내가 아는 바를 얘기하면, 처음의 인공지능이라는 기술은 형식논리와 그것의 표현과 함께 발전해왔음. ML에서 추론이라고 부르는 것도, ML 뜨기 전에는 형식 논리의 집합이 있을 때 query를 던지면 그 query를 형식 논리 집합 안에 있는 논리 원소들의 삼단 논법으로 추론을 해서 답을 내는 것을 의미했고. 체스 이긴 AI 가 아마 이런 논리 기반의 Rule-based AI 로 기억함.
이런 논리 외에도 고전적인 ML 하는 사람들도 있었고, 이 AI 라는 방법을 통계학적인 접근을 통해 data driven으로 해결하려는 시도가 있었지만, 그 시점에는 데이터도 부족하고 하드웨어 기술도 부족해서 실현이 어려웠지. 우리가 말하는 AI winter가 여기서 일어났던거고.
그리고 나서부터는 아는 것처럼 빅 데이터 시대가 되고 GPGPU가 발전하면서 AlexNet 이 나오는 그런 스토리임.
대댓글 2개
IF : 1
2021.08.26
참고로 나는 이 시점에 인공지능이 CS에 함께 있는게 최적은 아니라고 믿음. 마치 EE가 물리나 응용수학에서 빠져나왔고, CS가 EE에서 빠져나온 것처럼 CS도 전통적인 학문이 되고 AI 가 또 새로운 학과가 되지 않을까? 그래서 AI 대학원이나 데이터 사이언스 학과 같은게 그렇게 뻘소리(?)는 아니라고 믿어왔음.
열정적인 쿠르트 괴델작성자*
2021.08.26
음 맞아 솔직히 컴싸과목만 들으면 인공지능 연구하기 힘들어. 과목들을 여기저기서 골라서 들어야 한다는거 자체가 확실히 새로운 학문 분과(=학과)의 탄생이 필요하다는 신호 같음.
즐거운 버지니아 울프*
2021.08.26
순수 ML은 그렇다 볼 수 있는데, 인공지능을 실제로 만드는 영역으로 갈수록 CS의 비중이 크다.
대댓글 2개
열정적인 쿠르트 괴델작성자*
2021.08.26
근데 컴퓨터비전이나 보이스, 스피치 쪽은 또 전전에서 배우는 신호처리 관련 지식이 굉장히 중요하거든. 그래서 난 오히려 cs보다 ee에 더 가깝다고 보는데..
Cs쪽 지식이 많이 들어가는 인공지능 분야는 뭐가 있을까? 잘은 모르겠다
즐거운 버지니아 울프*
2021.08.26
Data-driven computational statistics를 현재 유행하는 인공지능의 주체라고 본다면,
Data-driven: EE+CS (데이터를 실제로 얻어내는 영역)
Computational: CS (데이터를 처리하는 영역)
Statistics: Math, Physics (데이터를 처리하는 방식)
이라 볼 수 있을 거라 어느 한 학과로 보기는 힘들 거 같지만 대형 프로젝트를 수행하려면 결국엔 CS가 될 거 같음.
즐거운 버지니아 울프*
2021.08.26
그건 그렇고 전산과라 부르는 걸 보니 어디 다니는지는 나오네 ㅋㅋㅋ
튼튼한 니콜라 테슬라*
2021.08.26
ai는 cs, ds(데이터사이언스)는 통계.. 요렇게 분리되는게 맞지 않을까?
2021.08.26
AI를 이론적으로 파고들면 CS보단 수학의 영역이긴 하죠. 프로그래밍은 이제 그걸 구현하는 하나의 수단인거고. 근데 또 그렇게 따지면 CS도 결국은 수학과 공학 사이의 경계에 있는 학문이라 어찌보면 AI랑 비슷한 결이긴 해서 포함되는게 아닌가 싶습니다. 사실 학교마다 CS안에 그냥 AI가 있는 경우도 있고 AI대학원처럼 아예 학과를 분리해놓는 경우도 있고 어떤 학교는 아예 CS랑 AI를 공대에서 따로 빼서 별개의 대학 하나처럼 운영하는 학교도 있고 학교마다 다른 것 같습니다.
2021.08.27
마찬가지로 cs하는 많은 교수가 ai는 cs도 아니라더라 심지어 과학이 아니라고 생각하는 교수도 봤다.
2021.08.26
대댓글 2개
2021.08.26
2021.08.26
2021.08.26
대댓글 2개
2021.08.26
2021.08.26
2021.08.26
2021.08.26
2021.08.26
2021.08.27