3.1 기계학습의 세 가지 주요 유형지도학습정의: 라벨링 된 데이터를 사용하여 학습하는 알고리즘.예시분류: 미리 정해진 클래스 중 하나로 데이터를 분류(예: 이미지에서 얼굴 인식).회귀: 데이터를 기반으로 숫자를 예측(예: 주식 가격 예측).사용 예: 새로운 데이터에 대해 예측하고, 출력 정확도가 만족스러우면 모델을 배포.비지도학습정의: 라벨링이 되지 않은 데이터를 기반으로 패턴을 찾아내는 학습.예시:군집화: 유사성을 기반으로 데이터를 그룹화(예: 고객 유형 분류).연관: 데이터 속성 간 관계를 식별(예: 제품 추천 시스템).사용 예: 학습하지 않은 새로운 데이터에 대해 예측하고, 출력 정확도가 만족스러우면 모델을 배포.강화 학습정의: 보상을 통해 학습하며 주어진 환경에서 의사 결정을 최적화하는 학습.기..

2.1 유연성과 적응성유연성과 적응성은 밀접하게 연관된 품질 특성으로, 인공지능기반 시스템에서는 다음과 같이 정의된다유연성: 시스템이 본래의 요구사항이 아닌 상황에서 사용될 수 있는 정도적응성: 시스템이 의도와는 다른 하드웨어나 변화하는 운영 환경 등 새로운 상황에 맞게 제품을 수정하는 용이성유연성과 적응성은 다음과 같은 경우에 유용하다운영 환경을 완전히 알 수 없는 경우새로운 운영 환경에 대처해야 하는 경우새로운 상황에 적응해야 하는 경우시스템이 스스로 언제 동작을 수정할지 결정해야 하는 경우자가학습을 하는 인공지능기반 시스템은 이러한 유연성과 적응성의 특성을 필요로 한다. 이러한 요구사항은 시스템이적응할 환경 변화의 세부 사항과, 적응에 필요한 시간과 자원의 제약 조건을 명시해야 한다.2.2 자율성자..

1.1 인공지능의 정의와 인공지능 효과인공지능(AI)은 1950년대 처음 사용된 용어로, 당시에는 인간처럼 "지능형" 동작을 모방할 수 있는 기계를 만드는 것이 목표였다. 현재는 엔지니어링된 시스템이 지식과 기술을 습득, 처리, 적용할 수 있는 능력으로 정의된다. 인공지능에 대한 인식은 시대에 따라 변해왔다. 예를 들어, 1970년대에는 체스에서 인간을 이길 수 있는 컴퓨터 시스템을 AI라고 여겼지만, 오늘날 사람들은 체스 프로그램의 "무작위 대입" 방식을 진정한 인공지능으로 간주하지 않는다. 이러한 인식의 변화를 "인공지능 효과"라고 하며, 이는 시대와 기술의 발전에 따라 AI의 정의가 달라짐을 의미한다.1.2 약인공지능, 강인공지능, 초인공지능인공지능은 크게 세 가지 범주로 나눌 수 있다.약인공지능:..