4차산업과 인공지능 : AIDE 데이터 전문가 2급 자격증
4차 산업과 인공지능
4차 산업혁명 시대
21세기 초반 인공지능, 빅 데이터, 초연결 지능화를 통한 4차 산업혁명시대로 진입하고 있다.
19 ~ 20세기 초 : 전기 에너지 대량생산 혁명
20세기 후반 : 컴퓨터, 인터넷, 지식정보 혁명
21세기 초반 ~ : 인공지능, 빅데이터, 사물인터넷, 3D프린팅 로봇, 공유경제, 드론
인공지능 서비스 개요
1. 데이터 획득 - lot, Mobile, M2M을 통한 데이터(이미지, 영상 텍스트 등) 수집과정
M2M(Machine To Machine)이란?
사물(지능)통신을 의미하며, 기계간의 통신 및 사람이 동작하는 디바이스와 기계간의 통신을 말하며, 인간의 개입 없는 무인화, 지능화 서비스
2. 데이터가공(전처리) - 데이터 라벨링, 구분\선별, 포맷 변경, 결합, 변형 등
데이터 라벨링이란?
사람이 만든 사진, 문서등의 데이터를 인공지능(AI)이 학습 할 수 있는 형태로 가공하는 작업
3.모델(Model)생성
모델(Model) 생성 과정은
- 모델(Model) 개발
- 데이터입력
- 데이터학습
- 모델 수정
이 과정들을 반복해서 Model을 생성한다.
Model 모델 학습은 머신러닝(ML, Machine Learning)과 딜러닝(DL, Deeplearning)이 있다.
머신러닝(ML, Machine, Learning) 학습 종류에는 3가지 종류가 있다.
- 지도학습
- 비지도학습
- 강화학습
우선 이정도로 알고 넘어가겠다. 기본 개념만 알면 되기 때문이다.
4. 실시간 서비스(API 개발)
모델 생성 후 모바일(Mobile)앱이나 웹 서비스를 통해 실시간으로 서비스한다.
인공지능 발전
인공지능의 발전 3단계,
인공지능 발전
인공지능의 발전은 AI개념, 전문가 시스템,머신러닝과 딥러닝 3단계로 구분한다.
1차 AI붐 (AI개념)
1960년대 ~ 1970년대 1차 AI붐이 일어났다.
인공지능의 아버지 엘런 튜링
-
인공지능의 시작
- 기계가 생각 할 수 있는지 테스트하는 방법
- 지능적 기계의 개발 가능성 연구
인공지능에 대한 가능성 재기한 인물
2차 AI붐 (전문가 시스템)
1980년대 ~ 1990년대 전문가 시스템이 등장했다
전문가 시스템 - 전문가가 지식을 입력하고 규칙을 만들어 동작하는 시스템
문제점
- 수백 개의 소규모 시스템이 만들어짐
- 비효율적 대규모 시스템
- 개발비, 유지비가 높음
3차 AI붐 (머신러닝 ML, 딥러닝 DL)
2000년대 ~ 2020년대 3차 AI붐으로 진화하는 인공지능 시대를 맞이했다
진화하는 인공지능 컴퓨터가 스스로 학습, 학습할 데이터를 다른 문제에 재활용, 인공지능의 발달로 빅데이터 및 데이터 처리기술 확산 인공지능 하드웨어 향샹(NVDIA, GPU)
AI 진화
머신러닝과 딥러닝을 이용한 빅데이터 및 데이터 처리기술 확산
인공지능 현시점 (딥러닝)
인공지능이 문제를 해결하는 과정
기존 방식은 미리 공식을 알려주는 방식
y = 2x -1
개발자가 미리 공식을 알려줘 문제를 풀어간다.
문제점
- 정해진 규칙대로 밖에 계산 불가
- 환경이 바뀌면 오류발생
- 인공지능에 적합하지 않음
이러한 방법은 문제와 답을 통해 공식 발견
인공지능의 문제 해결방법 - 사람이 문제를 푸는 방식과 동일하게 ‘공식’을 찾아내는 과정
정해진 공식을 알려주는게 아닌 문제와 답을 줘서 인공지능이 답이 아닌 공식을 찾아낸다
결론 :
인공지능이 정확한 문제해결방법(공식)을 찾아내기 위해서는 많은 양의 문제와 답(데이터)가 필요하다
인공지능이 정확한 문제해결방법(공식)을 찾을려면 많은 양과 좋은 질의 데이터가 필요하다.
빅데이터가 요즘 뜨는 이유 중 하나이다.
좋은 질의 데이터를 전처리(가공)하는것을 데이터 라벨링 이라고도 한다.
-AIDE 2급 자격증 과정-
댓글남기기