I. 경쟁을 통한 원본 복제 기술, GAN 가. GAN (Generative Adversarial Networks)의 개념 생성자와 판별자 간 복제본 구별 경쟁을 통한 MinMax기반 성능 강화 비지도 학습 기술 나. GAN의 특징 준지도 학습 – 지도학습(구별자) + 비지도학습(생성자) MinMax Problem – 최소화와 최대화 경쟁 기반 성능 향상 II. GAN의 학습과정/수학적 표현 및 구성요소 가. GAN의 학습과정/수학적표현 학습과정
I. 나이브 베이지안 개념 문서나 데이터 요소 등장 확률 도출을 위해 베이즈 정리 기반 독립적 확률 벡터 분류 기법 II. 나이브 베이지안 분류기 수행 절차 가. 나이브 베이지안 분류 기법 수행 절차 절차 설명 수식 지도 학습 분류 – 분류기 실행 전 학습 벡터 결과 기반 분류 수행 C = {Comedy, Action} 입력 벡터
I. 체계적 확률 기법, 베이지안 네트워크 가. 베이지안 네트워크의 개념 체계적 확률 정보 기반 방향성 비순환 그래프와 그래프를 다루는 기법이 정리된 방법론 나. 베이지안 네트워크의 특징 주관적 정보 – 베이지안 망 구성 시 주관적 정보 사용 추론 단계 – 주로 추론 단계에서 베이즈 정리가 적용 인과적 추론 가능 – 증거 기반 뿐 아니라 인과적 추론
I. 인공지능 모델 평가 기법, 교차 검증 (Cross Validation) 모델의 일반화 오차에 대해 신뢰한 추정치를 구하기 위해 훈련/검증 데이터 기반 검증 기법 II. 교차 검증 기법, 홀드 아웃 및 k-fold 교차 검증 가. 홀드 아웃 교차 검증 기법 – 가용 데이터를 Train Set과 Test Set으로 랜덤 나눔 – 일반적으로 2/3 Train Set, 1/3 Test
I. 통계적 주요 분석 기법, SVM 개념 목적 학습 데이터를 두 개의 클래스로 분류하기 위해 Margin을 최대로 하는 결정직선탐색 분류알고리즘 – 클래스 간 최장 경계 탐색 – 과적합 회피 – 통계적 학습 – 차원의 저주 회피 II. SVM의 개념도 및 구성요소 가. SVM의 개념도 나. SVM의 구성요소 구성요소 결정 수식 설명 Support Vector X1, X2 – 클래스
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