인공지능의 역사: 기원(계산 기계 및 지능). 퍼셉트론, 인공지능의 겨울, 전문가 시스템, 신경망의 부활, 딥러닝

로봇과 인공지능

https://standout.tistory.com/881

로봇을 프로그래밍하다, Flexible Work Holding

 

 

인공지능의 역사

1950년 - 기원
앨런 튜링의 '계산 기계 및 지능'이라는 논문
기계가 지능을 가질 수 있는지에 대한 개념적 인문학적 문제를 제기

http://aitimes.org/wp-content/uploads/2017/02/Allan_turing_Paper_1950_%ED%95%9C%EA%B5%AD%EC%96%B4%EB%B2%88%EC%97%AD.pdf

 

1950년대 후반 ~ 1960년대 중반 - 인공지능의 황금시대: 연결주의관점과 기호 처리 방식
 - 1958년 - 연결주의관점 - 퍼셉트론
신경망 모델의 기초, 인공 신경망의 초기 형태.

입력을 받아 가중치와 결합하여 활성화 함수를 통해 출력을 생성하는 모델
지능이 복잡한 네트워크에서 발생한다는 개념을 강조
단층 퍼셉트론이라는 제한이 있음. 이후 다층 퍼셉트론으로 발전.

 - 1960년대 - 기호처리방식

롤베이스 접근방식의 기초.
인간의 논리적 추론과 규칙 기반 접근을 기반으로 하는 인공지능의 접근 방식

지능의 핵심이 기호 처리와 규칙 기반 추론에 있음을 강조.

 

1960년대 후반 ~ 1970년대 중반 - 제 1 인공지능의 겨울
기대에 미치지못한 인공지능 기술과 줄어드는 연구자금.

 

1980년대 - 전문가 시스템(롤베이스 접근방식)
머신 러닝 초기형태

전문가 시스템(expert systems), 전문가의 지식을 데이터베이스화해 정보처리를 수행하게함.
통계적 기법과 확률적 방법을 활용하는 등의전문가의 지식을 프로그램화하여 문제 해결에 적용하는 방식으로 동작

 

1980년대 후반 ~ 1990년대 초반 - 제 2 인공지능의 겨울, 다층 퍼셉트론
기대에 미치지못한 인공지능 성능과 연구비용이 매우 많이들어
경제 불확실성과 금융 위기속에서 산업적인 성과가 적어 실용적인 적용이 어렵다는 인식과
신경망 모델의 학습과정이 매우 느리고 데이터 처리능력이 제한적이었던 점.
과대평가되었던 기술에 대한 커진실망감에 줄어드는 연구자금과 투자.

단층 퍼셉트론의 한계를 극복하려는 시도, 다층 퍼셉트론 조명되었으나 인공지능의 두번째 겨울로 침체기에 듦.

 

2000년대 - 신경망의 부활과 현대 AI : 연결주의관점과 통계 확률적 접근방식의 연구
컴퓨터 하드웨어 성능의 발전과 빅 데이터의 활용이 AI 기술 발전의 원동력이됨.

 - 뇌 과학적 접근방식(연결주의관점): 뇌 과학의 연구성과를 도입해 뇌의 작동 원리를 모방하여 인공 신경망을 개발
 - 통계/확률론적 접근방식: 방대한 데이터에서 통계수법을 사용하여 스스로 패턴을 추출하고 예측을 수행

 

2010년대 ~ 현재 : 더 발전된 신경망 구조들의 등장

대규모 데이터셋과 뛰어난 컴퓨팅 파워(GPU 등)의 활용으로 급격한 발전
 - 딥러닝의 발전: 심층 신경망(deep neural networks)을 이용한 이미지 인식, 음성 인식, 자연어 처리 등
 - 인공지능의 응용: 자율 주행 자동차 기술, 의료 진단, 금융 예측 등 다양한 분야에서 인공지능 기술이 적용
 - 강화학습의 진보: 실제 환경에서의 적응력과 학습 능력을 개선하는 연구
 - 윤리적 문제와 규제: 데이터 보안, 개인정보 보호, 인공지능의 윤리적 사용 등에 대한 문제가 각광받고있음.