RNN4 AI 반도체 기술 - 3세대 AI 반도체 2/2 5. 기타 신경세포 모방 AI 반도체 기술 신경망 또는 생물학적 뇌를 모사하는 기술은 SW 분야에서 먼저 큰 발전을 이루었다. Deep Learning 기술은 신경망의 특징 중 연결성(connectivity)과 시냅스의 정보 저장 특성을 프로그램으로 구체화한 것으로, 방대한 계산량으로 초기에는 어려움이 많았으나, 컴퓨터의 계산 능력이 향상되면서 획기적인 발전이 이루어지고 있다. 특히, CPU 대신 GPU가 사용되면서 단순 문자인식에서 벗어나 이미지 인식이나 음성 인식 등이 가능한 CNN, RNN 기술 등이 개발되어 학습의 영역과 범위가 급속히 확장되고 있으며, 앞서 논의한 것처럼 전자 시냅스를 개발하여 특정 Deep learning 알고리즘을 가속화하는 목적 외에도 두뇌에서의 생물학적 뉴런의 기능과 다양.. 2023. 10. 16. 로봇 기업 탐구: Tesla. AI 와 로봇 기업으로의 확장 - 2 (2) 2D 카메라로 구성한 Vector Space Pure Vision 의 핵심은 데이터 학습 다른 센서에 의존하지 않는, 카메라만을 활용한 물체 인지 알고리즘의 핵심은 결국 더 완벽한 데이터 학습을 통한 카메라 단점 보완 및 이종센서의 장점 보완에 달려있을 것이다. 인공지능을 통해 카메라의 2D 이미지를 3D 로 구현하는 과정을 반복적으로 훈련하며 Lidar 와의 괴리를 줄여나가야 할 것이다. 개별 이미지 네트워크는 Vector Space 의 변환 과정에서 Noise 발생 과거에는 단순한 네트워크를 사용하여 개별 이미지를 처리하였다. 하지만 이 방법은 2D 이미지를 Vector Space 로 옮기는 과정에서 Noise 가 발생한다는 문제가 있다. 즉, 개별 이미지를 예측하는 것은 가능하지만, 이미지로.. 2023. 1. 1. 로봇 기술 탐구: 로봇의 뇌(인공지능) 어디까지 왔나? - 1 (Neural Network) 인공지능은 인지-판단-제어에 있어 가장 중요한 ‘로봇의 뇌’에 해당한다. 인공지능 (AI: Artificial Intelligence)은 인간이 가지고 있는 지적 능력을 컴퓨터에서 구현하는 다양한 기술이나 소프트웨어, 컴퓨터 시스템 등을 함께 일컫는 단어다. 1956 년 미국 다트머스 대학에서 열린 학회에서 존 매카시가 처음 ‘인간의 지능을 흉내낸 컴퓨터의 지능’이라고 인공지능을 정의한 이후 오랜기간 개념을 정립해왔다. 그러던 것이 2006 년들어 토론토 대학의 제프리 힌턴 교수가 인공신경망 논문을 쓰면서 학계는 센세이션하게 이를 받아들였고, 빠르게 딥러닝이 인공지능의 중심으로 자리잡게 된다. 지난 2020 년에는 OpenAI 가 GPT-3 라는 초거대규모 언어모델을 내놓으면서 인공 신경망을 통한 학습은.. 2022. 12. 31. 로봇 기술 탐구: 인공지능 용어 정리 새로운 개념들이 많아서 정리해보았습니다. 퍼셉트론(Perceptron) 1958 년 프랑크 로젠블럿이 제시한 인공 신경망의 초기 개념이다. 인간의 뉴런이 신호를 주고받는 방식에서 노드를 착안하여 사람의 신경망과 유사한 인공 신경망을 구축했다. 활성화 함수 (Activation Function) 입력된 데이터의 가중 합을 출력 신호로 변환하는 함수이다. 인공 신경망의 직전 Layer 의 가중치 합의 크기에 따라 활성화 (변환) 유무를 결정한다. 또한 신경망의 목적이나 Layer 의 역할에 따라 선택적으로 적용한다. 가중치 가중치는 인공 신경망을 구성하는 노드에 대한 중요도를 나타내며, 일반적으로 Weight 로 표시한다. 인공 신경망의 학습은 각 노드의 비중치를 업데이트하며 이루어진다. 인공신경망의 비용함.. 2022. 12. 30. 이전 1 다음
