JANGUN


인공지능
현대적 접근방식


지음 : 스튜어드 러셀 / 피터 노빅
류 광 옮김



목차

CHAPTER 1 소개
CHAPTER 2 지능적 에이전트
CHAPTER 3 검색을 통한 문제 해결
CHAPTER 4 고급 검색 기법
CHAPTER 5 대항 검색
CHAPTER 6 제약 만족 문제
CHAPTER 7 논리적 에이전트
CHAPTER 8 1차 논리
CHAPTER 9 1차 논리의 추기
CHAPTER 10 고전적 계획 수립
CHAPTER 11 실세계에서의 계획 수립과 실행
CHAPTER 12 지식 표현
CHAPTER 13 불확실성의 정량화
CHAPTER 14 확률적 추론
CHAPTER 15 시간에 따른 확률적 추론
CHAPTER 16 간단한 의사결정
CHAPTER 17 복잡한 의사결정
CHAPTER 18 견본을 통한 학습
CHAPTER 19 학습과 지식
CHAPTER 20 확률 모형의 학습
CHAPTER 21 강화 학습
CHAPTER 22 자연어 처리
CHAPTER 23 자연어 의사소통
CHAPTER 24 지각
CHAPTER 25 로봇 공학
CHAPTER 26 철학적 토대
CHAPTER 28 인공지능의 현재와 미래
APPENDIX A 수학적 배경
APPENDIX B 언어와 알고리즘에 관해


1장 소개

인류는 수 천년 동안 우리는 어떻게 생각하는가를, 다시 말해 단지 유기물 덩어리인 인간이 어떻게 자신보다 훨씬 큰 세상을 인식하고, 이해하고, 예측하고 조작할 수 있는지를 이해하려 노력했다.
인공지능의 정의 (인간적 사고와 행위 / 합리적 사고와 행위 관점)
- 컴퓨터가 생각하게 하는 흥미로운 새 시도 ... 문자 그대로의 완전한 의미에서 마음을 가진 기계
- 인간의 사고, 그리고 의사결정, 문제 풀기, 학습 등의 활동에 연관시킬 수 있는 활동들(의 자동화)
- 계산 모형을 이용한 정신 능력 연구
- 인지와 추론, 행위를 가능하게 하는 계산의 연구
- 사람이 지능적으로 수행해야 하는 기능을 수행하는 기계의 제작을 위한 기술
- 현재로서는 사람이 더 잘하는 것들을 컴퓨터가 하게 만드는 방법에 대한 연구
- 계산 지능은 지능적 에이전트의 설계에 관한 연구이다.
- 인공지능은 … 인공물의 지능적 행동에 관련된 것이다.
자연어 처리, 지식 표현, 자동 추론, 기계 학습
인지과학
논리학 – 삼단 논법
에이전트
철학
- 형식적 규칙들을 이용해서 유효한 결론을 이끌어낼 수 있는가?
- 물리적인 뇌에서 어떻게 정신이 창발하는가?
- 지식은 어디에서 오는가?
- 지식은 어떻게 행동으로 이어지는가?
수학
- 유효한 결론을 이끌어내는 공식적인 규칙들은 무엇인가?
- 계산할 수 있는 것은 무엇인가?
- 불확실한 정보로 어떻게 추론을 진행할 것인가?
경제학
- 이익을 극대화하기 위한 의사결정 방법은 무엇인가?
- 다른 사람들과 이해관계가 상충하는 상황에서 이익을 극대화하려면?
- 이익이 미래에 주어지는 상황에서 이익을 극대화하려면?
신경과학
- 뇌는 정보를 어떻게 처리하는가?
심리학
- 인간과 동물은 어떻게 생각하고 행동하는가?
컴퓨터 공학
- 효율적인 컴퓨터를 어떻게 구축할 것인가?
제어이론과 인공두뇌학
- 인공물이 스스로의 제어하에서 작동하려면?
언어학
- 언어가 사고와 어떻게 연관되는가?

인공지능의 역사
- 인공지능의 태동기 (1943 ~ 1955)
- 인공지능의 탄생 (1956) – 존 매카시 (다트머스 컬리지)
- 초기의 열광과 막대한 유산 (1952 ~ 1969)
- 현실의 쓴 약 (1966 ~ 1973)
- 지식 기반 시스템: 위력의 관건? (1969 ~ 1979)
- 산업으로 성장한 인공지능 (1980 ~ 현재)
- 신경망의 귀한 (1986 ~ 현재)
- 인공지능이 과학적 방법을 채용하다 (1987 ~ 현재)
- 지능적 에이전트의 등장 (1995 ~ 현재)
- 거대 규모 자료 집합의 활용 가능성 (2001 ~ 현재)


2장 지능적 에이전트

이 책의 인공지능에 대한 접근방식에서 중심은 합리적 에이전트이다.

에이전트와 환경 : 지각 – 동작 (에이전트 함수) ~~ 성과 측정
단일 에이전트와 다중 에이전트 : 경쟁적 vs. 협동적
환경은 불확실하고 비결정론적이다. ~ 정적 vs. 동적, 이산적 vs. 연속적 -- 환경 클래스, 환경 생성기
에이전트 = 아키텍처 + 프로그램
- 단순 반사 에이전트 : 조건 – 동작 규칙
- 모형 기반 반사 에이전트 : 내부 상태 유지 (역사)
- 목표 기반 에이전트 : 목표 – 검색 – 계획 수립
- 효용 기반 에이전트 : 효용 함수 – 기대 효용
- 학습하는 에이전트 : 학습 요소, 수행 요소, 비평가, 문제 생성기

에이전트 프로그램 구성요소들의 작동 방식
a) 원자적 표현 : 검색과 게임 플레이
b) 분해된 표현 : 제약 만족, 명제 논리, 계획 수립, 베이즈망, 기계 학습
c) 구조적 표현 : 관계형 데이터베이스, 1차 논리, 1차 확률 모형, 지식 기반 학습, 자연어 이해


3장 검색을 통한 문제 해결

문제 해결 에이전트 : 목표 형식화, 문제 형식화, 검색/해답/실행, 지각들은 무시함 (open loop)
잘 정의된 문제와 해답
- 에이전트가 시작하는 초기 상태
- 에이전트가 할 수 있는 동작들의 서술 (적용 가능한)
- 각 동작이 하는 일에 대한 서술 (전이 모형, 후행자, 상태 공간, 그래프, 경로)
Result( In( Arad ), Go( Zerind ) ) = In( Zerind )
- 주어진 상태가 목표 상태인지 판정하는 목표 판정
- 경로 비용 함수는 각 경로에 수치 비용을 배정한다 (단계 비용)
문제 형식화 : 추상화
장난감 문제들 (상태, 초기 상태, 동작들, 전이 모형, 목표 판정, 경로 비용)
 8퍼즐, 블록 밀기 퍼즐, 8퀸 문제
실세계 문제들  순회 문제, 순회 판매원 문제, 로봇 네비게이션
해답의 검색 : 검색 트리, 노드, 확장, 생성, 대기열
정보 없는 검색 전략 : 너비우선검색, 균일비용검색, 깊이우선검색, 깊이제한검색, 반복심화 깊이우선검색, 양방향검색
정보 있는(발견법적) 검색 전략 : 탐욕적 최선우선검색(직선 거리), A*검색(총 추정 해법 비용의 최소화), 메모리 제한 발견법적 검색(재귀적 최선 우선 검색), 학습을 통한 검색 향상
발견법적 함수 : 패턴 데이터베이스, 경험을 통한 발견법적 함수의 학습


4장 고급 검색 기법

국소 검색 알고리즘과 최적화 문제 : 전역 vs. 지역

- 언덕 오르기 검색 : 최고 경사 등반, 탐욕적 국소 검색, 극대/극소, 능선, 대지, 어깨, 횡이동
==> 확률론적 언덕 오르기, 최초 선택 언덕 오르기, 무작위 재시작 언덕 오르기
- 모의 정련 : 경사 하강
- 국소 다발 검색 : 병렬적인 검색 스레드들이 유용한 정보를 주고 받는다.
==> 확률론적 다발 검색
- 유전 알고리즘 : 군집과 개체, 적합도 함수, 선택, 교차, 돌연변이, 스키마
연속 공간의 국소 검색
비결정론적 동작들을 수반한 검색: AND-OR 검색 트리
부분 관찰 가능 환경의 검색
온라인 검색 에이전트와 미지 환경 : 온라인 검색은 알려지지 않은 환경(미지 환경), 즉 어떤 상태들이 있고, 어떤 동작들이 가능한지를 에이전트가 알지 못하는 환경에 꼭 필요한 착안이다. 그런 무지 상태에서 에이전트는 탐험 문제에 처하게 되며, 반드시 자신의 행동들을 실험으로 사용해서 이후 계획을 수립하기에 충분한 지식을 획득해야 한다. 온라인 검색 문제는 순수한 계산으로 푸는 것이 아니라 반드시 동작들을 실행하는 에이전트를 통해서 풀어야 한다.


5장 대항 검색

게임
게임의 최적 결정
- 최대 최소 알고리즘
알파베타 가지치기
불완전한 실시간 결정
- 평가 함수
- 검색의 차단
확률론적 게임
부분 관찰 가능 게임


6장 제약 만족 문제

앞에서는 상태들의 공간을 검색해서 문제를 풀 수 있다는 착안을 살펴보았다. 그런 상태를 특정 영역에 국한된 발견법적 함수로 평가하고, 해당 상태가 목표 상태와 부합하는 지 판정하면서 상태 공간을 검색한다. 그런데 검색 알고리즘의 관점에서 각 상태는 더 분해할 수 없다는 뜻에서 원자적이다. 즉, 상태는 내부 구조가 드러나지 않는 일종의 블랙박스이다.
이번 장에서는 광범위한 문제들을 좀 더 효율적으로 푸는 방법 하나를 서술한다. 이번 장의 방법에서는 각 상태의 분해된 표현을 사용한다. 즉, 하나의 상태는 여러 변수의 집합으로 표현되며, 각 변수는 각자 하나의 값을 가진다. 모든 변수의 값이 해당 변수에 가해진 모든 제약을 만족하면 문제가 풀린 것이다. 이런 식으로 서술하는 문제를 가리켜 제약 만족 문제 (constraint satisfaction problem, csp)라고 부른다.
CSP 검색 알고리즘들은 상태의 구조를 활용하며, 복잡한 문제라도 문제에 고유한 발견법적 함수에 의존하지 않고 범용 발견법적 함수를 이용해서 해답을 구한다. 주된 착안은, 제약들을 위반하는 변수, 값 조합을 식별함으로써 검색 공간의 커다란 부분을 단번에 제거한다는 것이다.
제약 만족 문제의 정의 : CSP는 세 구성 요소 X, D, C로 이루어진다.
- X는 변수들의 집합 {X1, X2, …, Xn}이다.
- D는 변수 정의역(domain)들의 집합 {D1, D2, …, Dn}이다.
- C는 허용되는 값 조합들을 명시하는 제약들의 집합이다
- 각 정의역 Di는 변수 Xi에 허용되는 값들의 집한 {v1, …, vk}이다. 각 제약 Ci는 제약 쌍 '범위, 관계'로 정의된다. 여기서 범위는 이 제약에 관여하는 변수들의 튜플이고, 관계는 그 변수들이 가질 수 있는 값들을 정의하는 관계이다.
- 예제, 지도 색칠하기, 제조 일정 수립, 스도쿠 예제


7장 논리적 에이전트

지식 기반 에이전트 : 지식 베이스 (문장들의 집합), 지식 표현 언어, 추리(inference)
논리는 문장의 의미론(semantics), 즉 문장의 뜻도 정의해야 한다. 의미론은 각각의 가능한 세계에 대한 문장의 진리를 정의한다. 가능한 세계 대신 모형(model)이라는 용어를 사용한다.


8장 1차 논리

형식 언어와 자연어
자연어는 중의성(ambiguity) 문제를 겪는다.
- 존재론적 함의(ontological commitment), 인식론적 함의 (epistemological commitment)
- 한정사 – 전칭 한정과 존재 한정
1차 논리의 지식 공학 공정
1. 과제 식별
2. 관련 지식 취합
3. 술어, 함수, 상수의 어휘 결정 : 존재론(ontology)
4. 정의역에 대한 일반적 지식의 부호화
5. 구체적인 문제 사례의 부호화
6. 질의를 추리 절차에 제출해서 답을 획득
7. 지식 베이스의 디버깅


9장 1차 논리의 추리

한정사에 대한 추리 규칙 :
- 전칭예화 : 변수에 기초항을 대입해서 얻은 문장은 그 어떤 것이든 추리할 수 있다.
- 존재예화 : 변수를 하나의 새 상수 기호로 대체한다.
전방 연쇄
후방 연쇄 : 알고리즘 = 논리 + 제어
괴델의 불완전성 정리


10장 고전적 계획 수립

기초 동작들의 집합을 하나의 동작 스키마로 표현할 수 있다. 이 스키마는 동작 이름, 스카마에서 쓰이는 모든 변수의 목록, 전제조건, 효과로 이루어진다.
집합 의미론
상태 공간 검색으로서의 계획 수립을 위한 알고리즘
계획 수립 그래프


11장 실세계에서의 계획 수립과 실행

시간, 일정, 자원 – 제약 표현
계통적 계획 수립 : 원시 해답, 추상 해답
비결정론적 정의역에서의 계획 수립과 실행 : 지식 스키마, 무감지기 계획 수립, 우발성 계획 수립,
- 온라인 계획 재수립 : 실행 감시, 동작 감시, 계획 감시, 목표 감시
다중 에이전트 계획 수립 : 탈집중화된 계획 수립, 협동과 협조, 동기 부여, 결합 계획, 창발 행동


12장 지식 표현

존재론 공학(ontological engineering)
범주와 객체 : 객체(object)들을 범주(category)들로 조직화하는 것은 지식 표현의 중요한 일부이다
- 비록 세계와의 상호작용은 개별 객체의 수준에서 일어나지만, 추론의 상당 부분은 범주들의 수준에서 일어난다.
- 1차 논리에서 범주를 표현하는 수단은 크게 두가지이다. 하나는 술어이고 하나는 객체이다. 즉 범주를 술어로 나타낼 수도 있고, 또는 하나의 객체로 구상화(reification)할 수도 있다.
- 범주들이 있으면, 지식 베이스를 상속을 통해서 조직화하고 단순화할 수 있다.
- 하위 부류 관계들은 범주들을 하나의 분류법(taxonomy) 또는 분류 계통구조로 조직화한다.
- 객체: 물질과 물체
사건
범주에 대한 추론 시스템 : 범주는 대규모 지식 표현 방안의 기본적인 구축 요소이다.
- 의미망 : 지식 베이스를 시각화하는 데 도움이 되는 그래픽 표기법과 객체의 속성들을 객체가 속한 범주에 기초해서 추론하는 효율적인 알고리즘을 제공, 존재 그래프, 다중 상속, 객체지향 프로그래밍
- 서술 논리 : 범주 정의의 구축과 결합을 위한 형식 언어와 범주들 사이의 포함집합, 부분집합 관계를 결정하는 효율적인 알고리즘을 제공, 포섭(subsumption: 한 범주가 다른 한 범주의 부분집합인지를 범주들의 정의를 비교해서 점검), 분류(classification: 한 객체가 한 범중 속하는지를 점검), 일관성(consistency)
기본 정보를 이용한 추론
- 범위 제한과 기본 논리


13장 불확실성의 정량화

13.1 불확실성하에서의 행동
불확실성은 부분 관찰 가능성이나 비결정론 때문에, 또는 그 둘의 조합 때문에 발생한다. 불확실성이 존재한다는 것은 에이전트가 자신이 현재 처한 상태나 일련의 동작들을 실행한 후 빚어질 상태를 확실하게 알 수 없다는 뜻이다.
불확실성과 합리적 의사결정
여러 계획의 서로 다른 가능한 결과들에 대한 선호도를 미리 결정
효용 이론 (utility theory)
결정 이론 (decision theory) = 확률론 + 효용이론
최대 기대 효용
13.2 기본적인 확률 표기법
확률의 대상
표본 공간
확률 모형
사건
무조건부 확률 또는 사전 확률
증거
조건부 확률 또는 사후 확률
곱 규칙 (Product rule) : P(a|b) = P(a|b) P(b)
확률 변수, 확률 분포, 확률 밀도 함수, 결합 확률 분포
13.3 완전 결합 분포를 이용한 추리
확률적 추리
주변 확률
여백화
조건화
정규화
13.4 독립성
13.5 베이즈 규칙과 그 용법


14장 확률적 추론

이번 장에서는 불확실성하에서 확률론의 법칙들에 의거한 추론에 쓰이는 네트워크 모형을 구축하는 방법을 설명한다.
14.1 불확실한 정의역의 지식 표현
베이즈망
조건부 확률표

14.2 베이즈망의 의미론
완전 결합 분포의 표현
베이즈망을 구축하는 방법 하나
연쇄 규칙
간결성과 노드 순서
베이즈망의 조건부 독립 관계들

14.3 조건부 확률분포의 효율적 표현
연속 변수들로 이루어진 베이즈망
선형 가우스 분포
조건부 가우스 분포

14.4 베이즈망의 정확한 추리
열거에 의한 추리
변수 소거 알고리즘
정확한 추리의 복잡도
군집화 알고리즘

14.5 베이즈망의 근사적 추리
직접 표본화 방법
베이즈망의 기각 표본화
가능도 가중 적용
마르코프 연쇄 시뮬레이션을 이용한 추리

14.6 관계적 확률 모형과 1차 확률 모형
가능한 세계들
관계적 확률 모형
문맥 국한 독립성
관계적 불확실성
열린 모집단 확률 모형

14.7 불확실한 추론에 대한 다른 접근방식들
불확실한 추론을 위한 규칙 기반 방법들
무지의 표현: 뎀스터-셰이퍼 이론
믿음 함수
모호함의 표현: 퍼지 집합과 퍼지 논리

14.8 요약


15장 시간에 따른 확률적 추론

이번 장에서는 현재를 해석하고, 과거를 이해하고, 확실한 것이 거의 없는 상황에서도 미래를 예측해 보는 방법을 논의한다.

15.1 시간과 불확실성
상태와 관찰
시간 조각
전이 모형과 감지기 모형
마르코프 가정: 1차 마르코프 과정, 감지기 마르코프 가정
시불변 과정

15.2 시간적 모형에서의 추리
필터링과 예측
평활화
전방-후방 알고리즘
가장 그럴듯한 순차열 찾기

15.3 은닉 마르코프 모형
단순화된 행렬 알고리즘
은닉 마르코프 모형의 예: 위치 결정

15.4 칼만 필터
다변량 가우스 분포
가우스 분포의 갱신
간단한 1차원 예
칼만 이득 행렬
칼만 필터링의 응용
확장된 칼만 필터

15.5 동적 베이즈망
DBN의 구축
가우스 오차 모형
일시적 고장 모형
지속적 고장 모형
DBN을 이용한 정확한 추리
DBN을 이용한 근사적 추리
입자 필터링

15.6 다수의 객체를 추적

15.7 요약


16장 간단한 의사결정

이번 장에서는 자신이 원하는 것을 얻기 위해(적어도 평균적으로는) 에이전트가 뭔가를 결정하는 방법을 살펴본다

16.1 불확실성하에서의 믿음과 욕구의 결합
효용 함수
기대 효용
최대 기대 효용

16.2 효용이론의 기초
합리적 선호도의 제약
순서 결정성
추이성
연속성
대체성
단조성
해체성
선호도에서 비롯된 효용

16.3 효용 함수
효용의 추정과 효용 축척
정규화된 효용
돈의 효용
단조적 선호
기대 금전 가치
위험 회피
위험 추구
확실성 동치
보장 할증
위험 중립
기대 효용과 사후 결정 어긋남
불편 추정
최적화기의 저주
인간의 판단과 비합리성
규범 이론
서술 이론
확실성 효과
중의성 회피
프레이밍 효과
기준점 효과
진화 심리학

16.4 다중 특성 효용 하수
우세: 순우세와 확률론적 우세
정성적 확률 망
선호 구조와 다중특성 효용
불확실성이 없는 선호도들
성호 선호 독립성
가산적 가치 함수
불확실성하의 선호도
효용 독립성
상호 효용 독립
곱셈적 효용 함수

16.5 의사결정망
확률 노드
결정 노드
효용 노드
동작 효옹 함수
의사결정망의 평가

16.6 정보의 가치
정보 가치 이론
완벽한 정보의 가치
정보의 가치의 속성들
정보 수집 에이전트의 구현

16.7 결정이론적 전문가 시스템
의사결정 분석
의사결정자
민감도 분석

16.8 요약


17장 복잡한 의사결정

이번 장에서는 내일 다시 결정할 수 있다는 조건하에서의 오늘 무엇을 할지 결정하는 방법들을 살펴본다
17.1 순차적 의사결정 문제
마르코프 의사결정 과정
시간에 따른 효용의 변화
선호도 정지성
가산적 보상과 할인된 보상 (할인율)
최적 방침과 상태의 효용

17.2 평가치 반복
효용에 대한 벨먼 방정식
평가치 반복 알고리즘
평가치 반복의 수렴

17.3 방침 반복
방침 반복
방침 평가
방침 개선
수정된 방침 반복
비동기 방침 반복

17.4 부분 관찰 가능 MDP
POMDP의 정의
POMDP를 위한 평가치 반복 알고리즘
POMDP를 위한 온라인 에이전트
동적 의사결정망

17.5 다중 에이전트 의사결정: 게임이론
단일 수 게임
전략 – 순수 전략, 혼합 전략
전략 프로파일
죄수의 딜레마
내시 평형
협조 게임과 영합 게임
최대최소 평형
반복 게임
순차적 게임
쿠르노 경쟁
베이즈-내시 평형

17.6 메커니즘 설계
중앙 에이전트
경매
공공재

17.7 요약


18장 견본을 통한 학습

이번 장에서는 자신의 경험을 부지런히 연구해서 자신의 행동을 개선할 수 있는 에이전트를 설명한다

18.1 학습의 여러 형태
학습을 통해 개선할 구성요소
표현과 사전 지식: 귀납 학습과 연역 학습
학습을 위해 주어지는 피드백
무감독 학습: 군집화
강화 학습
감독 학습
준감독 학습

18.2 감독 학습
훈련 집합 분류와 회귀 가설 공간 오컴의 면도날 18.3 의사결정 트리의 학습
의사결정 트리 표현 목표 술어 의사결정 트리의 표현력 견본들로부터 의사결정 트리를 귀납 특성 판정의 선택 엔트로피 일반화와 과대적합 의사결정 트리의 응용 범위 확장
18.4 최고의 가설의 평가와 선택
정지 가정 독립 동일 분포 오류율 예비 교차 검즘 K겹 교차 검증 모형 선택: 복잡도 대 적합도 최적화 오류율에서 손실로 손실 함수 일반화 손실 실험 손실 정칙화 최소 서술 길이
18.5 학습 이론
계산 학습 이론 표본 복잡도 PAC 학습 예제: 의사결정 목록의 학습
18.6 선형 모형을 이용한 회귀와 분류
단변량 선형 회귀 가중치 공간 학습 속도 다변량 선형 회귀 강한 문턱값을 가진 성형 분류기 퍼셉트론 학습 규칙 로지스틱 회귀를 이요한 선형 분류
18.7 인공 신경망
신경망의 구조 활성화 함수 S자 퍼셉트론 단층 전방 되먹임 신경망 (퍼셉트론) 다층 전방 되먹임 신경망 비선형 회귀 다층 신경망의 학습 역전파 신경망 구조의 학습
18.8 비매개변수적 모형
최근접 이웃 모형: 해밍 거리, 마할라노비스 거리 K-D 트리를 이용한 최근접 이웃 찾기 국소성 민감 해싱 비매개변수적 회귀 국소 가중 회귀
18.9 지지 벡터 기계
최대 여백 분리자 제곱 프로그래밍 머서의 정리
18.10 앙상블 학습
온라인 학습 무작위 가중 다수결 알고리즘 유감대 무유감 학습
18.11 실용적인 기계 학습
사례 연구: 필기 숫자 인식 사례 연구; 단어 의미와 주택 가격
18.12 요약


19장 학습과 지식

이번 장에서는 뭔가를 이미 알고 있을 때의 학습 문제를 조사한다

19.1 학습의 논리적 형식화
견본과 가설 외연 현재 최고 가설 검색 일반화와 특수화 버전 공간 학습
19.2 학습에서의 지식
함축 제약
19.3 설명 기반 학습
메모화 : 문명은 생각하지 않고 실행할 수 있는 중요한 연산들의 수를 늘림으로써 진보한다 견본으로부터 일반 원리를 추출 연산성
19.4 유관성 정보를 이용한 학습
함수적 의존관계 또는 확정 가설 공간의 확정
19.5 귀납적 논리 프로그래밍
하향식 귀납 학습 방법들 역연역을 이용한 귀납 학습
19.6 요약


20장 확률 모형의 학습

이번 장에서는 학습을 관찰들로부터의 불확실한 추로의 한 형태하고 간주한다

20.1 통계적 학습
베이즈식 학습 가설 사전 확률 사후 최대 확률 최대 가능도
20.2 완전 자료를 이용한 학습
밀도 추정 최대 가능도 매개변수 학습: 이산 확률 모형과 연속 확률 모형 소박한 베이즈 모형
20.3 숨겨진 변수들이 있는 학습: EM 알고리즘
무감독 군집화: 가우스 혼합 분포의 학습 숨겨진 변수가 있는 베이즈망의 학습 은닉 마르코프 모형의 학습
20.4 요약


21장 강화 학습

이번 장에서는 에이전트가 성공과 실패로부터, 그리고 보상과 징벌로부터 배우는 방법을 설명한다.

21.1 소개

21.2 수동 강화 학습
직접 효용 추정 적응성 동적 계획법 시간 차분 학습
21.3 능동 강화 학습
탐험과 노상강도 문제 동작 효용 함수의 학습
21.4 강화 학습의 일반화
워드로 호프 규칙 또는 델타 규칙
21. 5 방침 검색

21. 6 강화 학습의 응용

21. 7 요약


22장 자연어 처리

이번 장에서는 자연어로 표현된 풍부한 지식을 활용하는 방법을 살펴본다

22.1 언어 모형
N-그램 문자 모형 말뭉치 언어 식별 n-그램 모형의 평활화
22.2 텍스트 분류
자료 압축에 의한 분류
22.3 정보 조회
IR 채점 함수 질의 언어 결과 집합 정보 조화 시스템의 정련 PageRank 알고리즘 HITS 알고리즘
22.4 정보 추출
정보 추출을 위한 유한상태자동자 관계 추출 정보 추출을 위한 확률 모형 자동화된 템플릿 구축 기계 독해
22.5 요약


23장 자연어 의사 소통

이번 장에서는 사람이 다른 사람과 자연어로 의사 소통하는 방법을 살펴보고, 컴퓨터 에이전트가 대화에 참여하는 방법을 고찰한다

23.1 구 구조 문법
어휘 범주 통사 범주 확률적 문맥 자유 문법 언어의 생성 능력
23.2 구문 분석 (파싱)
촘스키 정규형 트리 뱅크 문맥 자유 문법과 마르코프 모형의 비교
23.3 증강 문법과 의미론적 해석
어휘적 중의성과 구문적 중의성, 의미적 중의성 환유
23.4 기계 번역
중간 언어 통계적 기계 번역
23.5 음성 인식

23. 6 요약


24장 지각

이번 장에서는 컴퓨터를 가공되지 않은 실제 세계와 연결한다

24.1 영상 형성
렌즈 없는 영상: 바늘구멍 사진기 렌즈 시스템 비례 직교 투영 빛과 셰이딩
24.2 초기 영상 처리 연산들
모서리 검출 가우스 필터 텍스처 영상 분할
24.3 겉보기를 이용한 물체 인식
원근 단축 측면 차폐 변형
24.4 3차원 세계의 재구축
운동 시차 양안 입체시 다중 시야 텍스처 셰이딩 윤곽선 장면의 물체들과 장면 기하구조
24.5 구조적 정보로부터 물체 인식
응집성 겉보기: 동영상 안의 인물 추적
24.6 시각의 활용
단어와 사진 배경 빼기 다중 시야로부터의 재구축 이동제어를 위한 컴퓨터 시각 응용
24.7 요약


25장 로봇공학

이번 장의 에이전트는 물리적인 작용기가 부착되어 있어서 실제 환경을 조작할 수 있다.

25.1 소개
25.2 로봇 하드웨어
감지기 작용기
25.3 로봇 지각
위치 결정과 지도 작성 몬테카를로 위치 결정
25.4 운동 계획의 수립
형상 공간 칸 분해 방법
25.5 불확실한 운동의 계획
25.6 운동의 실행
동역학과 제어
25.7 로봇공학 소프트웨어
포섭 구조
25.8 응용 영역들
25.9 요약


26장 철학적 토대

이번 장에서는 생각한다는 것이 무엇을 뜻하는지, 그리고 인공물이 생각할 수 있으며 생각해야 마땅한 지를 고찰한다

26.1 약 인공지능: 기계가 지능적으로 행동할 수 있는가?
기계는 생각할 수 있는가?
잠수함은 수영할 수 있는가?
불능에 근거한 논점
수학적 반박
비형식성에 근거한 논점
체화된 인지

26.2 강 인공지능: 기계가 정말로 생각할 수 있는가?
의식
정신 상태와 큰 통 안의 뇌
기능주의와 뇌 교체 실험
생물학적 자연주의와 중국어 방
의식, 감각질, 설명의 틈

26.3 인공지능 개발의 윤리와 위험

26.4 요약


27장 인공지능의 현재와 미래

이번 장에서는 인공지능 연구의 현황을 짚어보고, 현재의 연구 방향을 평가하고, 미래를 예측한다.

27.1 에이전트의 구성요소들

27.2 에이전트 아키텍처
실시간 인공지능
수시 알고리즘
결정이론적 메타추론

27.3 인공지능 연구의 올바른 방향
완벽한 합리성
계산상의 합리성
유계 합리성
유계 최적성
점근적 유계 최적성

27.4 인공지능이 정말로 성공한다면?


A. 수학적 배경


B. 언어와 알고리즘