'K-MOOC/인공지능 기초'에 해당되는 글 8건

### 휴리스틱

그 노드의 얼마나 우리문제를 푸는데 있어서 좋은 노드인지 바람직한지 

그 평가함수가 높은 값부터 처리해보는 것을 

휴리스틱 이라고 한다

### Best First Search

Evaluation function 

Heuristic Function

직선거리 로 활용

가장 짧은 거리에서 분석

즉 갈수있는 방법에서 가까운 곳을 계속 서치한다

결과가 나올때까지

최저 거리부터 고르니 나오면 그게 답임

### A*Search(A-star)

Evaluation function f(n) = G(n) + h(n) 

 f(n) : 평가 해도 될지 안될지

 G(n) : n까지 오는데 걸린 cost 비용

 h(n) : 현재 목적지 까지 실어야하는 값

즉 최대 값을 정해놓고 그값이 넘으면 다른 길을 찾는다

그러면서 위에 가장 짧은 거리로만 가서 답을 구하는 업그래이드 된 방식

###Local Search Algorithms

지역탐색의 철학 메모리를 적게 쓰자

greed search : 가장 좋은 곳을 간다 (서치x)

local maima : 지역적으로 최대값을 가지는 것 

initial point : 목적

hill-climbing : 

하나를 옮겻을때 최선인 상황 찾기

담금질 기법

### 최적의 거리 찾기

도시를 다들리는 최적의 방법을 찾는법은

수많은 경를 다구해 최단 거리를 산출하는 방법

### 순서도 

1. Initial state

   목적

2. Possible actions

   가능한 방한들

3. Goal test

   목적에 도착 했는가

4. Path cost

   Step cost (x, a , y) ≥ 0: 방법은 0보다 크거나 같다

   비용 정리

### 추상화 방법

원래 문제를 추상화를 통하여 간단하게 혹은 쉽게 이해하게 만든다

### tree search(트리 서치)

이동의 경우의수를 트리구조로 만든것

액션이 가능한 경우에 수를 나열하여 다음갈 곳도 나열을 한다

### 전략

1. Completeness: 해를 찾을 수 있다 라는 목적

2. Time complexity : 시간이 얼마나 걸릴지

3. Space complexity: 총 매모리 필요량

4. Optimality : 항상 최적의 솔루션이 있나?

### Uninformed search

1. Breadth-first search : 너비 우선 

2. Uniform-cost search

3. Depth-first search : 깊이 우선 

4. Depth-limited search

5. Iteratibe deepening search

@@ 너비 우선 탐색 (Breadth-First search)

FiFO(first in first out) 

fringe(아직 펼쳐지지않은 로드)

     A  

  B      C

D  E  F  G

시작 

A    --> a갈 수 있는곳 BC 

BC ---> b 갈 수있는곳 DE

CDE ---> c 갈 수 있는곳 FG

DEFG ---> d 갈 수 있는곳 ......

이런식으로 메모리를 최대한 절약하여 찾는 방법

@@ 깊이 우선 탐색(Depth-First search)
LIFO = Last in frist out

     A 

  B      C

D  E  F  G

시작 

A    --> a갈 수 있는곳 BC 

BC ---> b 갈 수있는곳 DE

DEC ---> d 갈 수 있는곳 HI

HIEC ---> H 갈 수 있는곳 없을시 없엠

IEC ---> I 갈 수 있는곳 ....

끝 까지 가보는 것 이다

그렇게 메모리를 줄여 서치를 한다 

###현재의 인공지능의 정의(2020.3)

지능적인 행동을 자동화 하는것

###지능의 대한 정의(2020.3)

아직 정의를 하기 힘들다

지식이나 기술들을 습득하고 그것을 적용하는 능력이 지능이다

###지능이 가추려면 무엇이 필요한가?

1. 이해하는 것

2. 문제 해결능력

3. 학습능력

### the turing test (1950)

인공지능을 정의하기위하여

지능적인 행동을 테스트를 하는 것이다

Acting Humanly  와 Acting rationally 중 사람과 같은 것 즉 휴먼리를 중점으로 만드는 것

Sensing --> Thinking --> Acting

이러한 단계로 넘어가며 진행된다

### 약인공지능

알파고 의 예가 아직 약 인고지능이라 볼 수 있다

지능의 차이는 고 지능 생물의 말을 저지능 생물은 이해하지 못할 수 있기에

인공지능의 특이점이 오면 그들의 생각을 인간이 이해할  수 없을 것이다