Planning (초기 상태 → 목표 상태)에 도달하기 위한 "Sequence Of Action"을 찾아내는 것 ※ 계획 수립 (초기 상태 → 목표 상태)에 도달하기 위한 "Sequence Of Action"을 찾기 위해서 필요한 여러가지 환경/요소 등을 정의하는 것 >> 이렇게 도출된 Solution Plan은 "Optimal"해야 한다 최소 비용으로 목표에 도달 전통적 계획 수립의 여러가지 가정들 1. Environment [AI] Agent Agent (Rational Agent) 1. 자신이 놓인 환경에 대해서 "센서"를 통해서 환경에 대한 상태를 "추정" (Sensor Value 획득) 환경이 현재 어떤 상태인가 그 환경 속에서 나는 어떤 상태인가 2. Effectors를 통해서.. cs-ssu..

CSP (제약 만족 문제) 대학교 시간표를 짤때도 여러 강의를 자신의 시간표로 넣을 때 각 강의간에 제약조건에 존재한다. 이러한 과정을 통해서 시간표를 완성했다면 우리는 "시간표 짜기"라는 문제에 대한 제약 조건을 만족했다고 할 수 있다 "인공지능"의 많은 문제들은 제약 조건을 만족시켜가면서 해결하는데 이러한 문제의 Goal State는 "주어진 제약 조건을 만족"시킨 상태이다. CSP의 3가지 요소 1) Variable 문제에서 제약 조건을 만족시켜줘야 하는 "변수들" - 각 변수들 사이에는 제약조건이 존재하고, 제약조건을 만족하도록 각 변수에 Domain 값을 설정해줘야 한다 2) Domain 변수에 할당되는 "값들의 집합" - 제약조건을 만족할 수 있도록 변수들에 Domain 값을 잘 설정해줘야 한..

Adversarial Search (적대적 탐색) 이전의 여러가지 탐색(BFS, DFS, A*, GBFS, Hill-Climbing, Local Beam, Simulated-Annealing)들은 전부 "Single Agent 환경"에서의 탐색 문제이다 Multi Agent의 경우에도 현재 노드에서부터 Tree 형태로 Expanding되는 것은 동일하다고 볼 수 있다 Adversarial Search에서는 "Game Tree"라고 부르기도 한다 Single Agent에서의 탐색 목적 Single Agent는 풀고자하는 문제/환경에 Agent혼자만 존재하고 환경 또한 Agent 혼자만 변경이 가능하다 >> Single Agent에서의 탐색은 결국 초기 상태 -> 목표 상태까지의 Sequence Of Act..

Local Search Algorithms 많은 "최적화 문제"에서는 Goal까지의 경로가 중요한게 아니라 Goal에 도달하는 그 자체가 중요하다 상태 공간 탐색의 경우 초기 상태 & 목표 상태가 주어지고 Action들의 Sequence에 의해서 Goal에 도달한다 지역 탐색의 경우 초기 상태만 주어지고 목표 상태는 모르는 상태에서 오직 현재 상태보다 더 나은 상태로 가려는 탐색 방식이다 그에 따른 제약조건이 굉장히 많지만 지역 탐색은 제약조건을 최대한 많이 만족할 수 있는 Goal을 찾는 것이 목표이다 >> 목표 상태까지의 Path는 관심 X / 오로지 목표 상태에 도달하는 그자체가 중요하다 특징 1) "상태 공간"이란 해당 공간안에 존재하는 state들이 모두 그들만의 value를 보유하고 있다 - ..

Informed Search (= Heuristic Search)"지식"을 사용해서 여러 갈림길 중 최적의 node를 효율적으로 탐색하는 방법Best-First SearchA* SearchIterative Deepening A* (IDA*) SearchNode를 펼쳐놓고 탐색하기 전에 해당 Node가 문제 해결에 있어서 얼마나 좋고 최적의 Node인지 판단해주는 평가함수 : f(n)을 사용→ 평가함수가 좋은 Node부터 ExpandingGreedy Best-First Search전체적인 환경에서 각 후보 node(아직 확장 X)들에 대한 우선순위? 특정 Integer값이 존재한다그리고 각 우선순위는 "지식"을 활용해서 평가를 한다평가 함수 f(n)은 여러 후보 node들을 평가해준다평가 방법은 각 nod..

Problem-Solving Agents 1. 어떤 Agent든 "Sensor"를 통해서 인식하는 정보들이 존재할 것이다 :: Percept 2. Percept 정보와 State(직전 상태) 정보를 결합(Update-State)함으로써 새로운 State를 정의한다 ※ Sequence(Sequence Of Action)가 없다면? Sequence가 없다는 의미는 현재 "계획"이 없다는 의미이다 >> 따라서 계획을 먼저 수립해야 한다 1) 현재 State로부터 먼저 Goal을 정한다 Goal은 1) Agent가 스스로 정할 수 있고, 2) 외부에서 Agent에게 정해줄 수 있다 2) 현재 State & Goal을 통해서 Problem을 formulate한다 (탐색 대상이 될 수 있는 Problem으로 만들기..

Agent (Rational Agent) 1. 자신이 놓인 환경에 대해서 "센서"를 통해서 환경에 대한 상태를 "추정" (Sensor Value 획득) 환경이 현재 어떤 상태인가 그 환경 속에서 나는 어떤 상태인가 2. Effectors를 통해서 해당 환경속에서 에이전트는 행동을 수행한다 어떤 행동을 수행할 것인지에 대해서 "4가지 에이전트" 유형이 존재한다 Simple-Reflex Model-Based Reflex Goal-Based Utility-Based >> 에어전트는 1, 2를 환경 내에서 계속 반복한다 자율적인 존재 : "Atonomous Entity" 에이전트는 행동을 "자신이 스스로 결정"해야 한다 자신이 놓여진 환경에서 자신이 수행할 수 있는 행동은 무엇이 있고 그 중에 최적의 행동은 무..

인공지능? (Artificial Intelligence) - 인간이 보유한 지능을 인공적으로 구현한 것 인공지능 ⊃ 머신러닝 ⊃ 인공신경망 ⊃ 딥러닝 AI 판별 기준 (Like Human & Rationality) 1) "Like Human" "인간처럼 생각할 수 있다" - 두뇌의 활동 - Cognitive science / Neuroscience "인간처럼 행동할 수 있다" - 자연어 대화 / 자연스러운 인식&행동 - Turing Test ※ Turing Test - 거의 인간과 동일한 지능적 행동을 보여주는 기계의 능력에 대한 테스트 - 판단자(C)는 반대편에 존재하는 객체가 기계인지 인간인지 판단해야 한다 Turing Test는 "Thinking Humanly"가 아닌 "Acting Humanly"..