[카테고리:] 알고리즘/AI

I. 인간과 인공지능 비교, 튜링 테스트 인공지능 수준을 평가하기 위해 인간과 인공지능의 사고 능력을 비교하는 블라인드 테스트   II. 튜링 테스트의 절차도 및 절차 가. 튜링 테스트의 절차 – 격리된 C가 A, B 중 어느 쪽이 사람인지 구분 불가능 시 인간 수준 사고 능력 보유 판정 나. 튜링 테스트 세부 절차 # 세부 절차 설명

I. 전문지식 기반 자문형 인공지능 시스템, 전문가 시스템 개념 특징 전문가 지식 베이스를 통해 IF-THEN 구조의 전방향, 역방향 질의 기반 전문가 지식 활용 인공지능 시스템 – 규칙 기반: IF-THEN 구조 – 휴리스틱, 비공식 추론 – 북키핑 설비: 변화감지 – 전방향, 역방향 추론 – 규칙 기반 전문가 시스템은 학습이 불가하므로, 신경망 기반 전문가 시스템의 활용 증가

I. 알파고의 학습 방법, 강화학습 가. 강화학습(Reinforcement Learning)의 개념 – 데이터의 상태를 인식하여 행위 기반 환경으로 받는 보상을 학습하여 최적화 정책 찾는 기계학습 나. 강화학습의 필요성 학습/결과가 무한히 많은 경우 지도/비지도 학습 적용 어려움 매 순간 특정 Action 시 Reward(+1, -1)기반 최적 정책 학습   II. 강화학습의 기본원리/구성요소 및 세부 알고리즘 가. 강화학습의 원리/구성요소 – 원리: MDP(Markov Decision Process)기반 상태 전이가 현재 상태 St와 입력(행동) At에 의해 확률적으로 결정되는 모델 구성요소 설명

I. 설명 가능한 인공지능, XAI 배경 – 인공지능 시스템에 대한 사회 수용/신뢰 우려 – 전문가 시스템 도출 결과 이해 불가 한계를 극복 개념 – 인공지능 시스템의 동작 및 최종 결과를 해석하여 결과물이 생성되는 과정을 설명해주는 기술 – 미 국방성 산하 DARPA에서 ‘17년부터 XAI 관련 학습 모델의 개발/테스트 프로젝트 추진   II. XAI 구현을 위한 기술 요소 기술 요소 개념도 기술 설명/세부 기술 기존 학습 모델 변형 – CNN 학습과정 역연산 – 특징 영향 요소

I. 인공지능 담합, 디지털 카르텔 개념 등장배경 투명성이 높은 시장환경에서 기업 이익만을 극대화하는 병행, 신호, 자가 학습 등의 알고리즘 기반 담합 기법 – 투명한거래 → 담합에 유리 – 알고리즘기반 묵시적 담합 – 이익 극대화 인공지능학습 – AI 독자 판단의 법적 공백   II. 디지털 카르텔의 알고리즘 역할/기술 및 유형 가. 디지털 카르텔의 알고리즘 역할/기술 역할 기술 요소 역할 및 구현 기술 모니터링 알고리즘 – 웹 크롤링 – 아파치 스트리밍 – 가격 담합 이탈 시

I. 문자의 빈도 기반 접두부호 생성, 허프만 코드의 개요 가. 허프만 코드의 개념 무손실 압축 위한 엔트로피 부호화로, 데이터 등장 빈도에 따라 다른 길이 부호 사용 알고리즘 개념도 설명 – 접두어 코드 사용 압축 – 접두어 코드 표현 왼쪽 서브 노드: 0 오른쪽 서브 노드: 1 – 루트→리프 경로가 접두어 – 허프만 코드는 무손실 압축, 심볼의 출현 빈도에 따른 가변 길드 코드와 접두사 코드 생성   II. 허프만 코드의

I. 용량 효율화, 압축 기술 이미지, 동영상, 프로그램 등의 저장장치 사용량 절감을 위한 손실/무손실 부호화 기법   II. 압축 기술의 분류 및 유형 가. 압축 기술의 분류 무손실 압축기술 – RLC, 허프만 코드 손실 압축기술 – PCM, DCT 혼합 압축기술 – JPEG, GIF, H.264 – 압축 기술은 무손실, 손실, 혼합 압축기법 존재 나. 압축 기술 세부 설명 구분 설명 사례 무손실 – 압축전 = 복원 데이터 – 정보손실 없음 / 압축률 낮음

I. 비순환 연결 트리, 최소 신장 트리 가. 최소 신장 트리의 개념 연결 그래프의 연결된 간선 일부를 사용하여 모든 정점을 포함하여 가중치의 합이 최소가 되는 트리 나. 최소 신장 트리의 특징 모든 정점 포함 – 그래프에 포함된 모든 정점을 포함 비순환 구성 – 구성된 트리는 순환이 존재하지 않음 최소 비용 – 모든 간선의 가중치 합을 최소화   II. 최소 신장 트리 개념도 – 모든 정점 포함, 비순환, 가중치

I. 모든 경우의 수 도출, 백트래킹 모든 경우의 수를 도출하기 위해 DFS와 Pruning 기법 기반 특정 조건 만족하는 모든 해 탐색 기법 II. 백트래킹 절차도 및 세부 절차 가. 백트래킹 절차도   DFS 기반 유망성 부재 시 Pruning 수행하여 시간 단축 나. 백트래킹 세부 절차 절차 핵심 개념 설명 깊이 우선 탐색 수행 – 상태 공간 트리 – 상태 공간 트리 기반 Pre Order 방식 DFS 수행 Promising 검토 – 유망성 검토 – 해 존재 가능

I. 순간 최적 해 도출, 그리디 알고리즘 개념 특징 특정 순간 최적해를 구하기 위해 최적성과 효율성 개선을 통해 최적의 해를 도출하는 알고리즘 – 최적성의 원리 – 최적 해 보장 불가 – 효율성 개선 II. 그리디 알고리즘 흐름도 및 수행절차 가. 그리디 알고리즘 흐름도 최종 해 도출까지 해 선택, 과정을 반복 & 적합성 확인 나. 그리디 알고리즘 수행절차 # 알고리즘 설명 ① 해 선택 – 부분 해 집합에