14. 클라우드 기반의 AI 서비스 1강. 클라우드 기반의 AI 서비스 개념
학습내용
- 클라우드 기반의 AI 서비스 개념
학습목표
- 클라우드 에 적용되는 AI의 기본 개념을 설명할 수 있다.
1. 클라우드 기반의 AI 서비스 개념 1) 기본 개념 소개
- AIaaS (AI as a Service)
- AI (Artificial Intelligence, 인공지능)를 클라우드에 구현해서 서비스로 클라우드 소비자 가 사용할 있도록 제공
- Digital Transformation
: 최신 ICT(Information & Communication Technology)를 활용하여 사회를 더 가 치 있게 변환시키는 과정 AI(인공지능) 기술의 급속한 발전과 파급
2) 인공지능의 역사
3) 인공지능 관련 기술과 활용산업
[출처] IT 트렌드 스페셜 리포트 2018, 한빛미디어
4) AI(Artificial Intelligence)
가. 개념
- 인간의 학습 능력, 추론 능력, 언어이해 능력 등을 컴퓨터 프로그래밍으로 구현하는 학 문
- 인간의 뇌와 뉴런 신경망을 모방해 언젠가는 컴퓨터나 로봇들이 인간처럼 사고하고 행동하게 하는 것
나. 특징
→ 문제해결능력
: 수식 계산, 영상 속 객체 인식, 문제 해결을 위한 판단 및 지능적 동작
→ 학습
: 학습용 데이터와 정답(출력)데이터를 주면 자동으로 그 과정을 파악(학습)할 수 있는 모델 구현 머신러닝(Machine Learning, ML), 딥러닝(Deep learning, 심화 학습)
→ 범용성
: ML 모델을 활용하여 다양한 분야에 응용 가능
다. 인공지능 vs 머신러닝 vs 딥러닝
라. 전통 프로그래밍 vs 기계학습
마. ML 종류
바. ML 종류 세부도 [출처]
https://www.wordstream.com/blog/ws/2017/07/28/machine-learning-applications
사. 지도학습(Supervised Learning)
- 입력값과 결과값(정답)을 쌍으로 함께 주고 학습시키는 방법
→ 특징 입력 : 훈련 집합(Training Set or Learning Set) - 지도 학습으로 해결할 수 있는 문제의 예
→ 회귀 (Regression) : 출력이 연속된 실수로 주어짐
→ 분류 (Classification) : 출력이 몇 가지 Class로 주어짐 - 과거 데이터 기반 이벤트 예측
→ 신용카드 거래의 사기성, 보험 가임자의 보험금 청구 가능성 여부 예측
아. 비지도학습(Unsupervised Learning)
- 비지도 학습은 데이터에 내재한 구조를 잘 파악하여 새로운 정보를 발견하는 작업
→ 군집화 (Clustering) : 특징 공간에서 가까이 있는 사례를 같은 군집으로 모으는 작업
→ 시각화 (Visualization) : 고차원 데이터를 2D나 3D로 표현
→ 차원 축소 (Dimensionality Reduction) : 상관관계가 있는 여러 특성을 합침
→ 이상치 탐지 (Anomaly Detection) : 정상 샘플로 훈련되고, 새로운 샘플이 정상 데 이터인지 혹은 이상치 인지 판단
→ 연관 규칙 학습 (Association Rule Learning) : 특성 간의 관계를 파악
- K-Means
바. 강화학습(Reinforcement Learning)
- 외부 환경과 상호작용하면서 목표를 달성하는 목표 지향적 기계 학습 방법 - 지도 학습과 마찬가지로 목표값을 주어 지도하지만 목표값의 형태가 다름
- 어떤 일을 잘했을 때 보상을 주는 방식으로 어떤 행동이 최선인지를 학습함 : 연속된 사 례 열에 목표값 하나만 주는 방식
- 상태(State) · 행동(Action) · 보상(Reward) : 현재의 상태에서 택할 수 있는 행동에 따 라 받을 수 있는 보상을 최대화하는 것을 목표로 함
- 로봇, 게임, 내비게이션 등에 이용
아. 심층 학습(Deep Learning)
- 머신러닝은 학습에 필요한 데이터를 수동으로 제공
→ 특징 추출 단계 인간의 개입 필요
- 딥러닝은 분류에 사용할 데이터를 스스로 학습 가능
→ 인간의 개입 없음, 시간과 비용 경감 - 머신러닝에 속하는 대표적 방법론 중 하나 - Neural Network (신경망) 이용
- Deep Neural Network라고도 함
- 3가지 머신러닝 방법론 모두에 이용 가능
- 딥러닝 성공 필요조건 → Big Data (풍부한 학습데이터), 하드웨어 (GPU성능 향상), 알 고리즘 (기존 신경망 한계 극복)
① 퍼셉트론
- 퍼셉트론 : 뇌의 학습 기능을 모델화 한 기계 - 1957년 프랑크 로젠블라트 고안
- 입력 - 출력 2개의 레이어로 구성 - IBM 704 컴퓨터로 실제 시뮬레이션 수행
② 퍼셉트론의 동작 (Single Layer)
－ 입력과 가중치를 곱한 합이 특정 역치를 넘으면 출력 전달
③ 신경망의 입력과 출력(Multilayer)
- 신경망의 입력과 출력은 모두 숫자만 가능
④ 모델 선정
- 데이터 특성에 맞는 모델 선택
⑤ 머신러닝과 딥러닝 비교
⑥ 머신러닝과 딥러닝 비교
자. 인공지능-응용 연구
- 자연어처리 (Natural Language Processing)
- 패턴인식 (Pattern Recognition)
- 전문가시스템 (Expert System)
- 로보틱스 (Robotics)
- 자동 프로그래밍 (Automatic Programming)
- 컴퓨터 이용 교육 (Intelligent Tutoring System)
- 에이전트 (Agent)
- 데이터마이닝 (Data Mining)
- 생물정보학 (Bioinformatics)
차. 딥러닝 개발 환경
아. 클라우드 기반의 AI 서비스 개념
- 비용 효율적이며, 쉽고 단순하며 확장성 있는 서비스 필요 = AIaaS
바. 클라우드 AI 서비스 유형 - 비전(영상인식)
- 자연어처리 : 챗봇, 번역, 지식매핑
- 음성처리 : TTS(Text-To-Speech), STT(Speech-To-Text)예측 - 머신러닝 프레임워크 : 기계 학습 모델 개발을 위한 도구 제공 - 머신러닝용 인프라 : 딥러닝, 기계 학습에 적합한 컴퓨팅 자원
평가하기
1. 다음 괄호에 알맞은 용어는 무엇입니까?
인간의 학습능력, 추론능력, 언어이해능력 등을 컴퓨터 프로그래밍으로 구현하는 학문은 ( ) 입니다.
- 정답 : 인공지능
해설 : 고가용성을 제공하기 위해 자원을 이중화로 구성합니다.
2. 다음 중 클라우드의 AI 서비스에 대한 설명이 아닌 것은?
① AI 분야는 고가의 AI 인프라 구축비용, 반복 작업에 따른 시간이 소요되는데 이를 클 라우드에서 서비스로 제공받을 수 있다.
② AI의 Deep Learning은 다층 인공 신경망을 이용한다.
③ 인공지능의 대표적 분야인 기계 학습은 지도 학습, 비지도 학습, 강화 학습으로 구분 된다.
④ 머신러닝의 결과는 해답이다.
- 정답 : ④
해설 : 머신러닝은 학습을 통해 해당 문제를 해결할 수 있는 규칙을 결과로 얻습니다.
학습정리
1. 클라우드 기반의 AI 서비스 개념 - 인공지능 (AI)
: 인간의 학습 능력, 추론 능력, 언어이해능력 등을 컴퓨터 프로그래밍으로 구현하는 학문
- 인공지능 (AI) 특징
: 문제 해결 능력, 학습, 범용성 - Machine Learning (기계 학습) : 지도 학습, 비지도 학습, 강화 학습 - Deep Learning
: 다중 신경망
- 학습을 통한 규칙 생성
