인공 지능은 최종적으로 인간의 지능과 유사한 특성을 가진 복잡한 컴퓨터를 제작하는 것이다. 머신 러닝은 기본적으로 알고리즘을 이용해 데이터를 분석한 후, 분석을 통해 학 습하여 판단이나 예측을 한다. 이는 판단이나 예측을 할 때 구체적인 지침을 코딩하는 것이 아니라 대량의 데이터와 알고리즘을 통해 컴퓨터를 학습시켜 작업 수행 방법을 익 히는 것을 목표로 한다.
머신 러닝은 알고리즘 방식에는 의사 결정 트리, 귀납 논리 프로그래밍(ILP), 클러스터 링(Clustering), 강화 학습(Reinforcement learning), 베이지안 네트워크, 인공 신경망 등 이 있다. 기계학습의 종류는 크게 지도 학습(Supervised learning), 비지도 학습 (Unsupervised learning)으로 나눌 수 있다. 지도학습은 예측하고자하는 결과를 사용하여 학습하고, 비지도학습은 예측하고자하는 결과가 없는 경우에 사용한다. 알고리즘에 대한 자세한 설명은 별첨되는 문서를 통해 제공하고자 한다. (그림 46 참조) (별첨 문서 1 인 공지능 대표 알고리즘 참조)
그림 46 인공지능 대표 알고리즘
가. 인공지능 대표 알고리즘 이용 사례
n Bayesian Classifiers
Bayesian Classifier는 모든 분류 작업에 사용할 수 있지만 문서 분류, 특히 스팸 필터 와 함께 특히 유용하다. Paul Graham가 개발한 Bayesian spam filter는 99.5%의 정확성 으로 스팸을 탐지하며, email의 헤더 및 HTML과 Javascript에 포함된 단어에 해당 Classifier를 적용한다.
n Decision Tree Classifier
Decision Tree Classifier로 웹서비스 등을 통하여 얻어진 사용자의 데이터를 이용하여 유료고객이 될 새로운 무료 평가판 사용자를 예측할 수 있다. 또한, 고객을 유도한 정확 한 유입경로를 보여 준다. MIT는 Decision Tree Classifier를 이용하여 신청자가 대출을 받을지 여부와 신청자가 채무를 불이행 할 여부를 예측하는 방법을 연구하였다.
n Support Vector Machines(SVM)
SVM은 필기 인식, 표정분류 및 이미지 분류와 같은 복잡한 데이터와 함께 자주 사용 된다. 아랍어와 페르시아어로 작성된 숫자를 94%의 정확도로 인식 가능하다.
n Neural Networks
Amazon은 Neural Networks를 사용하여 제품 권장 사항을 생성하며, 메사추세츠 종합 병원(Massachusetts General Hospital)은 환자 진단과 치료를 향상시키기 위해 딥러닝을 사용한다. 또한, Facebook은 안면 인식을 위해 Deep Neural Networks를 사용하며, Google은 Neural Networks를 이용하여 Google 번역 기능을 제공한다.
n K-nearest Neighbors
K-nearest Neighbors는 시장의 상품가격을 예측하고, 제품 권장 사항을 작성하는 데에 사용된다.
나. 소결
인공지능을 통한 기상 현상의 예측은 비교적 최근 들어 연구가 진행되고 있으며, 앞서 말한 바와 같이 기계 학습을 통한 기상 예측과 딥러닝을 통한 기상 예측을 통해 해양위 험기상을 예측하려는 시도들이 이루어지고 있다. 또한, 다양한 장소에서 수집되는 데이터 에 대한 전처리 및 학습 데이터에 대한 품질관리가 중요한 만큼 데이터의 품질 관리에도 인공지능을 적용해야 할 것이다.
정리하면, 인공지능 기법은 크게 예측 알고리즘, 분류 알고리즘, 군집 알고리즘, 신경망 알고리즘 등으로 분류할 수 있다. 이에 기초하면, 태풍, 해무 등 위험 해양기상을 예측하 는데 있어 예측 알고리즘을 이용할 수 있고, 데이터의 품질 관리에 있어 분류 알고리즘 을 이용할 수 있다. 신경망 알고리즘(딥러닝)의 적용을 고려할 수 있으나, 신경망 알고리 즘의 경우 비교적 최근 들어 연구가 진행되었기 때문에 장기적인 관점에서 적용 방안을 검토해야 한다.