인공지능이란무엇일까요???

인공지능이란 무엇일까요?

https://youtu.be/hJMSF_mcdUo

바이센티니얼 맨 영화 리뷰, 3분 15초까지 감상

Teachable Machine QR코드

https://teachablemachine.withgoogle.com/v1/

입력 -> 학습 및 분류-> 출력

주변 사례 찾아보기!

https://youtu.be/Gm4ryPa2DSA

Seeing AI 프로젝트

- 인공지능 로봇팔과 함께 춤을 프로그램은 인공지능을 활용한 로보틱 아트 작품 제작을 해보며 사물을 분류하는 인공지능과 로봇팔에 대해서 배워보는 과정입니다.

- 다음 시간부터 2차시에 걸쳐 입력, 학습, 분류에 대해 배워봅니다.

입력(Input)

- 나의 카메라 이미지를 보여 줍니다.

- 입력 이미지는 학습, 분류에 활용됩니다.

학습(Learning)

- 각 클래스에 입력 이미지를 학습시킬 수 있습니다.

분류(Classification)

- 입력 이미지가 학습된 이미

지 중 어느 클래스에 속하는

지 분류합니다.

https://youtu.be/15aqFQQVBWU?t=44 Images, Pixels and RGB

※44초부터 4분 15초까지 감상한다.

픽셀(Pixel)

- 이미지를 표시하기 위해 조정 가능한 가장 작은 단 위

픽셀의 구성

- 빛의 삼원색인 빨강, 초록, 파랑색으로 구성되어 있음 - 0일때 가장 어둡고 255일

때 가장 밝다

이미지 데이터 저장

- 빨강색 픽셀 (255, 0, 0) - 노랑색 픽셀 (255, 255,0)

>

(255, 0, 0) 빨강색 픽셀

=

>

(255, 255, 0) 노랑색 픽셀 컴퓨터가 보는

이미지 (데이터)

모니터에 표시되는 픽셀

모니터에 표시되는 픽셀

(255,255,255)

이미지의 크기 : 가로 - 5 픽셀 세로 - 5 픽셀 픽셀 데이터 :

[(255,255,255),(0,0,0),(0,0,0),(255,255,255),(255,255,255),(255,255,255) (255,255,255),(0,0,0),(255,255,255),(255,255,255),(255,255,255),

(255,255,255),(0,0,0),(0,0,0),(0,0,0),(255,255,255)

(255,255,255),(0,0,0),(255,255,255),(0,0,0),(255,255,255), (255,255,255),(0,0,0),(0,0,0),(0,0,0),(255,255,255)]

>

(0, 0, 0) 검정 픽셀

>

(255, 255, 255) 흰 픽셀 컴퓨터가 보는 이미지 =이미지 데이터 : 이미지의 크기와 픽셀 데이터 묶음

컴퓨터가 보는 이미지(데이터) 모니터에 표시되는 픽셀

위의 데이터를 이미지로 변경하면?

플레이어 1 플레이어 2

플레이어3 플레이어4

플레이어 1 플레이어 2

플레이어3 플레이어4

예시 데이터

플레이어 1

- 이미지 데이터 4 ^:

*원래 이미지 데이터 위치를 알 수 없게 순서를 바꿔서 작성

(255,255,255), (255,255,255), (255,255,255), (255,255,255), (0,0,0), (255,255,255),

(255,255,255), (255,255,255), (0,0,0), (0,0,0), (255,255,255), (255,255,255) 예시 데이터 – 플레이어 별 이미지 데이터 생성

- 이미지 데이터 1 ^:

*원래 이미지 데이터 위치를 알 수 없게 순서를 바꿔서 작성

(255,255,255), (255,255,255), (255,255,255), (0,0,0), (255,255,255), (255,255,255),

(255,255,255), (0,0,0), (255,255,255), (255,255,255), (255,255,255), (0,0,0)

플레이어4

예시 데이터 – 플레이어 별 이미지 데이터 생성

- 이미지 데이터 2 ^:

*원래 이미지 데이터 위치를 알 수 없게 순서를 바꿔서 작성

(255,255,255), (255,255,255), (255,255,255), (255,255,255), (255,255,255), (0,0,0),

(255,255,255), (0,0,0), (255,255,255), (0,0,0), (255,255,255), (255,255,255)

플레이어3

예시 데이터 – 플레이어 별 이미지 데이터 생성

- 이미지 데이터 3 ^:

*원래 이미지 데이터 위치를 알 수 없게 순서를 바꿔서 작성

(255,255,255), (255,255,255), (255,255,255), (255,255,255), (0,0,0), (255,255,255),

(0,0,0), (255,255,255), (255,255,255), (255,255,255), (255,255,255), (0,0,0)

플레이어 2

예시 데이터 – 플레이어 별 이미지 데이터 생성

- 다른 모둠의 데이터와 교환하고 4개의 데이터를 하나씩 골라 자신의 픽셀판에 해독해본다.

- 해독된 이미지를 조합해 원래 이미지를 찾아본다.

- 이번 시간에는 컴퓨터가 이미지를 처리하는 방법에 대해 학습했습니다.

- 컴퓨터는 이미지를 숫자 데이터로 처리합니다.

- 다음 시간에는 인공지능이 입력 받은 이미지를 어떻게 학습하고

분류하는지에 대해 배워봅니다.

픽셀(Pixel)

- 이미지를 표시하기 위해 조정 가능한 가장 작은 단 위

픽셀의 구성

- 빛의 삼원색인 빨강, 초록, 파랑색으로 구성되어 있음 - 0일때 가장 어둡고 255일

때 가장 밝다

이미지 데이터 저장

- 빨강색 픽셀 (255, 0, 0) - 노랑색 픽셀 (255, 255,0)

>

(255, 0, 0) 빨강색 픽셀

=

>

(255, 255, 0) 노랑색 픽셀 컴퓨터가 보는

이미지 (데이터)

모니터에 표시되는 픽셀

모니터에 표시되는 픽셀

(255,255,255)

이미지의 크기 : 가로 - 5 픽셀 세로 - 5 픽셀 픽셀 데이터 :

[(255,255,255),(0,0,0),(0,0,0),(255,255,255),(255,255,255),(255,255,255) (255,255,255),(0,0,0),(255,255,255),(255,255,255),(255,255,255),

(255,255,255),(0,0,0),(0,0,0),(0,0,0),(255,255,255)

(255,255,255),(0,0,0),(255,255,255),(0,0,0),(255,255,255), (255,255,255),(0,0,0),(0,0,0),(0,0,0),(255,255,255)]

>

(0, 0, 0) 검정 픽셀

>

(255, 255, 255) 흰 픽셀 컴퓨터가 보는 이미지 =이미지 데이터 : 이미지의 크기와 픽셀 데이터 묶음

컴퓨터가 보는 이미지(데이터) 모니터에 표시되는 픽셀

위의 데이터를 이미지로 변경하면?

https://youtu.be/S2hvUoJMqhA

심층인공신경망으로 고양이를 ‘딥러닝'

강아지 이미지 데이터1 [(237,138,20),(140,240,13)…....]

인공지능 학습 전 (인공신경망)

고양이 83%

강아지 17%

학습 전에는 분류를 잘하지 못함

강아지 이미지 데이터1 [(237,138,20),(140,240,13)…....]

강아지 이미지 데이터2 [(210,189,212),(148,40,143)…….]

인공지능 학습 전 (인공신경망)

고양이 43%

강아지 57%

점점 예측값이 정확해지도록

입력데이터 패턴을 학습

강아지 이미지 데이터1 [(237,138,20),(140,240,13)…....]

강아지 이미지 데이터2 [(210,189,212),(148,40,143)…….]

강아지 이미지 데이터3 [(23,238,230),(240,140,113)…….]

……. 실제로 수 천장 이상의 데이터 사용

인공지능 학습 된 (인공신경망)

고양이 2%

강아지 98%

인공지능 학습 된 (인공신경망)

고양이 98%

강아지 2%

학습된 인공지능을 통과한

이미지 데이터의 출력값의 패턴이 구별된다.

(이미지의 지문 역할)

이미지 데이터 출력 패턴 살펴보기

https://observablehq.com/@mommocmoc/3

1) 구글에서 이미지를 검색합니다.

2) 이미지에 마우스 오른쪽을 클릭하여 '이미지 주소 복사'를 누릅니다.

3) 복사한 주소를 adress1, adress2, adress3에 ' ' (작은 따옴표) 사이에 붙여넣기 합니다

4) 오른쪽 상단에 있는 재생 버튼을 클릭하여 붙여넣기한 이미지 주소가 설정될 수

있게 합니다.(단축키 Shift + Enter)

5) 주소1, 주소2, 주소3을 모두 변경한 후, 아래로 내려서 출력값 패턴을 관찰해봅시다!

입력 -> 학습 버튼을 누르면 데이터 패턴에 라벨링을 해서 분류해 놓음

Green Class Purple Class

Orange Class

입력 이미지가 어디에 가까운지 수학적으로 계산!

=> k-최근접 이웃 알고리즘

Green Class Purple Class

Orange Class

어디에 더 가깝지?

K-최근접이웃 알고리즘 체험하기

https://observablehq.com/@mommocmoc/3/2

- 이번 시간에는 인공지능이 이미지 데이터를 학습하고 분류하는 방법을 학습했습니다.

- 이미지 데이터의 패턴을 분류한 ‘패턴 지도＇를 만들고 k-최근접이웃 알고리즘을 통해 입력 이미지의 패턴이 어디에 가까운지 분석하여 분류합니다.

- 다음 시간에는 로보틱 아트 작품을 감상해보고 로봇과 사람의 협업에 대해 생각해봅니다.

- 다음 시간에는 로봇의 한 종류인 로봇팔의 구조를 살펴보고 직접 로봇팔을

만들어 봅니다.

https://vimeo.com/306766397

Heart And Lung

https://vimeo.com/362346149

Underbody 1.0

로봇과 예술가의 협업

내가 로봇과 함께 예술

작품을 만든다면?

로봇팔 만들기 설명 영상

https://youtu.be/E51d05ni7bM

로봇팔 제어보드 연결하기

https://youtu.be/8nlJEXcolvc

테스트 코드 업로드 설명

https://youtu.be/BMi-LDqX08s

https://makecode.microbit.org/93223-50669-09171-02150 로봇팔 테스트 코드

93223-50669-09171-02150

관절 제어 각도 찾기 설명 영상

https://youtu.be/u1UviQoSu8I

https://makecode.microbit.org/21938-31793-14114-38563

제어 각도 찾기 코드

21938-31793-14114-38563

인공지능 로보틱 아트 설계하기 영상

https://youtu.be/AJq8KPpq6gQ

https://makecode.microbit.org/66888-12513-77621-64852 로보틱아트설계 코드

66888-12513-77621-64852

mommocmoc.github.io/teachable-arm

카메라 인풋

마이크로비트 연동하기 > 장치 선택 > 연결

카메라 인풋

학습하기 버튼이 활성화되면 연결 성공!

카메라 인풋

학습하기 버튼을 눌러 세 동작을 학습 시키고 로봇팔이 작동하는지 확인

카메라 인풋

친구들의 작품을 촬영해주자!

작품 감상평 작성!

로보틱 아트를 만들면서 느낀점

발전된 인공지능, 로봇

기술이 활용되는 미래,

직업에 대해서 생각해보기