Machine Learning

 

인간은 학습 (Learning) 할 수 있기 때문에 자신의 지식을 계속적으로 확장시켜 나갈 수 있다. 이러한 지적능력은 인간을 다른 생물과 구별시키는 아주 중요한 요소들 중의 하나이다. machine learning 은 궁극적으로 인간의 이러한 학습능력을 컴퓨터에 구현하고자 하는 시도이다 ........ 인간의 가장 두드러진 특징은 새로운 것을 배우고 변화하는 환경에 적응할 수 있는 학습능력을 가지고 있다는 것이다. 만일 컴퓨터도 이와같은 학습능력을 가질 수 있다면 지능을 가진 인간과 유사한 적응력을 가질 수 있게 될 것이다. AI 에서는 학습을 '프로그램을 하나의 문제를 수행한 후에 그 추론과정에서 얻은 경험을 바탕으로 시스템의 지식을 수정 및 보완하여, 다음에 그 문제나 또는 비슷한 문제를 수행할 때에는 처음보다 더 효율적이고 효과적으로 문제를 해결할 수 있는 적응성' 이라고 정의한다. 과연 컴퓨터가 배우는 능력을 갖출 수 있느냐에 대해서는 논란이 많이 있다. 학습에서는 새로운 지식의 습득과 새로운 정보의 추론이 중요하므로, 컴퓨터는 단순히 자료를 인식하는 것만이 아니라, 새로운 정보를 통하여 자신의 경험으로부터 얻은 지식을 수정하고 보다 정확한 지식으로 개선해 나가는 능력을 갖추어야 한다.

term    paper   site    lab   history   demo

1980년대 이후 기계학습 (machine learning) 의 연구가 활기있게 전개된 까닭은 우선 네 가지로 풀이될 수 있다. 첫째는 학습절차를 잘 이해하면 전문가 시스템 구성의 자동화를 촉진시킬 수 있고, 그 결과로 AI 을 급속도로 발전시킬 수 있으리라고 기대하기 때문이다. 둘째는 이론적 요구 때문이라고도 한다. 전문가 시스템들은 과학을 할 때 필수적으로 요구되는 이론의 일반성을 결여하고 있으므로 이를 보완하기 위한 것이었다. AI 가 문제해결이나 탐색분야에서 발견한 일반원리와 유사한 일반성을 기계학습의 영역에서도 취하고자 한 것이다. 셋째는 인간의 학습절차를 모델화하려는 것이다. 이것은 인간의 정보처리 시스템의 다양한 특색을 설명할 수 있는 한 방도가 될 것이다. 인간의 학습절차를 깊이 이해하면 우리의 교육 개선에도 크게 공헌할 것이다. 기계학습과 인간학습의 비교연구는 이런 점에서도 우리의 지대한 관심사가 아닐 수 없다. 넷째로 기계학습의 문제는 지식표현과 추리의 경우에서처럼 인식론적인 철학문제들에만 아니라, 문제해결, 정리증명, 유추추리, 비단조추리, 자연언어처리, 화법인지, 비전, 로봇, 기획, 게임 실행, 패턴 인지, 전문가 시스템 등 AI 의 모든 분야에 관련되어 있다. 그리하여 오늘날 기계학습은 AI 전반에 관련된 핵심문제로서 연구되고 있다 .............. (이초식 1993)

Machine Learning 을 구현하는 방법은 신경망 (Neural Network), 데이타마이닝 (Data Mining), 의사결정 트리 (Decision Tree), 유전알고리즘 (Genetic Algorithm), 사례기반 추론 (Case Based Reasoning), 패턴 인식 (Pattern Recognition), 강화 학습 (Reinforcement learning), 딥 러닝 (Deep Learning) 등등이 포함된다.

Machine learning 은 경험을 통해서 자동적으로 컴퓨터 알고리즘을 발전시키는 것에 관한 연구이다. 엄청난 데이터에서 일반적인 규칙을 발견하는 데이터마이닝 프로그램에서부터, 자동적으로 사용자의 관심사항을 배우게 되는 정보 filtering system 까지 그 응용은 광범위하다.

놀라운 모순은, 컴퓨터가 배우기는 아주 쉽기도 하고 아주 어렵기도 하다는 사실이다. 이 이유는 두가지 다른 유형의 학습 : 컴퓨터에게는 너무 쉬운 반복에 의한 학습 (Learning by Rote) 과 너무 어려운 인지학습 (Cognitive Learning) 이 있기 때문이다. 이 점에서, 여러 가지 다른 유형의 학습 - 유추에 의한 학습, 예에 의한 학습, 관찰에 의한 학습 등등 - 이 있다고 제안하고 싶을지도 모른다. 그러나, 이런 것들은 그것에 의해 지식이 습득될 수 있는 방법을 말하는 것이지, 학습이 일어나게 하는 실제 메커니즘을 말하는 것은 아니다.

 

video :

인공지능을 위한 머신러닝 알고리즘 1강 - 머신러닝 개요 : SKtechx Tacademy : 2017/04/10 ... 동영상 15개

 

기계학습 개론 : Introduction : KAIST KOOC : 문일철, 2016/04/07 ... 동영상 71개

 

Machine Learning Course : Caltech - Learning from Data : Yaser Abu-Mostafa, 2012/04/03 ... Playlist 18

 

Machine Learning : Stanford - Machine Learning : Andrew Ng, 2008/07/22 ... Playlist 20

 

Introduction to Machine Learning - KAIST 오혜연 : elice : 2016/08/25

 

(전문가 토크 릴레이) 딥러닝의 미래와 인간수준 기계학습 : 솔트룩스 : 장병탁  2015/11/11

 

Machine Learning for Artificial Intelligence : 자연과학세상박문호의 : 최승진 : 2016/11/18

 

기계학습(Machine learning) 입문하기 : Terry TaeWoong Um, 2015/10/30

 

기계학습(Machine learning) 입문하기 (강연 ver.) : Terry TaeWoong Um, 2015/10/30

 

컴퓨터가 인류보다 똑똑해 진다면 무슨 일이 벌어질까? : TED  에듀앤스쿨 : Nick Bostrom, 2015/10/06