AI 관련 용어 이해
사람들이 인공 지능에 대해 이야기할 때 사용하는 몇 가지 관련 용어가 있으므로 각각에 대해 명확한 정의를 갖는 것이 유용합니다.
데이터 과학
데이터 과학은 데이터 처리 및 분석에 중점을 둔 학제간 분야입니다. 통계학적 기술을 적용하여 데이터의 관계와 패턴을 파악하고 시각화하고 이러한 패턴을 탐색하는 데 도움이 되는 실험적 모델을 정의합니다.
예를 들어 데이터 과학자는 지리적 영역에서 멸종 위기에 처한 종의 개체군에 대한 데이터 샘플을 수집하여 동일한 영역에 있는 산업화 수준 및 경제 인구 통계에 대한 데이터와 결합할 수 있습니다. 그런 다음 데이터를 분석하고 통계학적 기술로 샘플에서 추정하여 인간 활동과 야생 동물 간의 경향과 관계를 이해하고 인간 활동이 야생 동물 개체군에 미칠 가능성이 있는 영향을 보여 주는 모델을 사용하여 가설을 테스트할 수 있습니다. 이는 데이터 과학자가 멸종 위기에 처한 야생 동물의 보존에 대한 필요성과 인구의 경제적 윤택에 대한 필요성 간 균형을 유지하는 최적의 정책을 결정하는 데 도움이 될 수 있습니다.
기계 학습
데이터 과학자는 종종 기계 학습 모델을 사용하여 작업합니다. 기계 학습은 예측 모델의 학습과 유효성 검사를 다룹니다. 일반적으로 데이터 과학자는 데이터를 준비한 다음 이를 사용해서 데이터의 기능 간의 관계를 활용하여 알 수 없는 레이블의 값을 예측하는 알고리즘을 기반으로 모델을 학습시킵니다.
예를 들어 데이터 과학자는 수집한 데이터를 사용하여 관찰된 둥지 현장 수, 보호 구역으로 지정된 토지 면적, 현지 인구, 현지 도로의 일일 교통량 등을 기반으로 종의 개체군 연간 증가 또는 감소를 예측하는 모델을 학습시킬 수 있습니다. 그런 다음 이 예측 모델을 현지 주택, 인프라 및 산업 개발 계획을 평가하고 현지 야생 동물에 미칠 수 있는 영향을 평가하는 도구로 사용할 수 있습니다.
인공 지능
AI(인공 지능)는 사람 지능의 하나 이상의 특성을 모방한 소프트웨어를 설명합니다. 기계 학습은 AI 소프트웨어를 만드는 데 사용되는 중요한 방식입니다. 데이터 과학에 대한 지식은 인공 지능을 이해하는 데 도움이 될 수 있습니다.
예를 들어 야생 동물 보호의 필요성과 경제 발전의 균형을 맞추려면 멸종 위기에 처한 보호 종의 개체군을 정확하게 모니터링해야 합니다. 문제의 동물을 정확하게 식별할 수 있는 인간 전문가에게 의존하거나 충분한 시간 동안 넓은 지역을 모니터링하여 정확한 수를 얻는 것은 불가능할 수 있습니다. 실제로 인간 관찰자가 있으면 동물을 방해하고 탐지를 방해할 수 있습니다. 이 경우 예측 모델을 학습하여 원격 위치에서 동작 활성화 카메라로 촬영한 이미지 데이터를 분석하고 사진에 동물의 모습이 포함되어 있는지 여부를 예측할 수 있습니다. 그런 다음 동물을 자동으로 식별하여 넓은 지리적 영역에서 동물을 추적하고 보호 상태 후보 동물의 개체수가 밀집된 지역을 식별하는 소프트웨어 애플리케이션에 이 모델을 사용할 수 있습니다.