열이 Blog : )

  - Weiner의 Cybernetics와 Rosenblatt의 Perceptron 모델은 인간의 뇌가 학습한다는 중요한 원리 제공해준 계기.

  - 1969년 신경 회로망의 한계성에 관한 Minsky와 Papert의 신경 회로망의 한계성에 관한 연구에 따라 컴퓨터와 뇌의 연구가 점차
     분리

  - Minsky는 퍼셉트론이란 책에서 신경 회로망의 결함 발표

     첫째: 퍼셉트론의 신뢰성 할당 문제

     둘째: 논리 연산 기능 중 XOR 문제에 정확한 해를 제시 할 수 없음.

  - 제 2기의 Minsky가 제시한 문제점에 대한 해 제시

    첫째: XOR문제는 오류 역전파 알고리즘을 이용하여 해결

    둘째: 60년대보다 신경회로망을 지원하는 하드웨어의 성능이 2000배 이상 증가

    셋째: 다른 인공지능이 해결하지 못했던 패턴 인식 분야에 신경회로망이 이용되면서 좋은 결과 보여줌.

  인지과학 분야: 병렬 분산 정보 처리를 지향하는 연결형 모델이나 PDP모델을 이용한 연구.

  - 시스템인식 문제와 시스템의 자동화 문제 고려해야 함.

  - 지식을 획득하여 내부의 표현 방법에 의해 표현하여 저장하고 인터페이스를 통해 처리 결과를 사용자에게 보여주는 시스템.

     - 지식의 획득, 정의, 이해 등의 문제를 먼저 정의

  2. 지식의 표현 문제

     - 지식의 의미 표현 및 분할 문제 등을 정의

  3. 지식의 조작 문제

     - 지식 추론, 제어 전략, 불확실한 자료의 처리 문제, 학습 및 추론 방법등에 관해서도 정의.

  4. 모델의 정당성

    - 이 인공지능 시스템이 과연 최적인가? 아니면 그저 그러한가? 아니면 조금 나은가? 정도 등의 문제를 판단하여 적용성 여부 결
      정.

  2. HCI 시스템

  3. 추론엔진

  4. 지식베이스(RB + DB)

  2. 소수의 전문가가 존재하여 희소성이 있어서 필요하나 대중적이지 못한 영역.

  3. 주어진 데이터가 불확실성을 내포한 경우에 적당.

  4. 진단, 추론, 예측 시스템 등.

  5. 지식이 정형적이어서 융통적이지 못할 때.

  2. 인공지능 시스템이 과연 실세계의 시스템을 잘 모델화 하고 있는가?

  3. 이 시스템은 진정한 인공지능 시스템인가?

  4. 적용한 인공지능 시스템은 효율적인가?

  - 지식의 지식

  - 도메인 종속 지식

  - 도메인 독립 지식

  - 여러 엔티티간에 복잡한 관계를 계층적 지식 등

  2. 추론: 주어진 사실이나 규칙으로부터 인지된 입력에 대해 결론을 얻는 과정 (예: 삼단 논법)

             최근 인공지능의 경향은 퍼지 추론방법 사용.

  3. 학습: 사실과 규칙을 계속적인 과정에 의해 습득하는 일련의 과정.

             대표적으로 신경회로망.

  - 21세기의 인공지능의 경향.

  - 최근: 단순한 문제해결 뿐 아니라 인간의 지능을 컴퓨터로 구현하려는 지능형 시스템.    

  - 3가지 동기: 뇌에 있어서 뉴런이 물리적인 기능과 작용에 대한 연구, 명제논리, 튜링 테스트 연구

  - 인공지능의 모델로 뉴런이 서로 시냅스에 의해 연결되어 있는 모델 제안.

  - 뉴런은 "충반한 자극을 제공하는 하나의 명제"라고 개념적 정의.

  - 뉴런으로 연결된 네트워크에 학습의 개념이 필요함을 주장.

  - 1949년 Hebb는 뉴런간의 연결 정도를 변화시킬 수 있는 학습규칙을 제안 "Hebb의 학습규칙"이라 정의.

  - McCulloch와 Pitts의 주장은 인간의 사고 과정을 최초로 연결망을 통해 모델화 했다는 점에서 인공지능 역사상 의의 매우 크다고

    봄.

  - 1950년대 초반 Channon과 Turing은 폰 노이만형 컴퓨터에서 사용 가능한 체스 프로그램 개발.

  - SNARC: 1951년 프린스톤 대학교 수학과 대학원생 Minsky와 Edmond가 개발, 3000여개의 진공관과 40개의 뉴런으로 구성된 시스

                 템.

  - 다트마우스 워크샵 이후 성과는 없었으나 인공지능의 여러분야를 도입하게 되는 직접적인 계기가 됨.

  - 미국의 MIT, 카네기 멜론 대학교, 스탠포드 대학교, IBM등에서 계속적인 연구하게 됨.

  - McCarthy의 주장대로 '인공지능'이란 용어를 최초로 사용하게 된 유명한 워크샵이 됨.

 - GPS: Nowell과 Simon이 개발

        인간의 문제해결 과정을 모델화

        인간과 같은 사고 시스템이라는 인공지능의 첫 번째 목표를 달성하고자 하는 최초의 프로그램.

 - 1958년 McCarthy의 MIT에서의 3가지 업적: - 인공지능 프로그램 언어의 대표적인 LISP 개발.(현존 언어 중 두번째로 오래된 언어)

                                                               - 시분할 시스템 도입.

                                                               - 1958년 "Programs with Commonsense"논문 발표한면서 "Advice Taker"라는 최초

                                                                  의 완전한 인공 지능 프로그램 개발

                                                               - Advice Taker: 지식 표현 및 추론의 중요 원리 모두 포함

                                                                                      지식은 문제해결을 위해 탐색과정에서 사용.

 - McCarthy: 형식논리에서의 지식표현과 추론에 관심.

 - Minsky: 반 논리적인 관점에서 프로그램이 점점 개발되는 것에 관심.

               IQ테스트와 유사한 기하학적인 도형찾기 문제, 블록 세계문제 등과 같은 마이크로 세계의 문제해결을 위해 지능적으로 해

               결하는데 관심.

 - 블록 세계 문제: 아주 유명한 마이크로 세계 문제.

                         테이블에 놓인 딱딱한 블록들 중 한번에 하나의 블록만을 움직일 수 있다는 어떤 원칙에 딸 블록을 재배열하는 문

                         제.

 - 블록 세계 문제의 영향: 1971년 Huffman의 비전 프로젝트

                                    1975년 Waltz의 전파 규칙

                                    1970년 Winston의 학습 이론

                                    1972년 Winograd의 자연어 처리 이해

                                    1974년 Fahlman의 계획 등.

 - 초기:   McCulloch와 Pitts 신경회로망 모델 각광.

 - 1963년: Winograd와 Cowan은 신경회로망의 각 개념을 표현하기 위한 요소의 수를 생각해 냄.

 - 1962년: Widrow는 Hebb의 학습 규칙 개선 Adaline이란 신경 회로망 제안

              Rosenblatt는 유명한 퍼셉트론 수렴 이론 발표

 - 퍼셉트론 수렴 이론: 학습 알고리즘이 입력과 일치하는 해당 출력을 산출하기 위해 뉴런간의 연결 강도를 조절하는 식으로 수렴.

  1. 초기 인공지능 프로그램들이 주제에 관해 지식이 거의 없기 때문에 단순한 시냅스 조작만으로 정보가 전달된다는 점.

  2. 인공지능이 해결하고자 하는 문제들이 매우 어렵다는 점.

  3. 지능화된 행동을 생성하기 위해 사용되는 기본 구조상에서의 어떤 제한 때문임.

  - 불가능한 사실을 학습하려고 한다는 점이 문제.

  - 그 후 1980년대 다층 신경회로망이 도입되어 문제 해결.

  - 인공지능 연구의 처음 10년간 사용되던 문제해결 방법.

  - 도메인에 대한 지식이 부족했기 대문에 불충분한 방법이라고도 불림.

  - 복잡한 도메인에 대해서는 성능이 떨어짐.

  Buchanan의 DENDRAL 프로그램

  - 복잡한 문제를 해결하기 위해서는 거대한 지식을 사용하여 미리 답을 알아야만 효율적인 접근방법의 한 예.

  - 입력은 분자식, 출력은 여러가지 분자 덩어리 스펙트럼

  -80년대에는 전문가 시스템이 등장.

  - 1982년에 Digital Equipment Corporation에서 시작한 R1이라는 전문가 시스템이 상용화, 한해에 약 40만달러 정도 절감.

 - 1990년대와 2000년대의 인공지능의 특징은 인공지능이 독립적으로 연구 발전 되는 것이 아니라 다른 분야와의 융합을 통해 상호
   보완적인 방향으로 발전되고 있다는 점.

   "The exciting new effort to make computers think... machines with minds, in the full and literal sense"(Haugeland,1985)

   "The automation of activities that we associate with human thinking, activities such as decision-making, problem      

    solving, learning..."(Bellman,1978)

  - 인지과학은 인공지능에 기초한 컴퓨터 모델을 만들어 실제 실험을통해 인간의 사고작용을 모방하려는 분야.

  - 인간의 복잡하고 오묘한 사고 작용과 이것을 컴퓨터로 모델화한 것과는 여러 가지로 차이점이 존재.

  "The study of mental faculties through the use of computational models"(Charniak and McDermott, 1985)

  "The study of the computations that make it possible to perceive, reson, and act"(Winston, 1992)

  - 인간의 비형식적인 언어를 컴퓨터의 논리 시스템에 적용하기 위해 형식적인 언어로 바꾸는 과정 필요.

  - 이미 저장된 여러 지식들로부터 입력에 대해 적당한 결론을 추론해 낼 수 있는 과정도 필요.

  - 즉, 정확한 추론 과정이 매우 중요.

  - "The art of creating machines that perform functions that require intelligence when performed by people"(Kurzweil,1990)

  - "The study of how to make computers do things at which, at the moment, people are better"(Rich and Knight, 1991)

  - 1950년 Turing이 제안한 튜링 테스트는 지능의 작용과정에 대해 매우 만족스럽게 설계한 최초의 프로그램.

  - 컴퓨터는 인간에게 질문함으로써 그의 테스트 결과를 여러 경로를 통해 보내줌.

  - Turing은 지능적인 행동이란 질문자를 바보로 만들 정도로 모든 인지적인 작업들에 있어서 인간과 같은 수준의 성능을 이루어

    내는 능력이라 정의.

  - 튜링 테스트의 응용 분야: 자연어 번역 및 처리, 지식 표현 및 저장, 내장된 지식으로부터의 자동화된 추론, 패턴 인식, 기계학습

    등.

  - 튜링 테스트는 테스트한 내용을 좀더 정확히 전달하기 위해 컴퓨터 비전, 로보틱스 등의 발전을 필요로 하는 계기가 됨.

    "A field of study that seeks to explain and emulate intelligent behavior in terms of computational processes"(Schalkoff, 1990)

    "The branch of computer science that is concerned with automation of intelligent behavior"(Lugar and Stubblefield, 1993)

    - 합리적으로 행동한다는 것은 주어진 확률 정도가 있을 때 어떤 목표를 달성하기 위해 행동하는 것을 의미.

    - 정확한 추론은 합리적인 에이전트가 되기 위한 일부분이지만 항상 합리적이라고는 볼 수 없다.

    - 정확히 증명할 수는 없으나 여전히 행해지는 일들이 종종 있기 때문.

    - 합리적으로 행동한다는 것이 반드시 추론 과정을 통해서만 이루어진다고는 말할 수 없음.

    - 장점: 첫째, 인공지능 목표 중 하나인 합리적인 사고 시스템적인 접근 방식보다 더 일반적.

               - 정확한 추론이 합리적인 행동을 이루기 위해서 필요하고도 유용한 메카니즘이기 때문.

              둘째, 인간의 사고 과정이나 행동에 의존하는 접근방식보다 더 과학적.

              - 인간의 행동이란 외부 환경에 잘 적응되기 쉽고 목표 달성과는 거리가 먼 어떤 복잡한 과정의 한 부산물이 되기 쉬우나,

                합리적이란 말은 훨씬 더 정의하기 쉽고 명백하기 때문.

    - 최근에 이러한 목표를 위한 연구가 매우 활발히 진행.