Penguin's Repository

안녕하세요 요즘 심리테스트나 성격유형 테스트

같은 것을 많이 해보셨을거에요.

저도 최근에 해본 재미있는 테스트를 하나 가져와봤습니다.

바로 얼굴형 테스트 AI인데요.

내가 가진 사진을 올려보고

일치하는 동물상이나 얼굴형을 알려주는 사이트입니다.

인공지능이 내가 어떤 동물이나 연예인과 

닮았는지 알려줍니다.

성별을 선택한 후

인터넷에서 저작권 없는 사진을 

다운로드 받아서 한장을 올려봤습니다.

결과는 차분하고 신비스러운? 사슴상이 나왔습니다.

거의 비슷하지 않나요?

결과 아래쪽에는 나와 일치하는 동물상은 물론 

일치하는 연예인과 설명이 같이 포함되어 있어요

얼굴형을 알아보시려면 한번 해보세요^^

심심할 때 친구들이랑 한번 해보면 재미있겠네요.

https://ani.luzspat.com 

1. 인공 지능과 인공지능 연구의 역사 :

- Environment =? cybernetics(1920-1950)

- Mind(= computer) => Symbolic AI(1950- 1980)

- Brain => Neural Nets(ML) (1980-2010)

- Body=>embodied mind, mind machine => Autonomous Robots(2010~`)

Symbolic AI vs Machine Learning

(기호.논리)       연결성(Neural Network)

                     ML에서 성능을 내기 위한 Source는 Big Data + 좋은 H/W 성능

                     이 필요하다.

*인공지능의 발전 :

Mind: Symbolic AI 

- 1997년 IBM Chess machine Deep Blue

- chatbots(Cornell Univ)

Body : Physical AI

- Humanoid Robot Nao

- Personal Robot PR2(willow Garage)

- Robot roommate shopping for and preparing bavarian breakfast

- Delivery Robots Bots

Embodied Mind

- Smart Speakers

AI가 왜 갑자기 Hot하게 됐는가?
- Machine Learning 알고리즘들이 학자들에 의해 잘 정립이 되었고

- Big Data와 Computing Power(H/W)가 맞물리면서 급속도로 발전하게됨

CNN 기반 얼굴인식 시스템이 지배적이다(?)

2. Deep Learning

모라벡의 역설(Moravec's Paradox)

- 인공지능. 로봇공학 연구자에 따르면 고등 추론에는 연산 능력이 거의 필요 없는 반면,

- 낮은 수준의 감각운동 기능은 엄청난 연산 자원이 필요.

- "어려운 문제는 쉽고 쉬운 문제는 어렵다"

*Deep Learning 의 활용

- Youtube 자동 음석 번역

- Netflix의 영화추천

- Facebook의 feed 추천

- 알파고

- 구글의 검색 결과

*CNN

- 물체들을 추상화하는 과정을 거친다

*RNN :
관련알고리즘 : LSTM, GRU

Image Narration using LSTM

자연어처리에도 많이 사용한다.