1. 인공지능 기초와 아이디어

1. 이론 [ 인공지능의 정의, 역사, 머신러닝과 딥러닝 개념 ]

• 인공지능의 정의📝
  • 인공지능(AI)은 인간의 지능을 모방하여 학습, 문제 해결, 패턴 인식 등을 수행하는 컴퓨터 시스템을 말합니다.
  • 인공지능의 주요 특징
    • 정의: 기계로 구현한 지능, 인간의 지능을 흉내 내는 것이 목표
    • 범위: 단순한 계산부터 인간의 사고방식을 흉내 내는 것까지 포함
    • 발전: 1950년대부터 연구되었으며, 최근 빅데이터와 컴퓨팅 파워의 발전으로 급속히 성장
  • 인공지능의 분류
    • 약한 인공지능 (ANI): 특정 분야에 특화된 AI ( 유용한 도구로써 설계된 인공지능 )
    • 강한 인공지능 (AGI): 인간 수준의 지능을 가진 AI ( 인간을 완벽하게 모방한 인공지능 )
    • 초인공지능 (ASI): 인간을 뛰어넘는 지능을 가진 AI
• 인공지능의 역사⌛
  • 태동기 (1950년대 ~ 1970년대 초반)
    • 1950년: 앨런 튜링이 "기계가 생각할 수 있을까?"라는 질문을 제기하며 '튜링 테스트' 제안
    • 1956년: 다트머스 회의에서 '인공지능(Artificial Intelligence)' 용어 최초 사용
    • 1960-1970년대: 전문가 시스템과 자연어 처리(NLP) 분야에서 중요한 진보 달성
  • 1차 암흑기 (1974년 ~ 1980년)
    • 기대에 미치지 못하는 연구 성과로 투자 감소 및 비판 증가
    • 컴퓨터 성능과 하드웨어 한계로 인한 발전 정체
  • 성장기 (1980년대)
    • 전문가 시스템(Expert System) 연구 활발
    • 특정 분야의 전문가 지식을 데이터베이스화하여 일반인도 활용 가능하게 함
  • 2차 암흑기 (1987년 ~ 1990년대 초반)
    • Lisp 머신 시장 붕괴로 인한 침체기
  • 성숙기 (1990년대 ~ 현재)
    • 인터넷 등장, 데이터의 폭발적 증가, 컴퓨팅 파워 향상으로 AI 연구 부흥
    • 1993년: 뉴럴 네트워크 연구 시작
    • 2000년 이후: 머신러닝과 딥러닝 기술 급속 발전
    • 2012년: 알렉스넷의 이미지 인식 경진대회 우승으로 딥러닝의 가능성 입증
  • 현재와 미래
    • 다양한 산업 분야에 AI 기술 적용 (의료, 금융, 교육, 제조 등)
    • 생성형 AI 등장으로 예술 작품 창작, 작곡, 영상 제작 등 새로운 영역 개척
• 머신러닝의 개념💻
  • 머신러닝(Machine Learning)은 인공지능(AI)의 하위 분야로, 컴퓨터가 명시적인 프로그래밍 없이 데이터를 통해 학습하고 경험을 바탕으로 성능을 개선하는 기술입니다. 머신러닝은 대규모 데이터 세트에서 패턴과 구조를 분석하여 예측, 분류, 의사결정 등을 자동화합니다.
  • 머신러닝의 작동 원리
    • 데이터 학습: 알고리즘에 많은 데이터를 제공하여 데이터 내 패턴과 관계를 학습합니다.
    • 모델 생성: 학습된 데이터를 바탕으로 모델을 생성하고, 입력 데이터에 대한 결과를 예측합니다.
    • 반복 학습: 새로운 데이터를 통해 모델을 지속적으로 개선하여 정확도를 높입니다.
  • 머신러닝의 유형
    • 지도 학습(Supervised Learning)
      • 레이블이 있는 데이터를 사용하여 입력과 출력 간의 관계를 학습.( 예: 이메일 스팸 필터링, 질병 진단 )
    • 비지도 학습(Unsupervised Learning)
      • 레이블 없는 데이터를 분석하여 숨겨진 패턴이나 구조를 발견.( 예: 고객 세분화, 유전자 분석 )
    • 강화 학습(Reinforcement Learning)
      • 보상을 통해 최적의 행동을 학습.( 예: 자율주행 자동차, 게임 AI )
  • 머신러닝의 활용 사례
    • 의료: 질병 진단, 의료 영상 분석.
    • 금융: 사기 탐지, 대출 승인, 투자 전략 개발.
    • 소매 및 마케팅: 개인화된 추천 시스템, 수요 예측.
    • 제조업: 품질 관리, 설비 유지보수.
    • 보안: 사이버 위협 탐지 및 대응.
• 딥러닝의 개념📱
  • 딥러닝은 머신러닝의 한 분야로, 인간의 뇌 구조에서 영감을 받아 설계된 인공 신경망을 사용하여 데이터로부터 복잡한 패턴을 학습하는 기술입니다.
  • 딥러닝의 주요 특징
    • 다층 신경망 구조: 입력층, 여러 개의 은닉층, 출력층으로 구성된 심층 신경망을 사용합니다.
    • 자동 특징 추출: 대규모 데이터셋에서 직접 특징을 학습하여 수작업 특징 추출의 필요성을 줄입니다.
    • 고성능 컴퓨팅: GPU 등을 활용하여 복잡한 계산을 효율적으로 처리합니다.
  • 딥러닝의 작동 원리
    • 데이터 입력: 입력층에서 데이터를 받아들입니다.
    • 계층적 학습: 여러 은닉층을 통해 데이터의 복잡한 특징과 패턴을 학습합니다.
    • 가중치 조정: 학습 과정에서 신경망의 가중치를 지속적으로 조정하여 정확도를 향상시킵니다.
    • 결과 도출: 출력층에서 최종 예측이나 분류 결과를 제공합니다.
  • 딥러닝은 이미지 인식, 자연어 처리, 음성 인식 등 다양한 분야에서 뛰어난 성능을 보이며, 인공지능 기술의 핵심으로 자리잡고 있습니다.
• 머신러닝과 딥러닝의 차이⚖
  • 데이터 처리 방식
    • 머신러닝: 인간이 데이터를 사전에 처리하고 특징을 추출합니다1.
    • 딥러닝: 컴퓨터가 스스로 데이터를 분류하고 특징을 추출합니다1.
  • 학습 과정
    • 머신러닝: 인간이 가르친 정보를 바탕으로 학습하고 예측합니다1.
    • 딥러닝: 인간의 개입 없이 스스로 학습하고 예측합니다1.
  • 신경망 구조
    • 머신러닝: 비교적 단순한 알고리즘을 사용합니다.
    • 딥러닝: 다층 신경망 구조를 사용하여 복잡한 패턴을 학습합니다.
  • 성능과 데이터 요구사항
    • 머신러닝: 중소규모의 데이터셋에서도 효과적으로 작동할 수 있습니다.
    • 딥러닝: 대규모 데이터셋이 필요하며, 데이터가 많을수록 성능이 향상됩니다3.
  • 응용 분야
    • 머신러닝: 스팸 메일 필터링, 간단한 이미지 분류 등에 사용됩니다1.
    • 딥러닝: 복잡한 이미지 인식, 자연어 처리, 음성 인식 등 고난도 작업에 적합합니다.
  • 결론적으로, 딥러닝은 머신러닝의 발전된 형태로, 더 복잡하고 자동화된 학습 과정을 통해 높은 정확도와 성능을 제공하지만, 더 많은 데이터와 컴퓨팅 파워를 필요로 합니다.

---

2. 실습 [ 간단한 AI 애플리케이션 체험 ]

• AI를 매우 간단하게 구현할 수 있는 방법은 Teachable Machine을 사용하는 것입니다. 이 도구를 사용하면 코딩 지식 없이도 10분 만에 인공지능 프로그램을 만들 수 있습니다.
• Teachable Machine 사용 방법은 다음 포스팅을 통해 확인하실 수 있습니다.

티처블머신(Teachable Machine) 색상 분류 모델 만드는 방법

티처블머신(Teachable Machine) 색상 분류 모델 만드는 방법

---

3. 프로젝트 [ AI 기술을 활용한 아이디어 제안 ]

• 요즘 다양한 AI가 등장하면서 재미있는 아이디어가 생각나는 것 같아요. 저 같은 경우에는 과거 대학시절에 가상현실 관련된 프로젝트를 했었는데, 그 시절 가상현실에서 사용할 단순한 3D 오브젝트를 엄청 많이 만들었던 기억이 있어요. 
• 그 때 수 없이 많은 모델링을 하면서 시간도 많이 들었죠. 정말 단순한 오브젝트인 박스, 나무, 사과 등 그런 것들을 만드는데 시간이 너무 아까웠어요. 중요한 부분에 시간을 써야하는데 단순 작업에 시간을 많이 쓰는 것 때문에 밤샘작업도 일수였답니다. 지금 생각해보면 AI가 그런 단순한 모델링 작업을 대신해 줄 수 있었더라면, 정말 중요한 부분에 시간을 더 쓸수있지 않았을까 생각해봅니다.
• 이 글을 작성하는 현재 3D 모델링을 생성해주는 서비스가 여럿 존재하더라구요.
• 재가 찾아본 AI 중에서는 Meshy.ai 가 가장 괜찮더라구요. 처음 로그인하면 200개 정도 크래딧을 주기 때문에 몇번정도는 무료로 이용하실 수 있습니다. 1달에 한번 다시 채워주는 것 같더라구요. 여러분도 이용해보세요.
• https://www.meshy.ai/?utm_source=155KDA

Meshy - Free 3D Models Generated from Images and Text

• 해외에서 제공하는 서비스도 있지만, 국내 기업이 제공하는 서비스도 있답니다.
• 한국딥러닝

polyground

• VRIN

VRIN 3D

 

• 국내에서도 많이 상용화되었으면 좋겠다는 생각이 듭니다.

---

• 여러분의 아이디어는 무엇인가요?

---

0. 이론과 실습으로 배우는 AI 입문 -인공지능 입문 커리큘럼 작성하기

2. 파이썬 프로그래밍과 데이터 처리