인공지능 소개

1. 인공지능 소개 2010.03.02 부산대학교 인공지능연구실

2. 인공지능이란? 인공 + 지능

3. 지능(Intelligence) Q1) 다음 수식의 답은 무엇일까요? 2345869 ⅹ3466360 Q2) 8번째 줄에는 어떤 숫자가 올까요? 1 11 12 1121 122111 112213 12221131 …

4. 지능(Intelligence) • “새로운 상황이나 환경에 대처하기 위하여 배우고 이해할 수 있는 능력”(Webster Dictionary) • 정보의 표현과 처리 (기억, 학습, 연산, 추론, 창조력) • 지능이 필요한 예: 수치적인 계산보다 기호에 의해 표현되는 문제(바둑, 게임)

5. 인공지능 • Automation of activities that we associate with human thinking, activities such as decision-making, problem solving, learning, … (Bellman, 1978) • Study of how to make computers do things at which, at the moment, people are better (Rich & Knight, 1991) • A Branch of Computer Science that is concerned with the automation of intelligent behavior (Luger & Stubblefield, 1993)

6. 지능적 시스템 융통성 자동화 최적화 인식, 이해 판단, 행위 을(를) 통한 추구

7. 인공지능 예 - 가사 • 로봇 청소기

8. 인공지능 예 - 학습 • 사이버 애완견

9. 인공지능 예 - 게임 • PVE(Player VS Environment)

10. 인공지능 예 - 주식 • HTS(Home Trading System)

11. 인공지능 예 - 기타 • Language Translation systems • Diagnosis Expert systems • Avionic Expert systems • Robot in factories, Auto-navigation robots • Intelligent Traffic control system • OCR, Handwriting Recognition System • Speech Recognition System • …

12. 인공지능 시스템 개발 방법론 • Knowledge-based Approach • Data Driven Approach

13. Knowledge-based System • Represent Human Knowledge as symbol combination • Knowledge Acquisition and Representation • Logic, Expert System, Fuzzy Logic

14. Data Driven Approach • Extract common characteristics from collected examples • Training • Statistical Methods, Artificial Neural Network

15. 주요연구분야(기초연구) • Symbolic Programming • 지식표현 • Search & Planning • Automated Reasoning • Machine Learning • Artificial Neural Net • Genetic Algirithm • …

16. Symbolic Programming • Program as Representation of world • Symbol as basic element of representation • atom, property, relationship • Symbolic Expression as method of combination • LISP for Symbolic programming • Object-Oriented Concept

17. 지식표현 • 작업에 필요한 지식은? • 지식의 형태와 구조는? • declarative VS procedural • 표현 기법은? • explicit VS (implicit + inference) • logic, frame, semantic net, script • 지식의 습득과 수정

18. Search Theory • 최적화 기법 • 발생할 수 있는 경우를 분석/선택 • 기하급수적으로 증가하는 계산복잡도 • 가능성 있는 것부터(Heuristic Search) • 국부적 정보 이용(Hill Climbing Method) • 최적해 VS 적당히 좋은 해 • Genetic Algorithm, Simulated Annealing

19. Automated Reasoning • Qualitative Reasoning • 정성적 지식의 활용 • Non-monotonic Reasoning • 타조는 날 수 있을까? • Plausible Reasoning • 불확실성에서 상충되는 정보의 융합 • Case-based Reasoning • 경험의 활용

20. Machine Learning • 경험의 의하여 기계 스스로 성능을 향상 • 필요한 기본적 능력은? • 배우기 시작하려면 얼마나 알아야? • 새로운 지식의 습득과 통합 방법 • 선생의 역할 • 예제와 경험의 역할 • Parameter Adjustment • Data Mining으로실용화 추구

21. Types of Machine Learning • Classification • Assigning an object to a class • Output: a label of class • Ex: classifying a product as ‘good’ or ‘bad’ in quality control • Clustering • Organizing objects into meaningful groups • Output: (hierarchical) grouping of objects • Ex: taxonomy of species • Regressing • Predict value based on observation • Ex: predict stock price, future prediction

22. 인공신경망 • 신경세포의 계산모형 • 단순 기능의 뉴런, 다수 연결 • 학습에 의한 연결 강도 조정 X1 w1 w2 X2 S F(X1, X2, …, Xn) . . . wn Xn

23. 인공신경망(Neral Network) • 학습 = 연결강도 조정 • Error-back-propagation 지도학습 알고리즘 • 어떠한 Function Mapping도 학습 가능함 • Sensory Data Processing에 강력 • Old Horse on the race again • 고도의 병렬성, graceful degradation • Symbolic Grounding

24. 직업유무(1/0) 우량 나이 보통 월수입 불량 부양가족수 기대출금 Neural Network Classifier Input layer Hidden layer Output layer

25. Genetic Algorithm • 생명체 진화의 계산 모형화 • 확률적 최적화 방법론 • 초기 유전자 생성 • 신품종 생성 (교배, 돌연변이) • 적자 생존

26. Data Mining • 의사결정을 위한 정보 추출 데이터 정보 의사결정 • 인구통계 • Point of Sale • ATM • 금융통계 • 신용정보 • 문헌 • 첩보자료 • 진료기록 • 신체검사기록 • 광고전략은 ? • 상품의 진열 • 최적의 예산 할당은 ? • 시장점유의 확대방안은 ? • 고객의 이탈 방지책은 ? • 처방은 ? • A상품 구매자의 80%가 B상품도 구매한다 • 미국시장의 자동차 구매력이 6개월간 감소 • A상품의 매출 증가가 B상품의 2배 • 탈수 증상을 보이면 위험

27. Data Mining 예 - Weka • Weka • 무료 데이터마이닝 프로그램 • 뉴질랜드의 와이카도(Waikato) 대학의 ‘이안 위튼’ 교수팀에 의해 개발된 프로그램 • 오픈 소스 프로그램

28. Data Mining 예 - Weka • Weather data를 이용한 classification 예

29. Data Mining 예 - Weka • Weather data를 이용한 classification 예

30. Data Mining 예 - Weka • Weather data를 이용한 classification 예

31. 주요연구분야(응용연구) • 자연언어 이해 • 영상 및 패턴 인식 • 음성인식 • Uncertainty Modeling • 전문가 시스템 • Virtual Reality • …

32. 자연언어 이해 • 기초연구 • 형태소 분석 • 구문 분석 • 의미 분석 • 화용 분석 • 응용연구 • 맞춤법/문법 검사기 • 기계번역 • 음성 합성 및 인식 • 문자 인식 • 정보검색 • 질의응답 시스템 • …

33. 한국어 맞춤법/문법 검사기 • 한글 ( 한글97, 한글2002(se), 한글2004, 2005, 2007 ) 한글2005, 한글 2007 ) • OpenOffice OpenOffice의 공개된 소스를 이용하여 맞춤법 검사기 연동 한글과 컴퓨터와 공동 작업으로 한글97, 한글2002, 한글2004, 한글2005, 한글2007과 연동하여 한글용 맞춤법 검사기 제작

34. 한국어 맞춤법/문법 검사기 • WordPad • Web Service Windows에서 기본적으로 제공되는 Wordpad에 연동한 것으로 기본적으로 개발과정에서 사용함 우리말배움터에서 서비스하고 있는 것으로 웹에서 맞춤법 검사기를 사용할 수 있도록 제공함

35. 한국어 맞춤법/문법 검사기 • 2010년 현재 우리말 표준과 외래어 표기 원칙을 따르는 유일한 시스템 • 지속적인 연구개발 (1992년 ~ 2010년 현재) • 다양한 공동 개발을 통한 자료 확보 • 상세한 도움말 • 다수어절 처리 • 의미문체 처리 • 유수 언론사와 정부기관에 실전 배치

36. 한국어 맞춤법 문법 검사기 다수 어절 관련 철자 오류 관련 의미 문체 관련 철자검사 의미 오류 처리 다수 어절 사전 띄어쓰기 검사 번역투 오류 다수 어절을 이용한 교정 외래어 표기법 문장 부호 검사 복합어 붙여쓰기 복합명사오류 사투리 검사 용어 순화 한글/한자 변환 검사 영어 철자 검사 한국어 맞춤법/문법 검사기

37. 한국어 맞춤법/문법 검사기 SMS 수정 예 • 형죄송해요저알바때문에돈좀더늦게드려야될거같에요  형 죄송해요. 저 아르바이트 때문에 돈 좀 더 늦게 드려야 할 거 같아요. • 너믿으니까사실대로너믿으니까사실대로다말해준거야  너 믿으니까 사실대로 너 믿으니까 사실대로다 말해준 거야 • ㅋㅋㅋ아나열등감땜에죽어버리고싶어ㅋㅋ시험만아니면 학교는재밋음ㅋㅋ중딩보다백배  킥킥킥 아나 열등감 때문에 죽어 버리고 싶어 킥킥 시험만 아니면 학교는 재밌음 킥킥 중학생보다 백배

38. 정보검색

39. 정보검색

40. 한국어 어휘의미망(KorLex) • 부산대학교 인공지능연구실과 한국어정보처리연구실에서 제작 • 2007년 11월에 KorLex 1.5가 공개됨 • 같은 어의를 가지는 동의어 집합(synonym set, 이하 신셋) 간의 관계들로 이루어짐 • 명사, 동사, 형용사, 부사, 분류사로 구성되며, 약 13만 개의 신셋과 약 15만 개의 어의를 포함하고 있음 한국어 어휘의미망 KorLex

41. 전자 펜으로 수식 입력 수식 인식 Handwriting Recognition (필기체 인식)

42. 인공지능의 장래 • 기 개발된 기술을 쉽게 사용하도록 • 일상화된 전문가 시스템 • Web auto translation system • 문자, 음성 인식 Interface Package • 모든 제품에 인공지능… • Ubiquitous Computing, Pervasive Computing