레포트
분야
인공지능의 과거 현재 미래1 hwp인공지능을 이해하는 가장 쉬운 방법 중의 하나는 그 응용분야를 열거하는 것이다. 현재 대표적인 응용 분야로는 지능형 에이전트, 정보검색. 데이터 마이닝 등이 있으며 보다 전통적인 응용 분야로서 전문가 시스템 , 자연어처리. 로보틱스 등이 있다.
인공지능 연구가 진전됨에 따라서 다양한 접근 방법들이 대두되었다. 전통적인 인공지능의 주류를 이루어 왔던 기호논리에 기반한 합리론적인 인공지능 연구 방법론이 여러 가지 단점들을 드러내고 그 반면 1980대 중반부터 경험론에 기반한 비기호의 인공지능 방식들의 실제적 응용 사례들이 늘어나면서 인공지능 연구 방법에 있어서 변화가 일기 시작했다.
에이전트는 사용 환경에 따라 데스크탑 에이전트, 인터넷 에이전트, 인트라넷 에이전트 등으로 구분될 수 다.
데이터 마이닝은 현존하는 데이터로부터 지금까지 알려지지 않았던 유용한 정보나 지식을 추출하는 일련을 과정을 일컫는다. 데이터 마이닝 기술은 순수 학문, 사업, 공학 등 다양한 분야에 응용 될 수 있다.
전문가 시스템은 보통 자신의 추론 과정을 사용자에게 설명할 수 있는 기능을 가지고 있어 사용자가 기계가 내린 결론에 대해 검증할 수 있는 기회를 부여한다. 전문가 시스템을 구축하는 과정에서 가장 중요한 부분은 해당 전문 분야에 대한 지식을 추출하여 이로부터 지식 베이스를 구축하는 과정인데 지식 습득 장치는 이러한 작업을 돕거나 자동화하는 도구이다.
자연 언어 처리는 인공지능 연구의 초기부터 중요한 연구 대상의 하나였다. 인간의 언어 능력은 다른 동물과 인간을 구별하는 중요한 특징 중의 하나로 여겨졌으며, 컴퓨터가 이러한 사람의 언어를 이해한다면 정말로 지능적이라고 부를 수 있을 것이기 때문이다. 자연언어 처리는 그 응용분야로서 질의 응답 시스템, 기계 번역, 자연어 기반의 데이터베이스 인터페이스 등이 있다.
최근 들어 기계학습 연구는 다양한 방식으로 성과를 올리기 시작했다. 계산 학습 이론에 의해 확고한 이론적 기반이 수립되고 있고, 기계학습 방법들이 강력한 수행 시스템들에 성공적으로 접목되고 있다. 그리고 보다 안정된 기술에 기반한 실제적인 응용이 개발되어 실용화되기 시작하였다. 결정 트리 학습 방법이 병을 진단하는 규칙을 찾아주고 설명 기반 학습이 지식집중형 추론 시스템에 응용된 바 있고. 신경망이 음성 인식과 공정 제어 등에서 기존의 방법을 능가한 예도 있다.
신경망은 여러 사례들로부터 입출력간에 존재하는 일반적인 사상 관계를 잘 학습하는 능력을 지닌다. 이 과정은 보통 주어진 신경망 구조상에서,신경 유닛들간의 연결 강도를 제조정함으로써 수행되는데 이에 사용되는 학습 알고리즘으로는 헤비안 학습규칙, 오류 역전파 방법, 볼쯔만 학습법등이 있다. 기본적으로 이런 알고리즘들은 입력 패턴이 주어지면 뉴런들이 활성화되어 출력값을 계산하고 원하는 출력값과 비교를 통해 에러를 계산한 후이 에러를 최소화하는 방향으로 뉴런들이 연결 가중치를 변경함으로써 학습이 이루어진다.
현대 인공지능의 특징은 1990년을 전후하여 인공지능 연구 방법론에 있어서 큰 변화가 일어나고 있다. 이를 세 가지로 요약하자면 , 첫째 합리론에서 경험론으로의 철학적인 변화, 둘째 하향식에서 상향식으로의 접근 방법의 변화, 셋재 생물체의 지능 모사 연구라고 볼 수 있다.
지금까지의 인공지능 기술은 주로 문제 해결에 필요한 지식을 기호논리 기반의 표현 방법을 사용하여 컴퓨터상에 주입하고 그로부터 연역적인 추론에 의해 문제에 대한 답을 찾는데 관심을 집중하여 왔다. 이러한 휴리스틱 기호 프로그래밍 방법은 제한된 분야에 대한 실용적인 지식 기반 시스템을 쉽게 구축할 수 있는 장점이 있다. 그러나 이러한 접근 방법은 문제 해결에 많은 지식을 필요로 하며 문제의 범위가 주어진 지식의 범위를 조금만 벗어나면 성능이 급속히 저하된다는 단점을 지닌다. 이와 관련하여 지금까지의 인공지능 연구를 통해서 얻은 교훈 중의 하나는 컴퓨터로 하여금 어른 수준의 전문적인 지식을 요하는 문제를 해결하도록 하는 것은 비교적 쉬우나 오히려 유아 수준의 지능을 흉내내는 것은 매우 어렵다는 것이다.
미래의 인공지능은 정보 처리 방식에서 뿐만 아니라 계산 매체에 있어서도 변화가 예상되며 지금처럼 소프트웨어 의해 지능적 행동을 흉내내려는 시도 뿐만 아니라 하드웨어상에서 직접 학습이나 진화가 일어나거나 여기서 한 걸음 더 나아가 유기체의 특성을 자연스럽게 이용한 바이오웨어 기반의 인공지능 실현을 시도할 것이다. 이러한 시도는 한 편으로는 획기적인 컴퓨터 신기술의 창조와 새로운 응용분야의 개척을 유도한 것이며, 다른 한편으로는 이러한 혁신적인 컴퓨터 기술에 힘입어 보다 향상된 인공지능 구현 기술의 개발을 가져올 것이다.;
