📚 주차 별 강의 노트

1. 인공지능

• 인공지능(AI): 컴퓨터 시스템이 인간의 인지적 작업을 모방하는 기술.
• 목표: 인간의 지능적 활동을 자동화하고 개선.

2. 기계 학습

학습 방법의 종류

1. 지도 학습 (예: 물체 인식)
   • 문제와 정답을 알려주고 학습시키는 방법.
2. 비지도 학습 (예: 단어 분류)
   • 정답을 제공하지 않고 학습하도록 하는 방법.
3. 강화 학습 (예: 알파고)
   • 보상을 통해 상을 최대화하고 벌을 최소화하는 방향으로 행위를 강화.

3. 인공지능 진화의 다양한 패러다임

(1) 전문가 시스템 (1950~1980)

• 특징: 논리/규칙 기반.
• 한계: 모든 상황 및 지식을 학습하지 못하고, 단순히 모방.

(2) 인공 신경망 (1980~1990)

• 특징: 연결 기반 학습.
• 한계: 컴퓨팅 파워와 훈련 데이터 부족.

(3) 머신 러닝 (1990~2010) (중요)

• 특징: 통계 기반 학습.
• 특화: 특정 분야에 최적화.
  • 주요 기법: 회귀(예측 모델), 분류, 군집화.

(4) 딥 러닝 (2010~현재) (중요)

• 특징: 깊게 학습하는 방식.
• 필요 조건:
  • 빅 데이터 처리.
  • 고성능 GPU.

4. 머신 러닝 vs 딥 러닝

(1) 머신 러닝

• 과정: 훈련 데이터 → 입력 → 특징 추출 → 분류 → 출력 (사람 필요).

(2) 딥 러닝

• 과정: 훈련 데이터 → 입력 → 특징 추출 & 분류 → 출력 (사람 필요 없음).

5. AI 기술의 두 축

6. 최신 대규모 언어모델 핵심 비교