강한 AI와 약한AI의 그 유형

강한 AI와 약한AI의 그 유형

 

인공지능은 다양한 방식으로 분류라 될 수 있다고 했습니다. 다음의 예와 같습니다.

 

첫번째 유형은 인공지능 시스템을 약하거나 강한 인공지능으로 분류합니다. 약한 인공지능은 특정 직업을 위해서 개발되고 훈련하고있는 인공지능 시스템입니다. 애플과 시리같은 가상 개인비서는 약한 인공지능의 형태입니다.

 

일반적으로 인공지능이라고도 알려진 강력한 인공지능은 인간의 인지 능력을 일반화한 Ai시스템으로 알려지지 않은 작업에 맞닥드렸을때 해결책을 찾을 수 있을만큼 충분한 지능을 가지고 있습니다. 1950년 수학자 Alan Turing이 개발 한 Turing테스트는 컴퓨터가 실제로 인간처럼 생각할 수 있는지 여부를 결정하는 방법입니다. 그러나 이 방법은 논란의 여지가 있습니다.

 

두번째 예는 Michigan State University의 통합 생물학 및 컴퓨터 과학 조교수인 Arend Hintze입니다. 그넌 Ai를 오늘날 존재하는 AI 시스템 유형에서 아직 존재하지 않는 지각 시스템에 이르기까지 네가지 유형으로 구분합니다. 카테고리는 다음과 같습니다.

 

유형 1 : 반응 기계. 한 가지 예는 Garry Kasparov가 1990년대에 패배시킨 IBM 체스 프로그램인 Deep BLue입니다. 딥 블루는 체스 판 의 조각을 식별하고 예츨 할 수 있지만 기억이 없고 과거 경험을 사용하여 미래의 경험을 알릴 수 없습니다. 그는 가능한 움직임(자신과 상대방)을 분석하고 가장 전략적인 움직임을 선택합니다. 구글의 딥블루 및 알파고는 제한된 목적으로 설계되었으며 다른 상황에서 단순이 적용 할 수 없습니다.

 

유형 2 : 제한된 스토리지. 이러한 인공지능 시스템은 과거 경험을 사용하여 미래의 결정을 내릴 수 있습니다. 자율 주행 차량의 일부 의사 결정 기능은 이러한 방식으로 설계되었습니다. 예를 들어 차선을 변경하는 자동차와 같이 멀지 않은ㅇ 미래에 발생하는 관찰. 이러한 관찰은 영구적으로 저장되지 않습니다.

 

유형3 : 네이티브 이론. 심리적 용어입니다. 다른 사람들이 자신의 신념, 욕망 및 의사결정에 영향을 미치는 의도를 가지고 있다는 이해를 나타냅니다. 이러한 유형의 AI는 아직 존재하지 않습니다.

 

유형4 : 자기인식. 이 범주에서 AI시스템은 자신감이나 인식을 가지고 있습니다. 자기 인식을 가진 기계는 현재상태를 이해하고 정보를 사용하여 다른 사람이 느끼는 감정을 추론 할 수 있습니다. 이러한 유형의 AI는 아직 존재하지 않습니다.

 

인공지능은 강하고 약한 인공지능만 있는 줄 알았는데 이렇게 네가지 유형으로 구분하고 아직 나오지도 않은 인공지능을 예측하여 미래의 기술에 대비하는 모습이 인상적입니다. 다가올 인공지능이 미래에 대비하여 직업도 많이 변한다는데 준비해야겠습니다.

 

AI기술의 예

 

자동화는 시스템 또는 프로세스가 자동으로 작동하는 프로세스입니다. 예를 들어 로봇 프로세스 자동화(RPA)는 일반적으로 사람이 수행하는 대량의 반복 가능한 작업을 처리하도록 프로그래밍 할 수 있습니다. RPA는 변화하는 환경에 적응할 수 있다는 점에서 IT자동화와 다릅니다. 

 

머신러닝은 프로그래밍없이 컴퓨터를 동작하는 방식입니다. 딥러닝은 기계학습의 한 분야이며 예측분석의 자동화로 이해 될 수 있습니다. 기계학습의 알고리즘에는 세 가지 유형이 있습니다. 지도 학습 : 패턴이 인식되고 새 레코드에 태그를 지정하는 데 사용되도록 레코드에 태그를 지정합니다. 비지도 학습 : 유사점 또는 차이점에 따라 기록이 분류 및 분류되지 않습니다. 그리고 데이터 기록이 표시되지도 않고 하나 이상의 작업 후에 인공지능 시스템에 피드백이 제공되는 강화학습입니다.

 

머신 비전은 컴퓨터가 보게하는 방식입니다. 머신 비전은 카메라, 아날로그 디지털 변환 및 디지털 신호 처리를 통해 시각 정보를 캡쳐하고 분석합니다.머신 비전 은 "컴퓨터가 보게하는"과학입니다. 머신 비전은 카메라, 아날로그-디지털 변 및 디지털 신호 처리를 통해 시각 정보를 캡처하고 분석합니다. 종종 인간의 시각과 비교되지만 머신 비전은 생물학과 관련이 없으며 예를 들어 벽을 통해 볼 수 있도록 프로그래밍 할 수 있습니다. 서명 식별에서 의료 이미지 분석에 이르기까지 다양한 응용 분야에서 사용됩니다. 컴퓨터 비전 머신 비전에 초점을 맞추고, 자주 머신 비전과 결합됩니다.

 

자연어 처리 (NLP) 는 컴퓨터 프로그램에 의한 인간 언어 처리입니다. NLP의 가장 오래되고 가장 잘 알려진 예 중 하나는 스팸 감지로, 이메일의 제목과 본문을보고 정크 메일인지 여부를 결정합니다. NLP에 대한 현재 접근 방식 은 기계 학습을 기반으로합니다. NLP의 작업에는 텍스트 번역, 감정 분석 및 음성 인식이 포함됩니다.

 

패턴 인식 은 데이터에서 패턴을 식별하는 데 초점을 맞춘 기계 학습의 한 분야입니다.

로봇 공학 은 로봇 의 개발 및 제조에 초점을 맞춘 기계 공학 분야입니다. 로봇은 인간이 완료하기 어렵거나 불가능한 작업을 완료하는 데 자주 사용됩니다. 그들은 자동차 생산을위한 조립 라인이나 우주 여행에서 우주에서 큰 물체를 이동시키는 데 사용됩니다. 최근 연구자들은 기계 학습을 사용하여 사회 환경에서 상호 작용할 수있는 로봇을 구축하고 있습니다.

 

AI 애플리케이션

의료 분야의 AI : 여기서 가장 큰 노력은 환자 결과를 개선하고 비용을 줄이는 것입니다. 기업은 기계 학습을 사용하여 인간보다 더 빠르고 더 나은 진단을 내립니다. 의료 분야에서 가장 인기있는 기술 중 하나는 IBM Watson 입니다. 그녀는 자연어를 이해하고 질문에 답할 수 있습니다. 시스템은 환자 데이터 및 기타 사용 가능한 데이터 소스를 가설로 압축 한 다음 신뢰 점수 체계로 나타냅니다. 다른 AI 애플리케이션에는 챗봇이 포함 됩니다., 질문에 답하고 환자가 후속 약속을 예약하거나 청구 프로세스를 지원하는 데 온라인으로 사용되는 컴퓨터 프로그램과 기본적인 의료 피드백을 제공하는 가상 건강 도우미입니다.

비즈니스에서의 AI : 로봇 프로세스 자동화는 일반적으로 사람이 수행하는 반복적 인 작업에 사용됩니다. 기계 학습 알고리즘은 분석 및 CRM 플랫폼에 통합되어 고객에게 더 나은 서비스를 제공 할 수있는 방법에 대한 정보를 보여줍니다. 고객에게 즉각적인 서비스를 제공하기 위해 챗봇이 웹 사이트에 통합되었습니다. 구인 정보의 자동화는 Gartner 및 Forrester와 같은 학계 및 IT 컨설턴트 사이에서도 문제가되었습니다.

교육에서의 AI : 예를 들어 인공 지능은 채점을 자동화하여 교사에게 더 많은 시간을 제공합니다. AI는 학생을 평가하고, 필요에 맞게 조정하고, 학생이 자신의 속도에 맞춰 작업하도록 도울 수 있습니다. AI 튜터는 학생들이 궤도를 유지하도록 추가 지원을 제공 할 수 있습니다. 장기적으로 AI는 학생들이 학습하는 장소와 방법을 바꿀 수 있으며 교사를 대체 할 수도 있습니다.

금융 분야의 AI : 금융 기관에서 인공 지능이 증가하고 있습니다. 예를 들어 AI 금융 애플리케이션은 개인 데이터를 수집하고 금융 자문을 제공 할 수 있습니다. IBM Watson을 포함한 다른 프로그램은 이미 주택 구매 프로세스에 적용되었습니다. 오늘날 소프트웨어는 월스트리트에서 거래의 대부분을 수행합니다.

법률 분야의 AI : 문서를 훑어 보는 것은 종종 사람들에게 긴 과정입니다. 이 프로세스를 자동화하면 시간이 절약되고보다 효율적인 프로세스가 생성됩니다. 스타트 업은 또한 데이터베이스 와 관련된 분류 및 온톨로지 를 조사하여 프로그래밍 된 질문을 선별 할 수있는 질문 및 답변 컴퓨터 도우미를 구축하고 있습니다 .

제조 분야의 AI : 이 영역은 로봇을 워크 플로에 통합하는 데있어 선구적인 역할을합니다. 과거에는 산업용 로봇이 하나의 작업 만 수행하고 인간 작업자와 분리되었습니다. 그러나 기술의 발전과 함께 이러한 변화는 로봇이 제조 과정에서 점점 더 광범위한 프로세스를 인수하고 있습니다.