다음은 모든 AI 애호가가 알고 이해해야하는 10 가지 주요 용어입니다.
인공 지능 (AI)은 우리가 기술과 주변의 세계와 상호 작용하는 방식을 형성하여 산업 전반에 걸쳐 혁신적인 힘이되었습니다. 인공 지능 분야에 깊은 사람들에게는 기본 용어를 이해하는 것이 중요합니다.
1. 인공 지능 (AI) : 인공 지능은 일반적으로 인간 지능을 요구하는 작업을 수행 할 수있는 컴퓨터 시스템의 개발을 말합니다. 학습, 추론, 문제 해결, 인식 및 언어 이해가 이러한 작업 중 일부입니다. AI 시스템은 알고리즘을 사용하여 데이터를 분석하고, 배우고, 정보에 입각 한 결정을 내리고 인간 지능을 모방합니다.
머신 러닝 (ML) : 머신 러닝은 인공 지능의 하위 집합으로, 시스템이 명시 적 프로그래밍없이 경험을 배우고 개선 할 수있는 알고리즘 개발에 중점을 둔 인공 지능의 하위 집합입니다. 기계 학습 알고리즘을 통해 컴퓨터는 패턴을 인식하고 예측하며 시간이 지남에 따라 성능을 향상시킬 수 있습니다.
3. 신경망 : 신경망은 기계 학습의 하위 집합 인 딥 러닝의 핵심 구성 요소입니다. 인간 뇌의 구조에서 영감을 얻은 신경망은 상호 연결된 노드 층 또는 인공 뉴런으로 구성됩니다. 이 네트워크는 패턴을 인식하고 결정을 내리기 위해 데이터에 대한 교육을 받았으며 이미지 및 음성 인식과 같은 복잡한 작업을 가능하게합니다.
자연 언어 처리 (NLP) : 자연어 처리는 컴퓨터와 인간 언어 간의 상호 작용에 중점을 둔 인공 지능 분야입니다. NLP 알고리즘을 통해 컴퓨터는 인간 언어를 이해, 해석 및 생성하여 챗봇, 언어 번역 및 감정 분석과 같은 응용 프로그램을 용이하게 할 수 있습니다.
5. 딥 러닝 : 딥 러닝은 여러 층의 신경망 (심층 신경망)을 포함하는 기계 학습의 하위 필드입니다. 이러한 네트워크는 데이터의 계층 적 표현을 자동으로 학습 할 수 있으므로 이미지 및 음성 인식 및 자연어 처리와 같은 작업에 매우 강력합니다.
알고리즘은 컴퓨터가 특정 문제를 해결하거나 특정 작업을 수행하기 위해 컴퓨터가 따르는 일련의 단계별 지침 또는 규칙 세트입니다. 인공 지능에서 알고리즘은 데이터를 처리하고 분석하는 데 중요하며, 기계는 패턴 및 정보를 기반으로 의사 결정 또는 예측을 할 수있게합니다.
7, 감독 학습 : 감독 학습은 알고리즘이 라벨이 붙은 데이터 세트에 대한 교육을받는 기계 학습 유형입니다. 즉, 입력 데이터가 원하는 해당 출력과 일치 함을 의미합니다. 알고리즘은 입력을 올바른 출력에 매핑하는 법을 배워서 보이지 않는 신규 데이터에 대한 예측을 할 수 있습니다.
8. 감독되지 않은 학습 : 감독 된 학습과 달리 감독되지 않은 학습은 표지되지 않은 데이터 세트에 대한 알고리즘을 훈련시키는 것이 포함됩니다. 명백한 지침이없는 경우 알고리즘은 데이터에서 패턴과 링크를 찾아야합니다. 감소 및 클러스터링은 두 가지 일반적인 응용 분야입니다.
9. 강화 학습 : 강화 학습은 에이전트가 환경과 상호 작용하여 결정을 내리는 법을 배우는 기계 학습 유형입니다. 그들의 행동에 따라, 대리인은 인센티브 나 처벌의 형태로 피드백을 받으므로 최상의 행동 과정을 점차적으로 배우는 데 도움이됩니다.
컴퓨터 비전 : 컴퓨터 비전은 기계가 시각적 데이터를 기반으로 해석하고 결정을 내릴 수있는 학제 간 분야입니다. 여기에는 이미지 및 비디오 인식, 객체 감지 및 이미지 분할과 같은 작업이 포함됩니다. 컴퓨터 비전은 얼굴 인식 및 자율 주행 자동차와 같은 응용 프로그램의 필수 부분입니다.