[AI] Learning

[AI] Learning

2022. 5. 14. 11:56ㆍMajor`/인공지능

Learning

AI에서 학습은 단지 무엇을 배운다고 끝나는 것이 아니다

배운다는 경험을 토대로 에이전트의 작업 성능이 개선이 되어야 그 에이전트는 "학습 능력이 존재"한다고 볼 수 있다

이러한 점은 인간도 마찬가지이다

아무리 가르쳐줘도 발전이 없는 사람은 학습 능력이 전혀 없는 사람이라고 볼 수 있다

반면에 가르쳐줄수록 경험이 쌓이고 그에 따른 성능이 개선되는 사람은 학습 능력이 있다고 볼 수 있다

학습의 필요성

1. 설계자는 미래에 일어날 모든 가능한 상황과 변화에 대해서 에이전트를 처음 설계할 때는 예상할 수 없다

따라서 Agent에게 학습은 필수적이다. 학습을 통해서 설계자가 예상하지 못한 이벤트에 대해서 대처할 수 있는 능력을 만들어야 한다

2. 프로그래머도 사람이기 때문에, 어떠한 상황에 대해서 최적의 행동이 무엇인지 모를때가 존재한다

3. Agent는 학습을 통해서 더 완벽한 시스템을 구축할 가능성이 존재한다

결국 "학습"을 통해서 Agent는 자신의 "의사/행동 결정 구조"를 변경시킨다

왼쪽 : Simple Reflex / 오른쪽 : Model-Based Reflex

{Simple Reflex & Model-Based Reflex} Agent들은 "Condition-Action Rules"에 의해서 행동이 결정된다.

따라서 이러한 Agent들은 Learning을 통해서 "Condition-Action Rules"을 modify해나간다

{Model-Based Reflex & Goal-Based & Utility-Based} Agent들은 여러 요소들을 종합해서 최종 행동을 결정한다

Model-Based Reflex : State / World Model / Action Model / Condition-Action Rules
Goal-Based Agent : State / World Model / Action Model / Goals
Utility-Based Agent : State / World Model / Action Model / Utility
- Action Model : 내가 할 수 있는 행동은 무엇일까
- World Model : 행동을 하면 세상이 어떻게 변할까

여기서 World Model / Action Model을 modify해나가면, 결국 센서로부터 인식하는 state도 더 좋은 방향으로 인식이 되고 그에 따라서 더 최적의 행동을 결정할 수 있을 것이다

단, 외부에서 직접 개입해서 요소들을 변경해주는 것은 "Learning"이 아니다. Learning이란 Agent "스스로" 하는 것이다

데이터 & 지식 표현법

결국 Learning을 한다는 의미는 "새로운 지식"을 습득한다는 의미이다.

새로운 지식을 습득함에 따라 행동 결정 구조를 modify하고 더 나은 행동을 앞으로 결정할 수 있다

학습을 더 내부적으로 들어가보면 결국 Agent는 "학습 데이터"를 먼저 외부로부터 부여받게 된다. 이 "학습 데이터"를 통해서 Agent는 Learning을 하고 Learning의 결과로 "새로운 지식"을 얻게 된다

input : 학습 데이터
output : 새로운 지식

결국 여러가지 구체적인 사례(학습 데이터)를 통해서 전부를 수용할 수 있는 일반화된 지식(새로운 지식)을 얻는 "귀납적 Learning"을 하게 된다

여기서 개발자는 input - output 중간의 Process/Algorithm을 개발해줘야 한다

그리고 이 Process를 개발하기 위해 필요한 것들은 {input이 어떤 형태로 들어오고 & output은 어떤 형태로 출력해야 하는가}를 고려해야 한다

데이터 표현법

속성 값들의 Vector(:: Set?)로 표현할 수 있다

(111, "홍길동", 20, "컴퓨터과학과")

지식 표현법

논리적 문장으로 표현할 수 있다

지식 표현법이 가장 중요한 부분이다

on(A, B) / before(X, Y) :- after(Y, X)
확률 그래프 (베이지안 네트워크)
인공 신경망
결정 트리
...

학습 타입

1. 사전 지식에 의존하는 학습

사전 지식이란 Agent가 학습을 할 때 미리 알고있어야 하는 여러 지식들을 뜻한다

학습을 하기 전에 Agent가 무슨 지식을 얼마나 가지고 있느냐에 따라서 학습 진행 방법이 달라진다

※ 귀납적 학습 (Inductive Learning)

다수의 구체적 사례들을 통해서 일반화된 지식을 생성

여러가지 Example(input - output)을 통해서 일반적 지식/규칙을 학습

※ 연역/분석적 학습 (Deductive/Analytical Learning)

일반화된 지식/규칙들을 통해서 구체적인 사례/지식/규칙을 학습

>> 구체적 사례가 많은 경우 : 귀납적 학습 / 일반적 지식이 많은 경우 : 연역적 학습

2. 피드백에 의존하는 학습

※ 교사/감독 학습 (Supervised Learning)

인간이 여러 "학습 데이터"를 부여해주고 Agent는 부여받은 학습 데이터를 통해서 Learning을 진행한다

Supervised Learning에서의 학습 데이터는 Labeled Data라고도 불린다 :: input에 대해서 output도 같이 부여
따라서 Agent는 학습 데이터의 각 input에 대해서 output을 도출해낼 수 있어야 학습을 완료했다고 할 수 있다

output이 "Discrete"하다면 "Classification(분류)"이라고 부른다