.

AI는 어디에 사용되나요? 예

이제 초보자를 위한 AI 튜토리얼에서는 AI의 다양한 응용을 배우게 됩니다.

AI는 광범위한 응용 분야를 가지고 있습니다.

  • 인공지능은 반복적인 작업을 줄이거나 방지하는 데 사용됩니다. 예를 들어 AI는 피로감 없이 작업을 지속적으로 반복할 수 있습니다. AI는 결코 쉬지 않으며, 수행해야 할 작업에 무관심합니다.
  • 인공지능은 기존 제품을 개선한다. 기계 학습 시대 이전에는 핵심 제품이 하드 코드 규칙을 기반으로 구축되었습니다. 기업들은 새로운 제품을 디자인하기 위해 처음부터 시작하는 것이 아니라 제품의 기능을 향상시키기 위해 인공지능을 도입했습니다. 페이스북 이미지를 떠올려 보세요. 몇 년 전에는 수동으로 친구를 태그해야 했습니다. 요즘에는 AI의 도움으로 Facebook이 친구의 추천을 제공합니다.

AI는 마케팅부터 공급망, 금융, 식품 가공 부문까지 모든 산업 분야에서 사용됩니다. McKinsey 조사에 따르면 금융 서비스와 첨단 커뮤니케이션이 AI 분야를 주도하고 있습니다.

AI 사용 사례

지금 AI가 붐을 이루는 이유는 무엇입니까?

이제 이 인공 지능 테스트 튜토리얼에서 AI가 지금 붐을 이루고 있는 이유를 알아봅시다. 아래 도표를 통해 이해해 봅시다.

AI 호황

신경망은 2012년대부터 Yann LeCun의 독창적인 논문을 통해 등장했습니다. 그러나 XNUMX년경부터 유명해지기 시작했습니다. 인기의 세 가지 중요한 요소는 다음과 같습니다.

  1. 하드웨어
  2. Data
  3. 암호알고리즘

머신러닝은 실험 분야입니다. 즉, 새로운 아이디어나 접근 방식을 테스트하려면 데이터가 필요합니다. 인터넷이 발달하면서 데이터에 대한 접근이 더욱 쉬워졌습니다. 게다가 NVIDIA 및 AMD와 같은 거대 기업은 게임 시장을 위한 고성능 그래픽 칩을 개발했습니다.

하드웨어

지난 XNUMX년 동안 CPU의 파워는 폭발적으로 성장했습니다.wing 사용자는 모든 노트북에서 소규모 딥러닝 모델을 훈련할 수 있습니다. 그러나 컴퓨터 비전이나 딥 러닝을 위한 딥 러닝 모델을 처리하려면 더 강력한 머신이 필요합니다. NVIDIA와 AMD의 투자 덕분에 차세대 GPU(그래픽 처리 장치)가 출시되었습니다. 이 칩을 사용하면 병렬 계산이 가능하며 기계는 계산 속도를 높이기 위해 여러 GPU를 통해 계산을 분리할 수 있습니다.

예를 들어 NVIDIA TITAN X를 사용하면 다음과 같은 모델을 훈련하는 데 이틀이 걸립니다. IMAGEnet 기존 CPU의 경우 몇 주가 소요됩니다. 게다가 대기업이 사용하는 clusterNVIDIA Tesla K80을 사용하여 딥 러닝 모델을 트레이닝하는 GPU는 데이터 센터 비용을 절감하고 더 나은 성능을 제공하는 데 도움이 됩니다.

그래픽 카드의 인공 지능

Data

딥러닝은 모델의 구조이고, 데이터는 모델을 살아있게 만드는 유동체입니다. 데이터는 인공지능을 강화합니다. 데이터가 없으면 아무것도 할 수 없습니다. 최신 기술은 데이터 저장의 한계를 넓혔으며 데이터 센터에 많은 양의 데이터를 저장하는 것이 그 어느 때보다 쉬워졌습니다.

인터넷 혁명을 통해 데이터 수집 및 배포를 통해 기계 학습을 제공할 수 있습니다. algorithms. 당신이 익숙하다면 Flickr, Instagram 또는 이미지가 있는 기타 앱을 통해 AI의 잠재력을 추측할 수 있습니다. 이 웹사이트에는 태그가 포함된 수백만 장의 사진이 있습니다. 이러한 사진은 수동으로 데이터를 수집하고 레이블을 지정할 필요 없이 사진의 개체를 인식하도록 신경망 모델을 훈련할 수 있습니다.

데이터와 결합된 인공지능은 새로운 금이다. 데이터는 어떤 기업도 무시해서는 안 되는 고유한 경쟁 우위이며, AI는 데이터에서 최상의 답변을 제공합니다. 모든 기업이 동일한 기술을 보유할 수 있다면 데이터를 보유한 기업이 경쟁 우위를 갖게 됩니다. 아이디어를 주기 위해 세계는 약 2.2엑사바이트, 즉 2.2엑사바이트를 생성합니다. bill매일 1GB씩.

회사에서는 패턴을 찾고 상당한 양의 학습을 수행하기 위해 매우 다양한 데이터 소스가 필요합니다.

AI의 빅데이터

암호알고리즘

하드웨어는 그 어느 때보다 강력하고 데이터에 쉽게 접근할 수 있지만 신경망을 더욱 안정적으로 만드는 한 가지는 더욱 정확한 기술의 개발입니다. algorithms. 기본 신경망은 심층적인 통계적 속성이 없는 단순한 곱셈 행렬입니다. 2010년 이후 신경망을 개선하는 놀라운 발견이 이루어졌습니다.

인공 지능은 점진적 학습 알고리즘을 사용하여 데이터가 프로그래밍을 수행하도록 합니다. 이는 컴퓨터가 변칙 현상을 찾아내는 등 다양한 작업을 수행하는 방법을 스스로 학습할 수 있음을 의미합니다. chatbot.

요약

  • AI는 인공 지능의 완전한 형태입니다. 인간의 작업을 모방하거나 재현하기 위해 기계를 훈련시키는 과학입니다.
  • 과학자는 기계를 훈련시키기 위해 다양한 방법을 사용할 수 있습니다. AI 시대 초기에 프로그래머들은 기계가 직면할 수 있는 모든 논리적 가능성과 대응 방법을 입력하여 하드 코딩된 프로그램을 작성했습니다.
  • 시스템이 성장할 때plex, 규칙을 관리하기가 어려워집니다. 이 문제를 극복하기 위해 기계는 데이터를 사용하여 주어진 환경의 모든 상황을 처리하는 방법을 학습할 수 있습니다.
  • 강력한 AI의 가장 중요한 특징은 상당한 이질성을 지닌 충분한 데이터를 보유하고 있다는 것입니다. 예를 들어, 기계는 학습할 단어가 충분하다면 다양한 언어를 학습할 수 있습니다.
  • AI는 새로운 최첨단 기술이다. 벤처캐피탈리스트가 투자한다 bill스타트업이나 AI 프로젝트에 엄청난 돈이 투자되고 있으며, McKinsey는 AI가 모든 산업을 최소한 double-자리 성장률.
  • 일반 AI, 규칙 기반 AI, 의사결정 트리 AI, 슈퍼 AI 등이 인공지능의 한 종류입니다. 이들 중 다수 concepts AI 생성에 적용 chatbot에스. 관심이 있으시면 이러한 원칙이 일부에서 어떻게 구현되는지 자세히 알아볼 수 있습니다. 최고의 AI chatbots 오늘날.

인공 지능 비디오를 시청하세요 YouTube: Click Here