[큰글자책] AI 알고리즘의 이해

우리 삶을 변화시키는 AI의 학습 원리

01 AI 알고리즘 개요
02 기초수학
03 기계학습
04 지도 학습 알고리즘
05 비지도 학습 알고리즘
06 강화 학습 알고리즘
07 신경망과 딥러닝
08 고급 알고리즘
09 AI 알고리즘 응용 사례
10 미래의 AI 알고리즘

기계학습은 데이터를 학습시키고 이를 이용하여 새로운 데이터에 대한 예측 또는 결정을 내리는 방법으로, 문제의 유형과 학습 방법에 따라 지도 학습, 비지도 학습, 강화 학습 등으로 나눈다. 딥러닝은 기계학습의 일종으로 심층 신경망을 이용하여 대규모 데이터에서 복잡한 패턴을 학습하는 방법이다. 여러 계층의 뉴런으로 구성된 심층 신경망을 기반으로 특히 이미지 인식, 자연어 처리 분야 등에서 혁신적 성과를 보여 주었다. 고급 알고리즘은 기존의 알고리즘을 개선하거나 더 복잡한 문제를 해결하는 데 사용되며, 서포트 벡터 머신, 앙상블 학습, 차원 축소 기법 등을 그 예로 들 수 있다.

－01_“AI 알고리즘 개요” 중에서

기계학습의 성능은 데이터의 양과 질에 크게 의존하기 때문에 양질의 데이터를 수집하고 정제하는 과정이 매우 중요하다. 게다가 딥러닝 등의 기계학습 모델은 내부 동작 원리를 알 수 없는 경우가 많아서 중요한 의사 결정을 내리는 데 신뢰성 문제를 초래할 수 있다. 이에 모델의 해석 가능성을 높이는 연구가 꾸준히 진행되고 있다. 윤리적 문제 또한 간과할 수 없는 이슈다. 기계학습 기술의 활용에서 데이터 프라이버시, 알고리즘 편향, 자동화로 인한 일자리 감소 등의 문제를 충분히 고려하고 해결하려는 노력이 필요할 것이다.

－03_“기계학습” 중에서

Q-러닝(Q-Learning)은 상태를 보고 행동을 하는 알고리즘으로 대표적인 강화 학습 기법이다. Q-함수에 대한 학습을 통해 최적의 정책을 찾는 것으로, Q-함수는 특정 상태에서 특정 행동을 취했을 때 기대되는 누적 보상의 값을 나타낸다. Q-러닝은 Q-함수를 반복적으로 업데이트하여 최적의 Q-함수로 수렴시키는 것이다.

－06_“강화 학습 알고리즘” 중에서