기계학습 개요(2)

인공지능 시장에서 메타버스라는 새로운 플랫폼이 등장함에 따라서 기계 학습이 필요함

 

소프트웨어 핵심 분야 : 기계학습

 

기계학습은 인공지능이라는 학문을 구현하는 한 가지 방법이다.

인공지능은 데이터 과학에서 굉장히 역사가 긴 학문이다.

인공지능을 구현하는 방식은 굉장히 많으며 초기에 구현한 방식은 지식기반 추론 방식

참고

https://blog.naver.com/kescomiri/221094886407

지식공학의 출현 전문가 시스템의 개발

MYCIN 이라는 최초의 규칙 기반 추론 시스템

• 모든 새는 난다 → 비둘기는 난다
• 꿩은 새지만 날 수 없다
• 닭은 새지만 날 수 없다
• 우리집 앵무새는 날개를 다쳐서 날 수 없다
• 날개를 다친 새는 날 수 없다

모든 예외 상황이 생길 때마다 새로운 입력을 해주어야함

지식을 기반으로한 방법은 한계가 발생

특히 이미지를 지식기반으로 인공지능을 구현하는 데 한계 발생

 

경험을 기반으로한 학습

컴퓨터에게 있어서 경험이란 데이터를 의미함

데이터를 몇 개 받으면 "모델"을 생성함 → 모델은 데이터를 받을 때마다 (예외 상황이 생길 때마다) 조금씩 변형됨 →  더 이상 모델이 변경될 데이터가 발생하지 않으면 변경을 멈춘다 → 동물의 특성을 파악해서 예측

 

 

<기계학습>

• 전통적 프로그램

입력 → 컴퓨터 프로그램 → 출력

• 머신러닝 프로그램

입력 → 모델 (학습데이터로 인해 학습된 기계학습 알고리즘) → 출력(예측)

 

인공지능 모델을 구현하는 사람은 굉장히 소수이지만,

대부분의 사람들은 알고리즘을 가지고 어떤 데이터에 적용해서 어떤 문제를 해결할까 가 중요하다.