PART 1 · TRACK 1 · LESSON 2
관련 분야
AI 외에도 적어도 이름만 알아두면 좋을 밀접하게 관련된 여러 가지 주제가 있습니다. 여기에는 머신러닝, 데이터 과학, 딥러닝이 포함됩니다.
LESSON FOCUS
이 소단원의 핵심 내용
AI 외에도 적어도 이름만 알아두면 좋을 밀접하게 관련된 여러 가지 주제가 있습니다. 여기에는 머신러닝, 데이터 과학, 딥러닝이 포함됩니다.
- 기계 학습
- 로봇이란 무엇입니까?
- AI 분류
AI 외에도 적어도 이름만 알아두면 좋을 밀접하게 관련된 여러 가지 주제가 있습니다. 여기에는 머신러닝, 데이터 과학, 딥러닝이 포함됩니다.
기계 학습은 AI의 하위 분야라고 할 수 있으며, 그 자체는 컴퓨터 과학의 하위 분야입니다(이러한 범주는 종종 다소 부정확하며 기계 학습의 일부는 통계에 동등하거나 더 잘 속할 수 있습니다). 머신러닝은 적응형 AI 솔루션을 가능하게 합니다. 간결한 정의는 다음과 같이 주어질 수 있습니다.
KEY TERMINOLOGY
기계 학습
점점 더 많은 경험이나 데이터를 통해 주어진 작업의 성과를 향상시키는 시스템입니다.
딥러닝은 머신러닝의 하위 분야로, 그 자체가 AI의 하위 분야이고, 그 자체가 컴퓨터 과학의 하위 분야입니다. 우리는 5장에서 딥 러닝을 좀 더 자세히 다루겠지만, 지금은 딥 러닝의 "깊이"가 수학적 모델의 복잡성을 의미하며, 현대 컴퓨터의 향상된 컴퓨팅 성능으로 인해 연구자들은 이러한 복잡성을 증가시켜 양적으로 뿐만 아니라 질적으로 이전과 다른 수준에 도달할 수 있다는 점만 언급하겠습니다. 아시다시피 과학에는 점점 더 많은 특수 하위 필드, 하위 필드의 하위 필드 등이 포함되는 경우가 많습니다. 이를 통해 연구자는 특정 주제를 확대하여 수년에 걸쳐 점점 증가하는 지식의 양을 따라잡고 해당 주제에 대한 새로운 지식을 생성할 수 있으며 때로는 이전 지식을 더 정확하도록 수정할 수 있습니다.
데이터 과학은 기계 학습 및 통계, 알고리즘, 데이터 저장 및 웹 애플리케이션 개발을 포함한 컴퓨터 과학의 특정 측면을 포함하는 최근의 포괄적인 용어(여러 하위 분야를 포괄하는 용어)입니다. 데이터 과학은 또한 비즈니스 또는 과학에 적용되는 영역, 즉 목적("부가가치"의 의미), 기본 가정 및 제약 조건에 대한 이해가 필요한 실용적인 학문입니다. 데이터 과학 솔루션에는 약간의 AI가 포함되는 경우가 많습니다(그러나 일반적으로 헤드라인에서 기대하는 것만큼 많지는 않습니다).
로봇공학은 복잡한 실제 시나리오에서 작동할 수 있도록 로봇을 만들고 프로그래밍하는 것을 의미합니다. 어떤 면에서 로봇공학은 사실상 AI의 모든 영역의 조합이 필요하기 때문에 AI의 궁극적인 도전입니다. 예를 들면:
- 환경 감지를 위한 컴퓨터 비전 및 음성 인식
- 자연어 처리, 정보 검색, 지시 처리 및 잠재적 행동의 결과 예측을 위한 불확실성 하에서의 추론
- 인간과 상호 작용하고 협력하기 위한 인지 모델링 및 감성 컴퓨팅(인간 감정 표현에 반응하거나 감정을 모방하는 시스템)
로봇공학과 관련된 AI 문제의 대부분은 기계학습을 통해 가장 잘 접근되며, 이는 기계학습을 로봇공학 AI의 중심 지점으로 만듭니다.
LESSON COMPLETE