[Basic Term] #2. AI

AI : 사람의 인식과 판단과정을 따라하고,
대신하는 모든 기술을 의미
⊃ ML : 인간이 규칙을 알려주지 않아도,
데이터 학습해 스스로 규칙을 세팅함
⊃ DL : 인간의 뉴런을 모사한 심층 신경망으로
대량 데이터를 학습해 특징 도출하는 ML
*특징적인 부분을 스스로 발견함

인공신경망에서의 학습
: 입력 값(X, 학습 샘플)에 대해
올바른 최종값(y, 정답)이 출력되도록
적절한 W(가중치)와 b(편향)값을 찾는것

1) 모델구조에 따른 분류
① FNN(Feedforward Neural Network)
: Input layer - Hidden layer - Output layer

② CNN(Convolutional NN)
: 이미지 등 Spatial 구조에 적합함
합성곱계층(합성곱을 연산하는 노드구성)
+ 통합계층(결과값을 통합하는 노드 구성)
= 입력된 이미지로부터 해당이미지 설명

③ RNN(Recurrent NN) : 시계열, 언어에 적합

④ Transformer
: BERT, GPT-3 언어모델에 사용
[Encoder(시퀀서 받아 Feature 생성)
+ Decoder]로 구성되어, 시퀀스 내에서
서로 거리가 멀어지더라도(차수가 많아져도)
의미를 잃지않고 학습할 수 있음

⑤ GAN(Generetic Adversarial Network)

[신 개념]

초거대 AI
: 기존보다 매우 큰 크기의 학습 가중치(W)를
가진 모델을 통해 매우 큰 크기의 데이터를
학습하고 뛰어난 성능을 냄

설명가능한 AI(Explainable, XAI)

AI거버넌스
: AI의 투명성/공정성을 확보함으로써
신뢰할 수 있는 사회적, 기술적 체계를
구축하기 위한 기준과 합의 과정

[주의점]

① Data set에 사회적 편견이 포함될 경우,
학습한 AI모델은 편견을 더 증폭시킬 수 있음

② 악의를 가진 사람으로 인해 (Data set이 변하고)
딥러닝 결과가 왜곡될 수 있음

③ 어떤 기준으로 특정결과가 도출했는지
파악하기 힘듦(블랙박스)

④ 매번 방대한 데이터를 학습해야 함
(새로운 일에 대한 대응력 ↓)