Introduction to AI
2020-1학기, 대학에서 ‘인공지능’ 수업을 듣고 공부한 바를 정리한 글입니다. 지적은 언제나 환영입니다 :)
이번 포스트는 대학에서 들은 “인공지능(CSED442)” 수업에서 다루는 내용의 개요를 다룹니다 😁
Machine Learning에는 크게 4가지 모델이 있다.
“인공지능(CSED422)” 정규 수업에서는 1, 2, 3번 모델에 대해 주요하게 살펴본다 👀
Reflex-based Model
데이터가 주어지면, 즉각적으로 판단하는 모델이다.
개-고양이 분류, 리뷰의 긍정/부정 여부를 판단하는 <sentiment analysis>가 여기에 속한다.
<Linear Model>과 <Neural Network>의 기본적인 형태가 여기에 속한다.
- Linear Model
- Linear Regression
- Linear Classifier
- Neural Network
- Single-layer Perceptron
- Multi-layer Perceptron
- Nearest-Neighborhood Model
- KNN
State-based Model
“state graph”에서 최적의 action sequence를 찾는 모델이다. 이때, <state>란 미래의 action을 결정하기 위해 필요한 과거에 대한 정보를 담고 있는 것이다.
<State-based Model>의 경우, graph 또는 tree를 기반으로 하기 때문에 적절한 <search algorithm>을 선택해야 한다. 그래서 DFS/BFS, Dijkstra, A* Algorithm 등을 폭넓게 사용한다.
모음/공백이 없는 문자에 모음/공백을 넣는 <text reconstruction>이나 <blackjack>, <chess>, <Pac-Man>과 같은 게임의 인공지능을 만드는 데에도 쓰는 모델이다.
Variable-based Model
“variable”의 모음에 적절한 value를 부여(assign)하는 모델이다. 이때, “제약(constraint)”가 있으며, 이 제약을 만족하면서 “variable”에 적절한 값을 부여해야 한다. <CSP; constraint Satisfaction Problem>가 대표적인 <Variable-based Model>의 주요한 문제 해결 대상이다!
<Map Coloring>, <Event Scheduling>, <Bayesian Network> 등을 이 모델로 해결할 수 있다.
Logic-based Model
주어진 명제들을 바탕으로 “논리적 추론(logical inference)”를 수행하는 모델이다.
정규 수업에서는 다루지 않았다.