먼저 세 가지의 관계를 살펴보겠습니다.

인공지능의 경우 광범위함과 좁음이라는 두 가지 수준에서 이해할 수 있습니다. 대체로 AI는 위에서 언급한 능력을 포함해 인간 지능의 모든 특성을 갖춰야 한다. 좁은 의미의 인공지능은 인간 지능의 일부 측면에 해당하는 능력만을 갖고 있으며, 이러한 분야에서는 매우 잘할 수 있지만 다른 분야에서는 능력이 부족할 수 있습니다. 예를 들어, 인공지능 기계는 강력한 이미지 인식 기능을 갖고 있지만 다른 용도는 없습니다. 이는 좁은 수준의 AI의 예입니다.

기본적으로 머신러닝은 인공지능을 달성하는 방법입니다.

실제로 기계 학습은 기계를 사용하는 것이 아니라 기계가 알고리즘에 대량의 데이터를 공급하고 알고리즘이 스스로 조정하고 개선할 수 있도록 하기 위해 알고리즘을 "훈련"하는 방법입니다. 특정 지침을 코드화하여 할당된 작업을 수행합니다.

예를 들어, 머신러닝은 컴퓨터 비전(이미지나 동영상에서 사물을 인식하는 기계의 능력)에 사용되어 상당한 발전을 이루었습니다. 수십만 또는 수백만 개의 이미지를 수집한 다음 사람들이 태그를 지정하도록 할 수 있습니다. 예를 들어, 고양이가 포함된 사진에 플래그를 지정하도록 하세요. 알고리즘의 경우 고양이가 포함된 사진에 사람만큼 정확하게 라벨을 붙일 수 있는 모델 구축을 시도할 수도 있습니다. 정확도 수준이 충분히 높아지면 기계는 본질적으로 고양이의 모습을 "학습"합니다.

딥러닝은 머신러닝의 다양한 방법 중 하나입니다. 다른 방법으로는 의사결정 트리 학습, 귀납적 논리 프로그래밍, 클러스터링, 강화 학습, 베이지안 네트워크 등이 있습니다.

딥 러닝은 뇌의 구조와 기능, 많은 뉴런의 상호 연결에서 영감을 받았습니다. 인공신경망(ANN)은 뇌의 생물학적 구조를 시뮬레이션하는 알고리즘입니다.

ANN에는 개별 레이어가 있고 다른 "뉴런"에 연결된 "뉴런"이 있습니다. 각 레이어는 이미지 인식의 곡선/모서리와 같은 학습할 특징을 선택합니다. "딥 러닝"이라는 이름이 붙은 것이 바로 이 레이어링이며, 단일 레이어가 아닌 여러 레이어를 사용하여 깊이가 만들어집니다.

인공지능과 사물인터넷은 떼려야 뗄 수 없는 관계

인공지능과 사물인터넷의 관계는 인간의 두뇌와 신체의 관계와 비슷하다고 생각합니다.

우리 몸은 시각, 소리, 촉각과 같은 감각 입력을 수집합니다. 우리의 두뇌는 이 데이터를 수신하고 처리하며 빛을 인식할 수 있는 물체로, 소리를 이해할 수 있는 언어로 바꾸는 등 이를 이해하려고 노력합니다. 그런 다음 뇌는 결정을 내리고 신체에 신호를 보내 물건을 집거나 다른 사람과 대화하는 등의 움직임을 수행하도록 지시합니다.

사물인터넷을 구성하는 모든 센서는 우리 몸과 같아서 전 세계의 원시 데이터를 제공합니다. 우리의 두뇌와 마찬가지로 AI도 이 데이터를 이해하고 어떤 조치를 취할지 결정할 수 있어야 합니다. 동시에 사물 인터넷의 연결된 장치는 우리 몸과 같아서 물리적인 행동을 수행하거나 다른 사람과 통신하여 서로의 잠재력을 발휘할 수 있습니다.