인공지능(Artificial Intelligence), 영어 약자는 AI이다. 인간 지능을 시뮬레이션, 확장 및 확장하기 위한 이론, 방법, 기술 및 응용 시스템을 연구하고 개발하는 새로운 기술 과학입니다. 인공지능(Artificial Intelligence)은 지능의 본질을 이해하고 인간 지능과 유사한 방식으로 반응할 수 있는 새로운 지능형 기계를 제작하려는 컴퓨터 과학의 한 분야입니다. 이 분야의 연구에는 로봇공학, 언어 인식, 이미지 인식, 자연어 처리 및 전문가 시스템 등
Artilect라는 영어 단어인 인공지능(Artificial Intelligence)은 휴고 드 가리스(Hugo de Garis)의 저서에서 유래되었습니다. '인공지능'이라는 용어는 1956년 다트머스 학회에서 처음 제안되었습니다. 이후 연구자들은 수많은 이론과 원리를 개발했고, 인공지능의 개념도 확장됐다. 인공지능은 매우 도전적인 과학이며, 이 작업에 종사하는 사람들은 컴퓨터 지식, 심리학, 철학을 이해해야 합니다. 인공지능은 머신러닝, 컴퓨터 비전 등 다양한 분야로 구성된 매우 광범위한 과학입니다. 일반적으로 인공지능 연구의 주요 목표는 일반적으로 인간의 지능이 필요한 작업을 기계가 수행할 수 있도록 하는 것입니다. 그러나 시대와 사람들은 이 "복잡한 작업"에 대해 서로 다른 이해를 가지고 있습니다. 예를 들어, 무거운 과학 및 공학 계산은 원래 인간의 두뇌에서 수행되었지만 이제 컴퓨터는 이러한 계산을 완료할 수 있을 뿐만 아니라 인간의 두뇌보다 더 빠르고 정확하게 수행할 수 있습니다. 따라서 현대인은 더 이상 그러한 계산을 작업으로 간주하지 않습니다. '인간의 지능이 요구되는 복잡한 작업'은 시대의 발전과 기술의 발전에 따라 복잡한 작업의 정의도 변화한다고 볼 수 있다. 인공지능의 과학도 변화에 따라 자연스럽게 진화할 것이다. 시대의. 한편으로는 계속해서 새로운 진전을 이루기도 하고, 다른 한편으로는 더욱 의미 있고 어려운 목표로 바뀌기도 합니다. 현재 인공지능을 연구할 수 있는 주요 소재수단은 컴퓨터이며, 인공지능 기술을 실현할 수 있는 기계는 컴퓨터이다. 인공 지능에는 컴퓨터 과학 외에도 정보 이론, 사이버네틱스, 자동화, 생체 공학, 생물학, 심리학, 수리 논리, 언어학, 의학, 철학 및 기타 분야가 포함됩니다. 인공지능 주제 연구의 주요 내용으로는 지식 표현, 자동 추론 및 검색 방법, 기계 학습 및 지식 습득, 지식 처리 시스템, 자연어 이해, 컴퓨터 비전, 지능형 로봇, 자동 프로그래밍 등이 있습니다. 머신 비전의 실제 응용 분야: 지문 인식, 얼굴 인식, 망막 인식, 홍채 인식, 장문 인식, 전문가 시스템, 지능형 검색, 정리 증명, 게임, 자동 프로그래밍, 항공우주 응용 등 학문 범위 인공지능은 자연과학과 사회과학의 교차점에 속하는 첨단 교과목입니다. 철학 및 인지과학, 수학, 신경생리학, 심리학, 컴퓨터 과학, 정보 이론, 사이버네틱스, 불확실성 이론, 생체공학, 연구 범위 자연어 처리, 지식 표현, 지능 검색, 추론, 계획, 기계 학습, 지식 습득, 조합 스케줄링 문제, 지각 문제, 패턴 인식, 논리 프로그래밍, 소프트 컴퓨팅, 부정확하고 불확실한 관리, 인공 생명, 신경망, 복잡한 시스템, 유전 알고리즘, 인간 사고 방법, 응용 분야, 지능형 제어, 전문가 시스템, 로봇 공학, 언어 및 이미지 이해, 유전 프로그래밍, 로봇 공장 안전 문제, 인공 지능 문제는 아직 연구 중이지만 일부 학자들은 컴퓨터가 IQ를 갖는 것이 매우 위험하며 인간에게 반항할 수도 있다고 생각합니다. 이러한 숨겨진 위험은 많은 영화에서도 발생했습니다.
인공지능을 구현하는 두 가지 방법
컴퓨터에 인공지능을 구현하는 방법에는 두 가지가 있습니다. 하나는 사용된 방법이 인간이나 동물 유기체에서 사용하는 것과 동일한지 여부에 관계없이 전통적인 프로그래밍 기술을 사용하여 시스템을 지능적으로 보이게 만드는 것입니다. 이 방법을 공학적 접근 방식이라고 하며 텍스트 인식, 컴퓨터 체스 게임 등 일부 분야에서 성과를 거두었습니다. 다른 하나는 모델링 접근법으로, 효과에 의존할 뿐만 아니라 구현 방법도 인간이나 생물체가 사용하는 방법과 동일하거나 유사해야 합니다.
이 책에서 소개하는 유전알고리즘(GA)과 인공신경망(ANN)은 모두 후자에 속한다. 유전자 알고리즘은 인간이나 유기체의 유전적 진화 메커니즘을 시뮬레이션하는 반면, 인공 신경망은 인간이나 동물의 뇌에 있는 신경 세포의 활동을 시뮬레이션합니다. 동일한 지능형 효과를 얻으려면 일반적으로 두 가지 방법을 모두 사용할 수 있습니다. 전자의 방법을 사용하려면 프로그램 로직을 수동으로 상세하게 지정해야 하므로 게임이 간단한 경우에 편리합니다. 게임이 복잡하고 캐릭터 수와 활동 공간이 늘어나면 해당 로직이 매우 복잡해지고(기하급수적으로 증가) 수동 프로그래밍이 매우 번거롭고 오류가 발생하기 쉽습니다. 오류가 발생하면 원본 프로그램을 수정하고, 다시 컴파일하고, 디버깅하고, 마지막으로 새로운 버전이나 새로운 패치를 사용자에게 제공해야 하는데 이는 매우 번거로운 작업입니다. 후자의 방법을 사용할 경우 프로그래머는 각 캐릭터가 제어할 지능형 시스템(모듈)을 설계해야 합니다. 이 지능형 시스템(모듈)은 처음에는 신생아처럼 아무것도 이해하지 못하지만 점차 학습할 수 있습니다. 환경에 적응하고 다양하고 복잡한 상황에 대처합니다. 이런 종류의 시스템은 처음에는 실수를 하는 경우가 많지만, 다음 번 실행 시 교훈을 얻고 수정할 수 있으며, 적어도 영원히 실수를 저지르지 않으며 새 버전을 출시하거나 패치를 적용할 필요도 없습니다. 인공지능을 구현하기 위해 이 방법을 사용하려면 프로그래머에게 생물학적 사고 방법이 필요하므로 시작하기가 더 어렵습니다. 그러나 일단 들어가면 널리 사용될 수 있습니다. 이 방법은 프로그래밍 시 캐릭터의 활동 패턴에 대한 세부적인 규정이 필요하지 않기 때문에 일반적으로 복잡한 문제에 적용할 때 이전 방법보다 노동력이 더 절약됩니다.
정의
인공지능의 정의는 '인공지능'과 '지능' 두 부분으로 나눌 수 있다. "인공"은 이해하기 쉽고 논란의 여지가 적습니다. 때로는 인간이 창조할 수 있는 것이 무엇인지, 인간이 인공지능을 창조할 만큼 지능이 있는지 등을 고려해야 합니다. 그러나 일반적으로 "인공 시스템"은 일반적인 의미의 인공 시스템입니다. '지능'이 무엇인지에 대해 많은 질문이 있습니다. 여기에는 의식, 자아, 마음(무의식 포함) 등과 같은 다른 문제도 포함됩니다. 사람들이 이해하는 유일한 지능은 그 사람 자신의 지능이며, 이는 일반적으로 받아들여지는 견해입니다. 그러나 우리 자신의 지능에 대한 우리의 이해는 매우 제한적입니다. , 그리고 인간 지능을 구성하는 필수 요소에 대한 이해도 제한되어 있어 '인공지능'이 무엇인지 정의하기 어렵습니다. 따라서 인공지능에 대한 연구는 지능 자체에 대한 연구와 관련되는 경우가 많습니다. 동물이나 기타 인공 시스템과 관련된 연구도 일반적으로 인공 지능과 관련된 연구 주제로 간주됩니다. 인공 지능은 현재 컴퓨터 분야에서 점점 더 주목을 받고 있으며 로봇, 경제적, 정치적 의사 결정 및 제어에 사용됩니다. 유명 스탠퍼드대학교 인공지능연구센터의 넬슨 교수는 인공지능을 다음과 같이 정의했다. “인공지능은 지식을 표현하는 방법, 지식을 획득하고 사용하는 방법에 관한 학문이다. 또 다른 매사추세츠 공과대학 교수는 과학이다.” , Winston은 “인공지능은 과거에 인간만이 할 수 있었던 지능적인 작업을 수행하는 방법에 대한 연구”라고 믿습니다. 이러한 진술은 인공 지능 분야의 기본 아이디어와 원칙, 즉 인공 지능을 반영합니다. 지능은 인간의 지능 활동 법칙에 대한 연구, 특정 지능을 갖춘 인공 시스템의 구축, 이전에 인간의 지능이 필요했던 작업을 컴퓨터가 완료하도록 하는 방법에 대한 연구, 즉 컴퓨터 소프트웨어 및 하드웨어를 사용하는 방법에 대한 연구입니다. 인공지능(AI)은 컴퓨터 과학의 한 분야로 1970년대부터 세계 3대 첨단기술(우주기술, 에너지) 중 하나로 알려져 왔다. . 기술, 인공지능)은 21세기 3대 첨단기술(유전공학, 나노과학, 인공지능) 중 하나로 꼽히며 다양한 분야에서 빠르게 발전해왔기 때문이다. 유익한 결과를 얻었습니다. 인공 지능은 점차 독립적인 분야가 되었으며 이론과 실제 모두에서 자체 시스템이 되었습니다.
인공지능(Artificial Intelligence)은 컴퓨터를 사용하여 인간의 특정 사고 과정과 지능적인 행동(예: 학습, 추론, 사고, 계획 등)을 시뮬레이션하는 연구입니다. 주로 컴퓨터가 지능을 구현하는 원리, 인간의 두뇌 지능과 유사한 컴퓨터를 제조하는 원리가 포함됩니다. 컴퓨터를 만들면 더 높은 수준의 응용 프로그램을 구현할 수 있습니다. 인공 지능에는 컴퓨터 과학, 심리학, 철학, 언어학 등의 학문 분야가 포함됩니다. 자연과학과 사회과학의 거의 모든 학문은 컴퓨터 과학의 범위를 훨씬 뛰어넘는 범위를 갖고 있다고 할 수 있습니다. 인공지능과 사고과학의 관계는 실천과 이론의 관계입니다. 사고 과학의 응용 분야입니다. 사고의 관점에서 볼 때, 인공지능은 논리적 사고에만 국한되지 않고, 이미지 사고와 영감적 사고를 고려해야만 수학도 많은 학문의 기초과학으로 간주됩니다. 인공지능 지능 학문도 수학적 도구를 빌려야 합니다. 수학은 표준 논리, 퍼지 수학 등에서 역할을 할 뿐만 아니라 수학이 인공 지능 학문에 들어가면 서로를 발전시키고 발전할 것입니다. 더 빠르게.
간단한 역사 편집
인공지능의 전설은 고대 이집트까지 거슬러 올라갈 수 있지만, 1941년 이후 전자 컴퓨터의 발달로 기술은 마침내 기계지능을 창조할 수 있게 되었습니다. '인공지능'이라는 용어는 1956년 다트머스학회에서 처음 제안됐다. 이후 연구자들은 많은 이론과 원리를 발전시켜 인공지능의 개념도 확장해 왔다. 짧은 역사 속에서 인공지능의 발전은 예상보다 느리지만, 40년 전 등장부터 현재까지 많은 AI 프로그램이 등장했고, 이는 다른 기술 발전에도 영향을 미쳤다.
컴퓨터 시대
1941년의 발명은 정보 저장 및 처리의 모든 측면에 혁명을 일으켰습니다. 미국과 독일에서 동시에 등장한 이 발명품은 바로 전자 컴퓨터입니다. 컴퓨터는 에어컨이 설치된 여러 개의 큰 방을 차지하는데 이는 프로그래머에게 악몽입니다. 프로그램을 실행하려면 수천 개의 라인을 설정해야 합니다. 1949년에는 프로그램을 저장할 수 있는 향상된 컴퓨터가 프로그램 입력을 쉽게 만들었습니다. 그리고 컴퓨터 이론의 발전은 컴퓨터 과학을 낳게 되었고, 궁극적으로는 인공지능의 출현으로 이어졌습니다. 데이터를 전자적으로 처리하는 컴퓨터의 발명은 인공지능의 실현이 가능한 매개체를 제공합니다.
AI의 시작
컴퓨터가 AI에 필요한 기술적 기반을 제공했지만, 사람들이 인간 지능과 기계 사이의 연관성을 알아차린 것은 노버트 위너(Norbert Wiener)가 피드백을 연구한 최초의 미국인이었습니다. 이론 피드백 제어의 가장 친숙한 예 중 하나는 온도 조절 장치입니다. 이는 수집된 실내 온도를 원하는 온도와 비교하고 히터를 높이거나 낮추어 반응하여 주변 온도를 제어합니다. 이 피드백 루프에 대한 연구의 중요성은 다음과 같습니다. : Wiener는 이론적으로 모든 지능적 활동은 피드백 메커니즘의 결과라고 지적했으며, 이 발견은 1955년 말에 Newell과 Simon이 초기 AI 개발에 큰 영향을 미쳤습니다. "Logic Theorist"라는 프로그램을 만들었습니다. 이 프로그램은 많은 사람들이 최초의 AI 프로그램으로 간주합니다. 각 문제를 트리 모델로 표현한 다음 올바른 결론으로 이어질 수 있는 최상의 분기를 선택하여 문제를 해결합니다. '논리 전문가'가 대중과 AI 연구 분야에 미치는 영향은 AI 발전에 있어 중요한 이정표가 된다. 1956년 인공지능의 아버지로 불리는 존 매카시(John McCarthy)는 많은 전문가들이 모인 학회를 조직했다. 그리고 한 달 동안 기계지능에 관심이 있는 학자들을 초청해 버몬트에서 열리는 '다트머스 인공지능 여름 연구 컨퍼런스'에 참석하게 됐다. 이후 이 분야는 '인공지능', '지능'으로 명명됐다. 그다지 성공적이지는 않았지만 AI 창시자들을 모아 미래 AI 연구의 기반을 마련했습니다. 다트머스 컨퍼런스 이후 7년 동안 AI 연구는 급속히 발전하기 시작했습니다. 비록 이 분야가 아직 명확하게 정의되지는 않았지만 컨퍼런스에서 나온 몇 가지 아이디어가 있습니다. 카네기 멜론 대학교와 MIT가 AI 연구 센터를 설립하기 시작했습니다. 연구는 새로운 과제에 직면했습니다. 다음 단계는 "Logic Expert"와 같이 문제를 보다 효율적으로 해결할 수 있는 시스템을 구축하여 검색을 줄이는 것입니다. 스스로 학습할 수 있는 시스템을 구축하기 위해 1957년에 새로운 프로그램의 첫 번째 버전인 "General Problem Solver"(GPS)가 테스트되었습니다. 이 프로그램은 "The Logic Guy"를 만든 사람들이 개발했습니다. GPS는 Wiener의 피드백 원리를 확장하여 많은 상식 문제를 해결할 수 있었습니다. 2년 후 IBM은 AI 연구 그룹을 설립했습니다. Herbert Gelerneter는 기하학적 정리를 해결하기 위한 프로그램을 만드는 데 3년을 보냈습니다. 점점 더 많은 프로그램이 등장하자 McCarthy는 바빴습니다. 1958년 McCarthy는 그의 새로운 업적을 발표했습니다: LISP 언어는 오늘날에도 여전히 사용되고 있습니다. "LISP"는 "목록 처리"를 의미하며 1963년에 대부분의 AI 개발자에 의해 빠르게 채택되었습니다. MIT는 기계 보조 연구에 대한 인정으로 미국 정부로부터 220만 달러의 보조금을 받았습니다. 이 보조금은 국방고등연구계획국(ARPA)에서 제공되었으며 미국이 기술 발전에서 소련보다 앞서 있음을 보장했습니다. 전 세계의 과학자들이 모여 AI 연구의 속도를 가속화했습니다.
많은 프로그램
다음 해에 등장한 수많은 프로그램 중 유명한 것이 있습니다. "SHRDLU"라고 합니다. "SHRDLU"는 MIT에서 Marvin Minsky 연구원이 주도하는 마이크로 세계(예: 제한된 수의 기하학적 모양)에 대한 연구 및 프로그래밍을 포함하는 "Micro Worlds" 프로젝트의 일부입니다. 컴퓨터 프로그램은 소규모 물체에 직면했을 때 공간적, 논리적 문제를 해결할 수 있다고 생각합니다.
예를 들어 1960년대 후반에 등장한 'STUDENT'는 대수학 문제를 풀 수 있고, 'SIR'은 간단한 영어 문장을 이해할 수 있다. 이러한 프로그램의 결과는 언어 이해와 논리 처리에 도움이 된다. 전문가 시스템은 특정 조건에서 특정 솔루션의 확률을 예측할 수 있습니다. 당시 컴퓨터는 엄청난 용량을 갖고 있었기 때문에 전문가 시스템은 잠재적으로 데이터에서 규칙을 도출할 수 있었습니다. 1970년대에는 전문가 시스템을 사용하여 주식 시장을 예측하고, 의사가 질병을 진단하도록 돕고, 광부에게 광물 매장지를 찾도록 지시했습니다. 이 모든 것은 패턴과 정보를 저장하는 전문가 시스템의 능력 덕분에 가능했습니다. AI 개발에 사용되는 유명한 것으로는 민스키(Minsky)의 구성 이론이 있으며, 예를 들어 이미지의 그림자, 모양, 색상, 경계, 질감 등의 기본 정보를 통해 이미지를 식별하는 방법 등 머신 비전에서 새로운 이론을 제시한 사람도 있습니다. 이 정보를 분석하면 같은 시기의 또 다른 성과는 1972년에 제안된 PROLOGE 언어였습니다. 1980년대에는 AI가 더욱 빠르게 발전하여 1986년에 더욱 상업 분야에 진출했습니다. , 미국의 AI 관련 소프트웨어 및 하드웨어 판매량은 42억 5천만 개에 달합니다. Digital Electric Corporation과 같은 회사는 XCON 전문가 시스템을 사용하여 VAX 메인프레임을 프로그래밍합니다. Boeing은 또한 컴퓨터 전문가의 요구를 충족하기 위해 전문가 시스템에 크게 의존하고 있으며 Teknowledge 및 Intellicorp와 같은 전문가 시스템 지원 생산 소프트웨어를 생산하기 위해 여러 회사를 설립했습니다. 기존 전문가 시스템의 오류를 찾고 수정하기 위해 다른 전문가 시스템이 설계되었습니다.
실험실부터 일상생활까지
사람들은 컴퓨터와 인공지능이 컴퓨터 기술은 더 이상 실험실의 소수 연구자들만의 전유물이 아닙니다. AI 수요의 발전으로 인해 개인용 컴퓨터와 수많은 기술 잡지가 미국 인공 지능 협회(American Association for Artificial Intelligence)와 같은 재단을 통해 컴퓨터 기술을 사람들에게 가져왔습니다. , 민간 기업에 진출하는 연구자들의 물결도 있었습니다. 700명 이상의 AI 연구 인력을 고용하고 있는 DEC와 같은 150개 이상의 회사가 사내 AI 개발 그룹에 10억 달러 이상을 투자했습니다. AI의 다른 여러 영역도 1980년대에 시장에 진출했습니다. 그 중 하나가 머신 비전이었습니다. Minsky와 Marr의 결과는 이제 품질 관리를 위해 생산 라인의 카메라와 컴퓨터에 사용됩니다. 비록 아직 초보적이지만 흑백을 구별하여 물체의 모양 차이를 구별할 수 있는 시스템은 1985년까지 100대 이상이었습니다. 미국의 한 회사는 매출이 8천만 달러에 달하는 머신 비전 시스템을 생산합니다. 그러나 1980년대는 AI 산업에 있어 좋은 시절은 아니었습니다. 1986~87년에는 AI 시스템에 대한 수요가 감소했고 업계는 거의 500달러의 손실을 입었습니다. Teknowledge와 Intellicorp와 같은 두 회사는 이익의 약 3분의 1에 해당하는 손실을 입었습니다. 이 엄청난 손실로 인해 많은 연구 리더들이 소위 말하는 국방부 첨단 연구 프로그램에 대한 실망감을 느꼈습니다. '스마트 트럭'은 기관의 지원을 받아 다양한 전장 작업을 수행할 수 있는 로봇을 개발하는 것입니다. 프로젝트 결함과 성공 가능성 없음으로 인해 국방부는 프로젝트 자금 지원을 중단했습니다. 이러한 차질에도 불구하고 AI는 서서히 회복되고 있습니다. 미국에서 개척된 퍼지 논리와 같은 새로운 기술은 불확실한 인공에서 시작될 수 있습니다. 지능 로봇은 불확실한 상황에서 의사결정을 내리며, 신경망은 인공지능을 구현하는 가능한 방법으로 여겨진다. 요컨대 AI는 1980년대에 시장에 등장해 실용적인 가치를 보여줬다고 볼 수 있다. 21세기의 열쇠가 될 것입니다. "사막의 폭풍" 작전에서 군의 지능 장비는 미사일 시스템과 조기 경보 디스플레이 및 기타 첨단 무기에 사용되었습니다. AI 기술도 가정에 도입되었습니다. 스마트 컴퓨터의 증가는 이제 퍼지 논리를 사용하여 음성 및 텍스트 인식과 같은 일부 응용 소프트웨어를 인공적으로 만들었습니다. 지능 지능 관련 기술에 대한 수요가 늘어나면서 인공 지능은 필연적으로 우리의 삶을 변화시켜 왔으며 앞으로도 계속해서 새로운 발전이 이루어질 것입니다.