본문 바로가기

강의노트/인공지능

(7)
[인공지능] 7주차: Adversarial Search Single-Agent Search Problems Vaccum cleaner 8-Puzzle Path-finding n-Queens ... n-Queens 초기 상태에서 더 좋아지는 상태, 거기서 더 좋아지는 상태, ... 이런 식으로 선택하다가 더이상 좋아질 수 없으면 그게 optimal 이런 문제들은 한 개의 agent가 혼자서 탐색하는 문제임 Adversarial Search Problems 에이전트들의 목표가 상충하는 경쟁적 환경과 그런 환경에서 발생하는 adversarcal search 이런 문제를 Game이라고 한다. 나한테는 이득이 되고 상대한테는 손해가 되도록 하는 행동을 결정하는 방법 경쟁관계이므로 상대의 행동은 예측할 수 없다(unpredictable) 나의 행동은 내가 상대의 행동을..
[인공지능] 6주차: Local search algorithms 저번주차 탐색 알고리즘들과는 적용대상이 다름 N-Queens Puzzle *$f(s_0) = -5$, $f(s_1) = -3$임 (오타) 각 퀸은 같은 행, 열, 대각선 상에 있어서는 안 된다. 각 말을 $v_1$, $v_2$, $v_3$, $v_4$로 본다 각 말 $v_i$는 $i$번째 열 내에서만 움직이므로 행만 지정해주면 된다. -> $v_i \;\in\; \{1, 2, 3, 4\}$ 상태 $s_t$는 $$로 구성된다. 평가 함수는 문제 안에서 만들어야 한다. $f(s_i)$은 충돌 횟수다. 예를 들어 $s_0$에서는 다음과 같이 충돌한다. 행: $v_1$-$v_3$, $v_2$-$v_4$ 열: 없음 대각선: $v_1$-$v_2$, $v_2$-$v_3$, $v_3$-$v_4$ Local search..
[인공지능] 5주차: Heuristic search Best-First Search가 대표적임 탐색 알고리즘 = expand 할 수 있는 여러 노드 중 어느 노드를 먼저 expand할 것인가? Best-First Search 평가 함수(Evaluation function, $f(n)$)로 각 노드(여기서는 '상태'에 해당)를 평가해 더 좋은 노드르 확장 확장할 수 있는 노드를 평가함수에 넣고 평가치가 가장 높은 상태를 확장 Priority queue(= Sorted queue)로 구현한다. 평가 함수는 '지식'이다. 평가 함수는 주어진다. 인간이 줄 수도 있고 기계가 학습할 수도 있다. Greedy Best-First Search $f(n)$ = heuristic function $h(n)$ 좁은 의미의 heuristic search로 보는 경우도 있다...
[인공지능] 4주차: 탐색 Problem-Solving Agents 입력: Percept(Sensing의 결과물) low-level의 sensing data와는 다르다. if $seq$ is empty 행동의 sequence(행동의 계획)이 없다면 $goal$ = Formulate-Goal($state$) Agent가 현재 상황에 맞게 스스로 세운 목표 목표도 여러 수준이 있으며, 높은 수준의 목표는 보통 인간이 준다. Goal을 달성하기 위한 Subgoal을 세우는 건 가능 그래서 스스로 목표를 세웠다고 보기 어려운 경우가 많다는 게 일반적인 의견 $problem$ = Formulate-problem($state$, $goal$) 목표를 문제화함 = 현재 상태와 Goal 상태가 다르다는 가정 지금 문제가 없다면 Goal이 달성된..
[인공지능] 3주차: Task environment, Agent type 신호 처리와 기호 처리는 어떻게 구분하는가? Rationality 자율적으로 행동하되 이 행동의 방향이 어디로 가야 하는가?: Rationality 또는 Intelligence Task environment 설계 시 가장 먼저할 일: 내가 만들 Agent의 Task environment의 명세(specify) = 이 Agent는 어떤 작업을 하고, 그 작업을 위한 환경은 어떤 것인가? PEAS Performance Measure Environment Actuators (행동을 위해 사용하는 신체 부위 = Effector) Sensor 자율주행 자동차의 Sensor와 Actuator는 장비 간의 성능 격차가 존재한다. 성능 평가 기준은 무엇인가? Performance Measure에 따라 지능을 판단한다 ..
[인공지능] 2주차 (2): Agent 여기부터 교재 2장 내용 교수님피셜) 2장 중요함 AI를 개발한다 = Intelligent agent, Rational agent를 개발한다 Agent: Rationality: Agent가 '똑똑하다'는 것은 정확히 무엇을 의미하는가? Task environment 명세: Agent가 어느 환경에서 작업하는가 Environment properties: 작업 환경을 여러 유형으로 나눔 Agent types: 그 환경에서 Agent를 어떤 식으로 만들 수 있는가? (의사결정구조) Agent - 자율 존재 Autonomous entity(이게 핵심) 존재: 프로그램, H/W, ... 뭐든 환경에 놓여서 자율적으로 어떤 행동을 (스스로 결정해서 수행)하는 개체(자율 존재) - 환경과 어떻게 상호작용하는가? Se..
[인공지능] 2주차 (1): AI 개요 및 역사 수강 정정으로 겨우 들어와서 1주차는 없다. - 인간처럼 생각/행동할 수 있는가? 인간도 똑똑할 수도 있고 멍청할 수도 있다 -> "인간에 비해 똑똑하다"고 판단할 게 아니라 별도의 기준이 필요하다 - Rationality: 합리적으로 생각/행동할 수 있는가? Rational agent: 요새는 AI를 Agent라 부름(Intelligent agent, Rational agent) 우리끼리는 자연어가 통하는데 사실은 모호하다. 사람은 말의 의미를 100% 정확히 알 필요 없고 대충 알아도 의사소통은 가능 -> 기계는? 행동은 환경이 있고 그 안에서 움직이는 것 (혼자서 하는 건 행동이 아니다) 내가 어떤 상황에 있는지 센서로 받아들여 환경을 파악한 후 행동한다 문제풀이, 행동결정: 신호(또는 기호)처리 ..