안녕하세요! 저는 Jabril입니다. 저는 존 그린 봇입니다. Crash Course 인공 지능에 오신 것을 환영합니다! 자, 우리가 같이 이해하고 있는 부분에서부터 시작하겠습니다. 인공 지능은 어디에나 있습니다. 인공지능은 은행이 대출 결정을 내리도록 도와주고, 의사가 환자를 진단하는 것을 도와줍니다. 스마트폰에서 텍스트 자동완성, YouTube에서 이 다음에 볼 동영상을 추천하는 것은 알고리즘입니다. 스마트폰에서 텍스트 자동완성, YouTube에서 이 다음에 볼 동영상을 추천하는 것은 알고리즘입니다. AI는 이미 우리의 삶에서 모두에게 큰 영향을 미칩니다 이해 가능할 만하게도, 사람들은 이에 대해 양극화된 감정을 가지고 있습니다. 우리 중 일부는 AI가 긍정적인 방식으로 세계를 바꿀 것이라 상상합니다. 자율 주행 차로 교통 사고를 막을 수 있고, 노인들에게 개인 맞춤형 치료를 제공할 수 있습니다. 다른 사람들은 AI가 빅 브라더 정부의 지속적인 감시로 이어질 것이라고 걱정합니다. 어떤 사람들은 자동화가 우리의 모든 직업을 빼앗아 갈 것이라고 말합니다. 또는 로봇이 우리 모두를 죽이려 할 수도 있습니다. 아니, 우리는 존 그린 봇 너에 대해 걱정하는게 아냐. 하지만 현재 시리처럼 사용 가능한 AI와 상호 작용할 때, Siri야 AI가 우리 모두를 죽일까? 시리 : 저는 'AI가 우리 모두를 죽일까?'를 이해할 수 없습니다. 이러한 것들은 여전히 ​​먼 미래라는 게 확실합니다. 인공 지능이 어디로 향하고, AI 혁명에서 우리의 역할을 이해하기 위해 우리는 오늘날의 우리가 어디까지 왔는지를 이해해야 합니다. [INTRO] 여러분이 대부분 영화나 책에서 봤던 AI를 안다면, 아마 사람처럼 생각할 수 있는 이 모호하게 생긴 어떤 기계처럼 생겼을 수 있습니다. 소설가들은 좀 더 일반화 된 AI를 상상하길 좋아합니다. 그들은 우리가 가진 모든 질문에 대답 할 수있고 인간이 할 수있는 어떤 일이든 할 수 있습니다. 그러나 AI에 대해 그렇게 생각하기엔 매우 융통성 없고 그것은 초현실적이지 않습니다. 미안하지만 John Green-bot, 넌 아직 모든 것을 할 수는 없어. 기계가 인공지능을 지니고 있다고 함은, 데이터를 해석할 수 있고, 데이터를 통해 잠재적으로 배우며 그 지식을 활용하여 특정 목표를 달성할 수 있습니다. 자, “데이터를 통한 학습”이라는 아이디어는 일종의 새로운 접근 방식입니다. 그러나 이는 에피소드 4 에서 더 자세히 알 수 있을 것입니다. 자, 존 그린 봇에서 새로운 프로그램을 로드 한다고 가정 해 봅시다. 이 프로그램은 저 또는 제가 아닌 많은 무리의 사진들을 보고 그 데이터로부터 배웁니다. 이 프로그램은 저 또는 제가 아닌 많은 무리의 사진들을 보고 그 데이터로부터 배웁니다. 그런 다음 그에게 이 Crash Course 촬영 스튜디오에서 찍은 selfie 새 사진을 보여줄 수 있습니다. 우리는 그가 사진이 저인지를 인식할 수 있는지 시험해 볼 것 입니다. 당신은 Jabril입니다. 그가 만약 새 사진을 올바르게 분류할 수 있다면 우리는 존 그린 봇이 인공지능을 가졌다고 말합니다. 그가 만약 새 사진을 올바르게 분류할 수 있다면 우리는 존 그린 봇이 인공지능을 가졌다고 말합니다. 물론, 그것은 매우 특정한 사진들의 입력이고, 저든 아니든, 사진을 분류하는 매우 특정한 작업입니다. 물론, 그것은 매우 특정한 사진들의 입력이고, 저든 아니든, 사진을 분류하는 매우 특정한 작업입니다. 그 프로그램으로 존 그린 봇은 제가 아닌 사람을 인식하거나 이름을 말할 수 없습니다. 당신은 Jabril이 아닙니다. 그는 장소를 탐색할 수 없습니다. 또는 의미있는 대화를 나눌 수도 없습니다. 아니. 이해 못 했어. 여기에 완벽하게 좋은 도넛을 먹을 때, 왜 베이글을 골랐지? 당신은 Jabril입니다. 고마워 존 그린 봇.. 그는 인간이 하는 대부분의 일을 할 수 없고 요즘 보통의 AI입니다. 그러나 인공 지능에 대한 훨씬 제한적인 정의에도 불구하고, AI는 여전히 우리의 일상에서 중대한 역할을 합니다. Alexa 또는 Roomba와 같은 인공 지능은 좀 더 분명하게 사용되며 공상 과학 소설의 인공 지능과 비슷합니다. Alexa 또는 Roomba와 같은 인공 지능은 좀 더 분명하게 사용되며 공상 과학 소설의 인공 지능과 비슷합니다. 그러나 덜 확실한 예들도 매우 많이 있습니다! 대형 매장이나 온라인에서 물건을 구입할 때 어떤 유형의 품목을 재고할지 결정하는 AI 유형이 있습니다. 대형 매장이나 온라인에서 물건을 구입할 때 어떤 유형의 품목을 재고할지 결정하는 AI 유형이 있습니다. 그리고 인스타 그램을 스크롤 할 때 다른 유형의 AI는 우리에게 보여줄 광고를 선택합니다. AI는 대출 승인이나 자동차 보험료를 얼마 내야 할지 결정하는 것을 돕기도 합니다. 그리고 AI는 삶의 중요한 결정에도 영향을 미칩니다. 대학 (또는 직업) 지원서를 제출할 때 처럼 AI 애플리케이션은 그것을 점검해 볼 수 있습니다. 사람이 그것을 보기 전에요. 상업에서 직업에 이르기까지 AI와 자동화가 모든 것을 바꾸는 방식은 18세기의 산업 혁명과 비슷하다고 할 수 있습니다. 이 변화는 세계적이며, 일부 사람들은 그에 대해 흥분하고, 다른 사람들은 두려워합니다. 그러나 어느 쪽이든, 우리 모두에게는 AI를 이해하고 삶에서 AI가 어떤 역할을 할지 알아낼 책임이 있습니다. 그러나 어느 쪽이든, 우리 모두에게는 AI를 이해하고 삶에서 AI가 어떤 역할을 할지 알아낼 책임이 있습니다. AI 혁명 그 자체는 그리 오래되진 않았습니다. 한 세기 전에 인공 지능이라는 용어는 존재 하지도 않았습니다. 그것은 1956년에 존 맥카시라는 컴퓨터 과학자에 의해 만들어졌습니다. 그는 이것을 "다트머스 여름 인공 지능 프로젝트"에서 이 이름을 사용했습니다. 대부분의 사람들은 이것을 짧게 “다트머스 컨퍼런스”라고 부릅니다. 이제는 주말에 한 번 이상 몇몇의 대화 안에서, 사업 만찬에서 이 단어를 듣습니다. 이제는 주말에 한 번 이상 몇몇의 대화 안에서, 사업 만찬에서 이 단어를 듣습니다. 당시에는 학자들이 한동안 생각하기 위해 모였습니다. 다트머스 컨퍼런스는 8주간 지속 되었고, 거기에는 수많은 컴퓨터 과학자들과 인지 심리학자 및 수학자들이 모여 힘을 싣었습니다. 인공 신경 네트워크와 같이 Crash Course AI에서 이야기 할 많은 개념들은 이 회의를 통해 생각해 내어 졌고, 그 이후 몇 년 동안 발전되었습니다. 이 회의를 통해 생각해 내어 졌고, 그 이후 몇 년 동안 발전되었습니다. 하지만 이 신난 학자들은 인공 지능에 대해 정말 낙관적이며 그들은 약간 부풀려 말했을 수 있습니다. 예를 들어, Marvin Minsky는 재능이 있는 다트머스 회의의 인지 과학자였습니다. 예를 들어, Marvin Minsky는 재능이 있는 다트머스 회의의 인지 과학자였습니다. 그러나 그는 또한 기술, 특히 AI에 대해 우스꽝스럽게 잘못된 예측을 했습니다. 1970년에 그는 "3~8년 이내에 우리는 평범한 인간의 지능을 지닌 기계를 가질 것입니다." 라고 주장했습니다. 1970년에 그는 "3~8년 이내에 우리는 평범한 인간의 지능을 지닌 기계를 가질 것입니다." 라고 주장했습니다. 미안, 마빈 하지만 우리는 지금도 가까이 있지 않습니다. 다트머스 회의의 과학자들은 AI가 복잡한 실제 문제를 해결하는 데 얼마나 많은 데이터와 컴퓨팅 능력이 필요한지를 심각하게 과소평가했습니다. 보세요. 인공지능은 처음 만들어졌을 때 무언가를 "알지"못합니다. 인간의 아기처럼요. 아기는 자신의 감각을 사용하여 세상을 인식하고 몸으로 상호 작용하며 그들은 그들의 행위의 결과에서 배웁니다. 제 아기 조카가 입에 딸기를 넣고 그것이 맛있다고 결정할 수 있습니다. 그리고 그녀는 입에 놀이점토를 넣고 그것이 맛없다고 결정지을 것입니다. 아기는 이러한 수백만 데이터의 사건들을 경험하면서 말하기, 걷기, 생각하기를 배웁니다. 그리고 놀이 점토를 먹지 않죠. 대부분의 인공 지능은 감각, 신체, 또는 인간 아기처럼 다른 많은 것들을 자동으로 판단할 수 있는 뇌를 갖고 있지 않습니다. 최신 AI 시스템은 기계의 프로그램 일 뿐입니다. 따라서 우리는 AI에 많은 데이터를 제공해야 합니다. 게다가, 우리는 어떤 정보든지 AI가 배우려고 하는 데이터에 라벨을 붙여야 합니다. 음식이 인간에게 좋은지 여부와 같이요. 그리고 AI에는 모든 데이터를 이해하기 위하여 충분히 강력한 컴퓨터가 필요합니다. 이 모든 것이 1956년에 제공되지는 않았습니다. 당시 AI는 삼각형과 원을 구분하여 말할 수 있었지만 존 그린이 전에 했던 것처럼 사진에서 제 얼굴을 인식하지 못했습니다. 약 2010년 까지이 분야는 기본적으로 AI Winter라고 불리는 시대에 얼어 붙었습니다. 그런데도 지난 반세기 동안의 많은 변화가 우리를 AI 혁명으로 이끌었습니다. 누군가 말하길, “역사는 우리에게 혁명은 사건이라기 보다 , 변화가 일어나는 과정이라는 것을 상기시킨다." 누군가 말하길, “역사는 우리에게 혁명은 사건이라기 보다 , 변화가 일어나는 과정이라는 것을 상기시킨다." AI 혁명은 하나의 사건 또는 하나의 발명으로 시작되지는 않았습니다. 우리는 많은 작은 결정과 컴퓨팅의 두 가지 큰 발전으로 인해 현재의 위치에 도달했습니다. 우리는 많은 작은 결정과 컴퓨팅의 두 가지 큰 발전으로 인해 현재의 위치에 도달했습니다. 첫 번째 발전은 컴퓨팅 성능과 컴퓨터가 데이터를 처리하는 속도가 크게 향상되었습니다. 첫 번째 발전은 컴퓨팅 성능과 컴퓨터가 데이터를 처리하는 속도가 크게 향상되었습니다. 얼마나 큰 지 알기 위해, 생각 거품으로 가 봅시다! 1956년 다트머스 회의에서 가장 발전한 컴퓨터는 IBM 7090이었습니다. 그것은 방 전체를 채우고 기본적으로 거대한 카세트 테이프에 데이터를 저장했으며 종이 펀치 카드를 사용하여 명령을 내렸습니다. 매 초마다, IBM 7090은 약 200,000번 작동했습니다. 하지만 만약 여러분이 그렇게 하려고 하면 55 시간 반이 걸릴 것 입니다! 초당 하나의 작업을 수행하고, 쉬지 않았다고 가정했을 때 입니다. 그래요. 간식 시간 조차 없죠. 당시 미 공군의 탄도 미사일 경고 시스템을 지원하기에는 충분한 컴퓨팅 성능이었습니다. 당시 미 공군의 탄도 미사일 경고 시스템을 지원하기에는 충분한 컴퓨팅 성능이었습니다. 그러나 AI는 더 많은 데이터로 더 많은 계산을 수행해야 합니다. 컴퓨터의 속도는 작동해야 하는 트랜지스터 숫자와 연관되어 있습니다. 1956년부터 매 2년마다, 엔지니어들은 동일한 공간에 들어맞는 트랜지스터 수를 두 배로 늘렸습니다. 1956년부터 매 2년마다, 엔지니어들은 동일한 공간에 들어맞는 트랜지스터 수를 두 배로 늘렸습니다. 그에 따라 컴퓨터가 훨씬 빨라졌습니다. 2007년 첫 번째 iPhone이 출시되었을 때, 초당 약 4억 건의 작업이 가능했습니다. 그러나 10 년 후, 애플은 아이폰 X의 프로세서가 초당 약 6천억 작업을 수행한다고 말합니다. 그것은 여러분 주머니에 천 개의 오리지널 아이폰이 든 컴퓨팅 능력을 지닌 것과 같습니다. (거기 모든 컴퓨터 괴짜들에게, 당신 말이 맞아요, 그렇게 간단하지는 않습니다.) (우리는 여기서 FLOPS(부동 소수점 연산)에 대해서만 이야기하고 있습니다. IBM 7090과 같은 계산 기능을 수행하는 최신 슈퍼 컴퓨터는 초당 30조 회를 수행할 수 있습니다. 다시 말해서, 현대 슈퍼 컴퓨터가 1초 동안 계산하는 프로그램은 IBM 7090에게 4,753년이 걸릴 것입니다. 다시 말해서, 현대 슈퍼 컴퓨터가 1초 동안 계산하는 프로그램은 IBM 7090에게 4,753년이 걸릴 것입니다. 고마워 생각 거품! 그리하여 2005년 무렵, 컴퓨터는 특정 뇌 기능을 모방하기에 충분한 파워를 갖기 시작했습니다. 그리고 이 무렵은 인공 지능 겨울이 해빙의 징후를 보이기 시작한 시기입니다. 하지만 여러분이 강력한 컴퓨터를 가지고 있다 하더라도 우걱우걱 먹을 데이터가 없다면 무용지물입니다. 하지만 여러분이 강력한 컴퓨터를 가지고 있다 하더라도 우걱우걱 먹을 데이터가 없다면 무용지물입니다. 두 번째로 개발된 AI혁명은 여러분이 지금 사용하고 있는 인터넷과 소셜 미디어 입니다. 지난 20년 동안 우리 세계는 훨씬 더 상호 연결되어 왔습니다. 휴대 전화에서 실시간 스트리밍하거나 신용 카드만 사용해도 여러분 모두 현대 세계에 참여하고 있습니다. 휴대 전화에서 실시간 스트리밍하거나 신용 카드만 사용해도 여러분 모두 현대 세계에 참여하고 있습니다. 사진을 업로드 할 때마다 링크를 클릭하고, 해시 태그를 트윗하고, 해시 태그가 없는 트윗 (예 : YouTube 동영상)을 Facebook 친구에게 태그하고, Reddit에 의견을 말하고 TikTok에 [R.I.P. Vine]을 게시하고, 킥 스타터 캠페인 지원, 아마존 스낵 판매, 파티에서 우버에 전화하는 것 기본적으로 모든 활동은 데이터를 발생시킵니다. 우리가 오프라인에서 하는 것 같이 보여도, 예를 들어 새 차를 사기 위해 대출을 받는 것과, 공항에서 여권을 사용하는 것들의 데이터 세트는 더 큰 시스템에 있게 됩니다. 풍부한 데이터와 이를 이해할 수 있는 컴퓨팅 파워를 가지고 있기 때문에, AI혁명은 지금 일어나고 있습니다. 풍부한 데이터와 이를 이해할 수 있는 컴퓨팅 파워를 가지고 있기 때문에, AI혁명은 지금 일어나고 있습니다. 음, 알겠어요. 우리가 많은 데이터를 생성하고 있지만 컴퓨터 프로그램 에서 데이터를 사용하는 방법, 이유 또는 사용 여부가 항상 압도적이라는 사실을 항상 알고있는 것은 아닙니다. 하지만 Crash Course AI를 통해, 우리는 인공 지능이 작동하는 방식을 배울 것입니다. 왜냐하면 그것은 우리 삶에 커다란 영향을 미치기 때문이에요. 그리고 그 영향은 계속 커질 것입니다. 지식을 바탕으로, 우리는 작은 결정을 내리며 AI 혁명을 이끄는 것을 도울 수 있습니다. 우리가 신청하지 않은 롤러 코스터를 타는 느낌을 받는 대신, 우리는 함께 매일 인공지능의 미래를 창조하고 있습니다. 이건 정말 멋지다고 생각합니다. 다음 시간에는, 감독, 비지도 및 강화학습과 같은 기술적 사상을 파헤쳐 볼 것 입니다. 다음 시간에는, 감독, 비지도 및 강화학습과 같은 기술적 사상을 파헤쳐 볼 것 입니다. 그리고 우리는 무엇이 머신 러닝의 알고리즘을 좋게 만드는지 토론할 것 입니다. 그때 봐요! Crash Course AI를 후원 해 주신 PBS에게 감사합니다! Crash Course가 모두를 위해 무료일수 있도록 도움을 주시고 싶으면 Paetron 커뮤티에 가입해주세요! Crash Course가 모두를 위해 무료일수 있도록 도움을 주시고 싶으면 Paetron 커뮤티에 가입해주세요! 컴퓨터 속도가 어떻게 빨라 졌는지 자세히 알아 보려면 무어의 법칙에 관한 비디오를 확인하십시오.