[기계 학습 기반의 데이터 공학] 1-1

1st Spring of AI

• 강한 인공지능 추구 (1950년대 초 ~ 1960년대 말)
• 기대만큼의 성과를 거두지 못해 1st Winter 맞이
• 황금을 찾아 떠났으나..., 오랜 세월이 지난 후에 구리 발견

2nd Spring of AI

• 약한 인공지능 추구 (1980년대 초 ~ 1990년대 초)
  (전문적인 범주의 문제만 해결할 수 있는 인공지능)
• 전문가 시스템 = 인간 전문가의 전문 지식 + 컴퓨터의 추론 능력 => 문제 해결
• Perception(퍼셉트론) -> MLP & Backpropagation
• 기대만큼의 성과를 거두지 못해 2nd Winter 맞이
• 금을 포기하고 은을 찾았지만, 만족하지 못함

3rd Spring of AI

• 충분한 데이터 확보
  90년대 디지털 혁명에 수혜를 받았고, 모든 콘텐츠와 데이터가 디지털화됨
• 발전하는 컴퓨팅 파워
  CPU 발전의 전체를 GPU(tensor를 병렬처리하는 그래픽 카드) 발전으로 극복
• 새로운 기술의 발전
• SVM(1995), CNN(1998), 심층학습(2006) 등..

	강한 인공지능	약한 인공지능
정의	일반적인 범주의 문제에 대한 해결 방법	전문적인 범주의 문제에 대한 해결 방법
시기	1st Spring	2nd Spring & 3rd Spring
방법론	지식 표현 (Semantic Net), 추론 (Production System), 탐색 (Heuristic System)	전문가 시스템, 기계 학습 심층 학습
결과	일반적인 문제를 해결하는 방법은 한계에 도달	전문적인 문제를 사람만큼 잘 해결하는 방법은 소기의 성공 (expected success)
예시	WordNet, UMLS, Semantic Web	번역 -> 파파고, 영상/얼굴 인식 -> CNN. 언어 인식 -> siri, 의료 진단 -> watson, 바둑 -> 알파

 

---

-> I, Robot (1940s) : 인공지능을 배우는 사람이라면 꼭 추천하는 소설