인공지능이란 무엇인가(일체 포함): 최종 가이드 2022

인공지능의 약자는 AI이다.. 방법을 연구하고 활용하는 후기형 기술과학입니다., 기술, 이론, 그리고 애플리케이션 흉내내는 시스템, 연장, 인간의 지능을 확장하고.

1. 인공지능이란 무엇인가?

컴퓨터 과학의 일환으로, 인공지능은 지능의 본질을 파악하여 최신형 지능형 기계를 생산하려고 합니다.. 이러한 지능형 기계는 인간의 지능과 유사하게 반응할 수 있습니다.. 언어 인식, 로봇공학, 자연어, 이미지 인식, 전문가 시스템은 모두 인공지능 분야의 주요 연구이다..

인공지능 시대부터, 그 기술과 이론은 점점 더 완벽해졌습니다., 적용 범위가 지속적으로 확대되고 있습니다.. AI가 적용된 미래 기술은 인간 지능의 저장소 역할을 할 것이라고 상상하기 쉽다.. 인공지능은 인간의 지능과 지식의 정보과정을 흉내낼 수 있다. AI는 인간처럼 생각할 수 있기 때문에 결국 인간 지능을 능가할 수 있다, 비록 인간의 지능은 아니지만.

2. 인공지능은 어떻게 작동하는가?

원리 인공지능 간단히 말해서 인공지능은 수학적 계산과 동일하다고 설명할 수 있습니다..

"알고리즘"은 기계의 지능을 결정합니다. 처음에는, 회로를 켜고 끄는 것으로 1과 0을 표현할 수 있다는 사실이 밝혀졌습니다.. 그런 다음 많은 회로가 함께 구성됩니다., 다양한 배열은 많은 것을 나타낼 수 있습니다., 색상과 같은, 모양, 그리고 편지. 논리 요소와 결합 (트랜지스터), '입력' 패턴 (스위치 버튼을 누르세요) – 계산 (라인을 통한 전류) – 출력 (불이 켜져 있어요)" 로 이루어져.

더 복잡한 컴퓨팅을 구현하려면, 결국은 되었다, "대규모 집적 회로" – 칩.

회로 로직이 레이어별로 중첩되고 레이어별로 패키징된 후, 현재 상태를 변경하는 방법은 "프로그래밍 언어"가 됩니다.. 그게 프로그래머가 하는 일이에요.

프로그래머가 컴퓨터에게 실행하라고 지시하는 것은 무엇이든, 실행한다, 전체 프로세스는 프로그램에 의해 수정됩니다..

그래서, 컴퓨터가 작업을 수행하기 위해, 프로그래머는 먼저 작업의 흐름을 완전히 이해해야 합니다..

3. 인공지능은 소프트웨어 기술인가??

인공지능은 자가두증 기술이 아니다. 지능형 로봇을 예로 들면, 지능형 기술이 포함되어야 합니다., 인정과 같은, 심판, 언어, 그리고 걷기. 인공지능은 생활 및 다양한 분야와 밀접하게 연관되어 있다..

인공지능의 약자는 AI이다.. 방법을 연구하고 활용하는 후기형 기술과학입니다., 기술, 이론, 모방을 위한 응용 시스템, 연장, 인간의 지능을 확장하고.

컴퓨터 과학의 한 분야로서, 인지지능의 특성을 이용해 인간의 지능과 유사하게 반응할 수 있는 지능형 기계를 만들고자 한다.. 언어 인식, 로봇공학, 자연어, 이미지 인식, 전문가 시스템은 모두 인공지능 분야의 주요 연구이다..

인공지능 시대부터, 그 기술과 이론은 점점 더 완벽해졌습니다., 적용 범위가 지속적으로 확대되고 있습니다.. AI가 적용된 미래 기술은 인간 지능의 저장소 역할을 할 것이라고 상상하기 쉽다.. 인공지능은 인간의 지능과 지식의 정보화 과정을 흉내낼 수 있다. AI는 인간처럼 생각할 수 있기 때문에 결국 인간 지능을 능가할 수 있다, 비록 인간의 지능은 아니지만.

4. 인공지능은 어떤 기술로 구성되어 있나요??

인공지능에는 다음과 같은 5가지 핵심기술이 있다:

컴퓨터 시각 인식: 이 기술은 시퀀스를 사용하여 이미지 분석 작업을 관리 가능한 덩어리로 나눕니다.. 이러한 시퀀스는 기계 학습 및 이미지 처리 작업과 같은 기술로 구성됩니다..

기계 학습: 머신러닝은 데이터에서 패턴을 자동으로 발견하는 것을 의미합니다.. 패턴은 발견되는 한 예측할 수 있다. 이 모델의 예측률은 처리되는 데이터의 양에 비례합니다..

자연어 처리: 컴퓨터는 인간과 동일한 텍스트 처리 능력을 가지고 있습니다.. 이것이 자연어 처리다.. 계약 조건 자동 표 작성, 관련 인물을 자동으로 인식할 수도 있습니다., 장소, 등. 본문에는 자연어 처리의 예가 나와 있습니다..

로봇공학: 최근에는, 알고리즘 등 핵심기술은 점점 더 완벽해졌습니다., 로봇 공학에서 중요한 혁신이 이루어졌습니다.. 예를 들어, 의료 로봇, 가족 로봇, 무인 로봇은 모두 로봇 기술의 중요한 응용 분야입니다..

생체인식: 생체 인식은 법의학 기술로 시작되었습니다.. 생체 인식은 음향학을 결합합니다., 컴퓨팅, 얼굴과 같은 인간의 특성을 활용하는 생물통계학, 지문, 목소리, 정맥, 등., 개인 식별을 위해.

5. AI의 종류

있다 3 종류: 1. 약한 AI; 2. 강력한 AI; 3. 슈퍼 AI.

• 약한 AI: 단일 업무 분야에서 인간을 대체.

• 강력한 인공지능: 인생에서 대부분의 작업을 완료하기 위해 일반 사람을 대체할 수 있습니다.. 이것이 현재 모든 AI 기업이 달성하려고 하는 것입니다..

• 초인공지능: 강력한 인공지능을 기반으로, 인간처럼 배운다, 매일 여러 번의 업그레이드와 반복을 수행합니다.. 그리고 지능의 수준은 인간의 수준을 완전히 능가할 것입니다..

6. 인공지능의 장점과 장점은 무엇인가?

이점:

• 생산 측면에서, 인간의 노동이 완화될 것이다, 인간의 다양한 능력을 대체할 수 있는 저비용, 고효율 로봇과 인공지능.

• 이전보다 더 적은 자원으로 더 많은 수요를 충족할 수 있으므로 환경 문제를 어느 정도 개선할 수 있습니다..

• 인공지능은 인간이 세상을 이해하는 지평을 넓히고, 인간이 세상에 적응하는 능력을 향상시킬 수 있다..

결점:

• 인공지능은 인간을 대체하여 다양한 일을 합니다., 인류의 실업률은 크게 증가할 것이다, 그리고 인간은 생존할 수 없는 무력한 상태에 놓이게 될 것이다..

• 인공지능을 합리적으로 사용할 수 없는 경우, 나쁜 사람들이 범죄를 저지르는 데 사용될 수도 있습니다, 그러면 인류는 패닉에 빠질 것이다.

• AI를 잘 통제하고 활용하지 못한다면, 우리는 AI에 의해 통제되고 활용될 것이다, 그러면 인간은 죽고 세상은 패닉상태가 될 것이다.

7. AI를 위한 과제

AI 알고리즘 편향

지능형 시스템은 특정 데이터를 기반으로 작동하기 때문에 데이터의 품질이 인공지능의 품질을 결정합니다. 인공지능의 깊이를 탐구하면서, 데이터에 수반되는 피할 수 없는 편견이 명백해짐. 편견은 민족으로 이해될 수 있다, 지역 사회, 성별, 아니면 인종차별. 예를 들어, 오늘날 알고리즘은 취업 면접에 적합한 후보자 또는 대출 자격이 있는 개인을 식별합니다.. 이렇게 중요한 결정을 내리는 알고리즘이 시간이 지나면서 편향되게 된다면, 정말 끔찍할 수도 있었어, 불공정, 그리고 비윤리적인 결과.

블랙박스 문제

인공지능 알고리즘은 블랙박스와 동일. 우리는 인공지능 알고리즘의 내부 작동에 대해 거의 알지 못합니다.. 예를 들어, 우리는 예측 시스템이 무엇을 예측하는지 알고 있습니다., 하지만 시스템이 어떻게 그러한 예측을 하게 되었는지는 알 수 없습니다.. 이로 인해 AI 시스템이 약간 불안정해집니다..

블랙박스 문제를 해결하기 위한 몇 가지 기술이 개발되고 있습니다., 라임과 같은 (로컬 해석 가능 모델 불가지론적 해석). LIME은 예측을 해석 가능하게 만듭니다., 각 알고리즘의 최종 예측에 추가 정보를 추가합니다., 알고리즘을 신뢰할 수 있게 만들기.

고효율 알고리즘 요구 사항

인공지능 모델을 연습하려면 엄청난 컴퓨팅 용량이 필요합니다.. 학습 알고리즘이 점점 보편화되면서, 그러한 알고리즘이 효율적으로 작동하도록 보장하는 것이 중요합니다., GPU 및 코어의 추가 배열이 필요합니다. 천문학과 같은 분야에 AI 시스템이 배치되지 않는 이유는 다음과 같습니다., 소행성 추적에 AI를 사용할 수 있는 곳.

정교한 AI 통합

웹 사이트에 추가 기능을 추가하거나 Excel을 수정하는 것이 AI를 기존 엔터프라이즈 인프라와 통합하는 것보다 쉽습니다.. AI 통합이 현재 출력에 부정적인 영향을 미치지 않고 AI가 현재 프로그램 요구 사항과 호환되도록 보장하는 것이 특히 중요합니다.. 게다가, AI 인프라 관리 단순화, AI 인터페이스를 구축하는 것이 중요합니다. 라고 한, 관련 당사자가 AI로 원활하게 전환하는 것은 다소 어려울 수 있습니다..

실행 전략에 대한 이해 부족

AI가 산업에 영향을 미칠 준비가 되어 있는 동안, AI의 주요 과제는 구현 전략을 막연하게 이해하고 있다는 것입니다.. 프로세스가 지속적으로 개선될 수 있도록 보장, 기업은 인공지능의 혜택을 받는 분야에서 실제 발전에 부합하는 목표를 선택할 수 있습니다., 인공지능 시스템에 피드백을 전송합니다..

법적인 문제

조직은 AI와 관련된 법적 문제에 주의해야 합니다.. 민감한 데이터를 수집하는 AI 시스템, 무해한지 아닌지, 법을 어길 가능성이 있다. 조직은 AI를 사용하여 데이터를 수집하는 데 따른 부정적인 영향을 고려해야 합니다., 합법적인데도 불구하고.

8. 예를 들어 인공 지능이란 무엇입니까??

자율주행자동차

그들은 트래픽 패턴을 처리하고 현재 결정을 내리는 방법을 배우기 위해 계속해서 많은 데이터를 사용하여 작업합니다..

이러한 자율주행차는 승객이 항상 제어할 것을 요구하지 않습니다., 기계와 인공 지능을 사용하여 움직이는 법을 배웁니다..

스마트 어시스턴트

유비쿼터스 스마트 디지털 비서부터 시작해보세요. 요즘에는, 우리는 Cortana에 대해 논의 중입니다, 구글 어시스턴트, 그리고 시리.

얼굴 검출 및 인식 기술

iPhone의 Face ID 잠금 해제, 얼굴인식 기술을 사용하는, 가상 필터 Snapchat, 얼굴 인식 기술을 사용해 얼굴을 인식하는 기술, 둘 다 오늘날 AI 애플리케이션의 예입니다..

텍스트 에디터

오늘, 많은 텍스트 편집자가 최적의 글쓰기 경험을 만들기 위해 AI에 의존합니다..

예를 들어, NLP 알고리즘은 잘못된 구문 사용을 인식하고 이를 수정하기 위해 텍스트 편집기로 보냅니다.. 게다가, 자동 수정, 일부 글쓰기 도구는 가독성과 표절 등급을 제공합니다..

소셜 미디어

지금 바로, 인스타그램, 페이스북 등 소셜미디어는 AI로 구동된다.. 이러한 미디어 플랫폼은 AI를 사용하여 사용자의 선호도를 선별 및 식별하고 선호도에 따라 콘텐츠를 제공하여 사용자의 활동을 유지합니다..

챗봇

고객 담당자로부터 직접 문의를 받는 데는 시간이 많이 걸릴 수 있습니다.. 이래서 인공지능이 나오는구나.

컴퓨터 과학자들이 챗봇을 훈련시킵니다., 또는 챗봇, 자연어 처리를 사용하여 고객 담당자의 대화 스타일을 모방합니다..

추천 알고리즘

YouTube, Netflix와 같은 미디어 플랫폼은 AI의 지능형 추천 시스템의 도움으로 운영됩니다..

시스템은 먼저 사용자의 취미와 데이터 행동을 얻기 위해 다양한 방법을 사용합니다.. 그런 다음 시스템은 심층 분석 알고리즘과 기계 학습을 통해 해당 사용자의 선호도를 예측합니다..

검색 알고리즘

검색 알고리즘은 검색 엔진 결과 페이지의 상위 결과를 보장합니다. (SERP) 우리 질문에 대한 답변을 가지고. 그런데 어떻게 이런 일이 일어나는 걸까요??

검색 회사는 고품질을 식별하기 위해 알고리즘을 제어합니다., 유효한 데이터. 그런 다음 답변을 표시하고 사용자에게 최상의 경험을 제공하기 위해 찾기 결과 목록을 제공합니다..

9. AI 솔루션

일반적으로 말하면, 인공지능 솔루션 (인공지능, 인공지능이라고 한다) 인공지능 기계가 표현하는 지능이다., 그리고 인공지능의 주제는 실현 가능성이라고 볼 수 있다., 이론, 방법, 기술, 신청 시스템, 지능연구개발 및 응용시스템. 윤리는 새로운 과학 및 공학 분야입니다.. 이 지점에서, 핵심은 '지능'에 있다, 현재 인간이 알고 있는 유일한 고급 지능은 인간 자신뿐이기 때문입니다.. 그러므로, 인공지능은 인간 지능의 본질을 탐구해 “인간처럼 생각하거나 행동하는” 기계 시스템을 만들려고 한다.. 전자는 논리와 같은 문제를 해결합니다., 추리, 최적의 솔루션을 모색하고 있습니다., 후자는 학습을 통해 달성되는 반면, 인식, 추리, 의사결정, 그리고 다른 행동.

AI 솔루션의 정확한 정의에 대해 일반적으로 받아들여지는 합의는 없습니다., AI 개발 초기 단계의 특징도 알 수 있다.. 가장 먼저, 일반적으로, 인공지능의 이론적 구성은 아직 매우 미성숙하다, 기술적 혁신도 모색되고 있습니다.. 이는 인간이 지능 자체의 작동 메커니즘과 구성요소에 대해 거의 이해하지 못하기 때문이다.; 두번째, 기술 응용이 개념 이론보다 앞서 있습니다.. 다양한 방향과 하위 분야에는 특정 장벽이 있습니다., 인공 지능의 주류 기술 경로는 현재 볼 수 없습니다, 인공지능 자체의 작동 메커니즘과 구성 요소가 개념 이론보다 앞서 있기 때문이다..

AI는 디지털 경제의 혁신적 발전을 위한 강력한 추진력을 제공할 것입니다.. 콘텐츠 제작 차원에서, 머신러닝 모델, 생성 AI 등 AI 기술이 콘텐츠 제작에 영향을 미칠 것. 텍스트 등 다양한 디지털 콘텐츠, 이미지, 오디오, 동영상, 가상 장면을 독립적으로 생성할 수 있습니다., 디지털 콘텐츠의 생성을 촉진할 것입니다.. 성적 AI의 활발한 발전으로, 새로운 형태의 디지털 콘텐츠 상호작용 및 생성이 창출됩니다.. 게다가, 생성적 AI와 AI가 가져오는 콘텐츠 생산의 영향도 VR/AR, Metaverse 등 미래 인터넷 애플리케이션을 바람직한 현실로 만들 것입니다..

10. 디지털 아바타와 생성적 AI가 성장하는 추세입니다.

AI의 두 가지 추세는 디지털 경제와 인터넷의 발전과 밀접하게 연관되어 있습니다..

한 방향은 생성적 AI이다. AI의 미래를 선도하는 기술. 가장 영향력 있는 다섯 가지 기술 중 하나 2022 생성 AI는, 가트너에 따르면. 이 기술은 생성적 AI가 인간이 생산하는 전체 데이터의 10분의 1을 생성할 것으로 예측합니다. 2025.

기계 학습 알고리즘과 AI는 훈련 데이터를 사용하여 새로운 이미지를 생성합니다., 비디오, 텍스트, 등등. 이것이 바로 생산적인 AI다. 생성적 AI는 고유 패턴에서 데이터를 학습하고 내보내어 새로운 유사성을 생성합니다.. 현재, 생성 AI는 인간의 개입이 거의 없이 고품질의 창의적 콘텐츠를 생성할 수 있습니다., 그림 스타일 변화를 실현, 텍스트를 이미지로, 사진을 이모티콘으로, 사진이나 비디오 수리, 현실적인 인간 음성의 합성, 사람의 얼굴이나 기타 시각적 객체의 생성, 3D 가상 환경 만들기, 등. 인간은 장면을 설정하기만 하면 된다, 생성 AI는 원하는 결과를 자동으로 출력합니다., 한계비용 제로 콘텐츠 제작 변화를 가져올 뿐만 아니라 인간의 생각과 경험에서 비롯되는 편견도 피할 수 있습니다..

두 번째 개발 방향은 디지털 가상인간이다.. 컴퓨터 3D 영상 소프트웨어로 제작된 디지털 휴머노이드 캐릭터는 디지털 아바타이다. 기존 영화나 TV 특수효과의 '아바타' 등 가상 캐릭터와 비교, AI 합성, 실시간 모션 캡쳐 등의 기술과 결합, 가상 인간은 언어 측면에서 보다 지능적이고 실시간 방식으로 사용자와 상호 작용할 수 있습니다., 표현, 그리고 행동. 가상 인간은 점차 하이브리드 운동학이 됩니다., AI와 VR, 컴퓨터 그래픽, 학제 간 프론티어 크로스 필드. 또한 온라인 문화, 엔터테인먼트에서 오프라인으로 이동하고 있습니다..

가상 인간 진화의 첫 번째 추세는 대화형 AI 시스템에 통합되는 것입니다., 기존의 가상 비서와 같은 챗봇을 접근 가능한 로봇으로 전환, 더 이상 추상적인 인간 이미지가 아닙니다., 사람들과 소통하는 과정에서 정서적 교류를 강화하고. 두 번째 측면은 도구의 다양성과 단순성입니다.. 사용자는 사용할 수 있습니다 30 독특한 이미지를 만드는 데 몇 분, 기본 이미지에 따라 시스템에서 매개변수가 수정됩니다..

11. 인공지능의 역사

임신 단계

이 단계는 주로 1956년 이전을 가리킨다., 인간은 자신의 정신적 작업 중 일부를 다른 기계로 대체하기를 원했습니다., 그에게 자연을 정복할 수 있는 능력을 선사할 것입니다.. 사이 384 BC 주와 322 기원전, 위대한 철학자 아리스토텔레스는 그의 저서 『도구 이론』에서 형식 논리학의 법칙을 제시했습니다., 이를 통해 연역적 추론의 기본 기초가 형성되었습니다.. 이는 인공지능의 생성과 발전에 지대한 영향을 미치는 주요한 연구성과이다.. 영국의 철학자 베이컨 (에프. 베이컨) 유도방식을 체계적으로 제시, 그리고 '아는 것이 힘이다'라는 경구를 내세우기도 했습니다.. 이는 1970년대 이후 인공지능 연구의 중심에서 인간의 사고과정 연구와 지식으로의 전환에 중요한 시사점을 가져왔다..

독일의 수학자이자 철학자 G. 여. 라이프니츠는 보편 표기법과 추론 계산의 개념을 제안했습니다., 그리고 그는 보편적인 상징 언어와 이 상징 언어를 추론하기 위한 계산이 확립될 수 있다고 믿었습니다.. 이러한 생각은 현대 머신씽킹 디자인 사상의 시발점일 뿐만 아니라 수학적 논리의 생성과 발전의 기본점이기도 하다..

영국의 논리학자 C. 부울은 사고의 법칙을 형식화하고 기계화하는 데 전념하여 부울 대수학을 창안했습니다.. 그의 저서 '사고의 법칙'에서, 그는 사고 활동의 기본 추론 법칙을 설명하기 위해 처음으로 상징적 언어를 사용했습니다..

~ 안에 1936, 영국의 수학자 A.M. 튜링은 튜링 머신을 제안했다, 컴퓨터의 만족스러운 수학적 모델. 그것으로, 전자 디지털 컴퓨터가 세상의 눈에 나타났습니다.

형성단계

이 단계는 주로 다음을 가리킨다. 1956-1969. 여름에는 1956, 제이. 매카시, 다트머스 대학의 젊은 수학 조교이자 현재 스탠포드 대학의 교수, 그리고 남. 엘. 민스키, 하버드 대학의 젊은 수학과 신경과학자이자 MIT 교수, IBM N. 로체스터, 기업정보연구소장, 그리고 C. 이자형. 섀넌, Bell Labs 정보 부서의 수학 연구원, 이니셔티브를 공동으로 시작했습니다., T를 초대하다. 프린스턴 대학의 무어, 영형. 셀프리지와 A. 엘. RAND Corporation의 뉴웰, 그리고. 엘. RAND Corporation 및 Carnegie Mellon University의 Newell Newell), 사이먼 (시간. ㅏ. 사이먼, 등.) 기계지능 문제를 논의하기 위해 미국 다트머스 대학교에서 2개월간 학술세미나를 열었습니다. 매카시는 이번 컨퍼런스에서 '인공지능'이라는 기술 용어의 공식 채택을 제안했기 때문에 인공지능의 아버지로 불린다.. 이번 컨퍼런스는 새로운 학문 분야로서 인공 지능의 진정한 출현을 보여주었습니다.. 역사적 의미가 있다.

 그때부터, 미국에는 여러 인공 지능 연구 조직이 설립되었습니다., Newell과 Simon의 Carnegie-RAND Collaborative Group 등, 민스키와 매카시의 MIT 연구 그룹, Samuel의 IBM 엔지니어링 연구 그룹.

개발 단계

이 단계는 주로 이후를 가리킨다. 1970. 1970년대, 많은 국가에서 인공지능에 대한 연구를 진행했습니다., 그리고 수많은 연구 결과가 나왔다.. 예를 들어, ~에 1972, ㅏ. 프랑스 마르세유 대학의 Comerauer는 논리 프로그래밍 언어 PROLOG를 구현했습니다.; 이자형. 시간. 스탠포드 대학의 Shorliffe 등은 진단 및 치료를 위해 미국 전문가 시스템 MYCIN을 제안하기 시작했습니다. 1972.

하지만, 다른 신흥 학문의 발전과 마찬가지로, 인공지능의 발전 경로는 순탄하지 않다. 영국과 미국은 당시 대부분의 기계 번역 프로젝트에 대한 자금 지원을 중단했습니다.. 다른 측면에서는, 문제 해결과 같은, 신경망, 기계 학습, 등., 그들도 어려움을 겪었다, 인공지능 연구를 한동안 딜레마로 만들다.

인공지능 연구의 선구자들이 기존 연구의 경험과 교훈을 세심하게 성찰하고 요약한다.. ~ 안에 1977, 파이겐바움은 제5차 인공지능 국제합동회의에서 '지식공학' 개념을 제안했다., 지식기반 지능형 시스템 연구 및 구축에 중요한 역할을 담당한. 대부분의 사람들은 지식센터 AI 연구에 대한 Feigenbaum의 견해를 받아들였습니다.. 그때부터, 인공지능 연구는 지식 중심의 활발한 발전 시대를 열었습니다..