1. 인공지능이란?

🔹 인공지능이란?

• 인공적으로 만든 지능을 의미하며,
  강인공지능(사람처럼 사고)과 약인공지능(특정 문제 해결 특화)으로 구분됨.
• 주요 분야: 전문가 시스템, 데이터 마이닝, 패턴 인식, 로보틱스 등
• 머신러닝은 인공지능의 하위 분야로, 이 책의 중심 주제

---

🔹 머신러닝의 세 가지 유형

1. 지도학습 (Supervised Learning)

• 정답이 주어진 데이터(훈련 데이터, (입력, 정답) 쌍으로 구성됨)를 기반으로 학습
• 목표: 새로운 입력에 대해 정답(출력)을 예측
• 학습 후, 테스트 데이터를 이용해 분류·예측 수행
• 예시 알고리즘: 선형회귀, 의사결정나무, 신경망 등

2. 비지도학습 (Unsupervised Learning)

• 정답 없이, 데이터 속에서 패턴과 구조를 스스로 발견
• 입력만 존재하며, 분류나 군집 등을 수행
• 대표 알고리즘:
  • 주성분 분석(PCA)
  • K-평균(K-means)
  • 자기조직화지도(Self-Organizing Map)

3. 강화학습 (Reinforcement Learning)

• 정답 대신 보상(Reward) 을 이용한 학습
• 시행착오를 통해 보상을 최대화하고 벌칙을 최소화하는 방향으로 행동 학습
• 보상 설계가 학습의 핵심

---

🔹 강화학습과 신경망의 만남

• 대표 알고리즘: Q-learning
  • 상태-행동 쌍의 가치를 저장하는 Q-table 사용
  • 작은 상태공간에서는 효과적이나, 큰 상태공간에서는 메모리 한계

➤ 문제 해결: 함수 근사(Function Approximation) 도입

• Q-table 대신 신경망(Neural Network) 으로 Q값 근사
• 오차역전파법(Backpropagation) 등장 → 신경망의 부흥
• 다양한 구조의 신경망:
  • RBF 네트워크
  • LVQ 네트워크 등

➤ 신경망의 한계

• 문제 규모가 커지면 네트워크가 깊어지고 경사소실(Vanishing Gradient) 발생
• 제프리 힌튼의 연구(Deep Belief Net)로 해결의 실마리를 찾음
• 이후 합성곱 신경망(CNN) 중심의 딥러닝이 본격적으로 도입