[IT] 인공지능

인공지능

기계 혹은 시스템에 의해 만들어진 지능을 의미.
인간이 지닌 지적 능력을 인공적으로 구현한 것

머신러닝

머신러닝은 인공지능의 하위 분야
기계가 직접 데이터를 학습함으로써 그 속에 숨겨진 일련의 규칙성을 찾음
우리가 가지고 있는 사례 형식의 데이터를 컴퓨터가 학습해, 그를 기반으로 새 데이터를 평가, 예상, 활용가능케 함

딥러닝

딥러닝이란 기계학습의 일부로 기계학습과 대부분의 것들이 매우 비슷하지만
일반적인 기계학습과 구별되는 두가지 큰 특징을 뽑으면 다음과 같다.

1. 데이터의 특징을 사람이 추출하지 않는다. (데이터 전체를 학습시킨다)
2. 주로 인공신경망 구조를 사용하여 학습한다.

인공 신경망

뇌에서 수많은 뉴런들이 모여 신호를 전달하는 과정을 모델링하여 만든 것

머신러닝
지도학습 : 데이터를 줄 때 데이터에 레이블을 주고 학습하는 방식
              - 개나 고양이 사진을 줬을 때 이 사진은 개다, 고양이다, 라는 레이블을 주고 이에 대한 분석을 하는 것
분류 : 값이 정확하게 떨어지는 것,
회귀 : 연속된 값

비지도학습 : 개 사진, 고양이 사진 주고 이게 어떤건지 알려주지 않고 알아서 학습시키는것
클러스트링 : 여러가지 데이터 줬을 때 군집합처럼 줬을 때 분류만 해주고 어떤건지 안 알려줌
군집화 : 라벨이 없고 비슷한 군집으로 묶을 때 사용

강화학습 : 환경 행동, 보상 세가지를 고려 해서 학습
환경 : 카트의 위치, 카트의 속도, 막대기의 각도, 막대기 끝의 속도
행동 : 카트를 좌 우로 이동
보상 : 수평선 밑으로 떨어지지 않는 시간


뉴런과 인공신경망

데이터가 처리할게 커지면서, 인간의 뉴런을 통해서 만들어지게된 기술
뉴런이 자극을 받으면 전달하고, 다음 뉴런에게 전달하는 방식으로 인공신경망을 만듦

입력층 : 데이터를 입력하는 것
은닉층 : 가중치를 줘서 어떤 데이터가 중요한지 판단
출력층 : 입려한 데이터와 가중치를 토대로 결과를 출력하는 층

하나의 은닉층으로 학습을 시켰는데 결과값이 정확하지 않고 신뢰성이 낮고 데이터 처리할량도 많아짐 
그래서 은닉층 수를 늘려서 더 정확하고 신뢰성 있는 데이터를 만듦


XAI
입력에 대한 결과가 나온 이유, 근거를 사람이 이해 가능한 방식으로 제시하는 것