..PAGE:1제 5장Amplifyung Human Capabilities..PAGE:2Amplifyung Human Capabilities1. ABOUT THIS CHAPTER2. SPEECH RECOGNITION3. COMPUTER VISION4. ROBOTICS..PAGE:31.ABOUT THIS CHAPTER인공지능의 핵심문제는 인간능력의 확장이다. AI는 또한 인간의 시력, 청력, 움직임, 이해력을 본뜨려고 노력한다.이장에서 이 부분을 확대 탐구해 볼 것이다. 우리는 컴퓨터의 언어 이해 능력의 성장 가능성에 대해서 배울 것이다. 우리는 컴퓨터의 시각이 인간의 시력 보다 더 좋아진다는 것을 알 수 있을 것이다...PAGE:42.SPEECH RECOGNITION2-1 Advantages of speech recognition2-2 Approaches to Recognition2-3 Analyzing Speech2-4 Speech Understanding..PAGE:5natural processing 이 쉬운 영어를 사용하여 컴퓨터와 더 쉽게 대화하는 것이 목표라면, 그러면 키보드나 마우스 없이 컴퓨터는 언어를 인지 할 수 있다.natural processing 와 speech processing는 두 개의 범위로 나누어 정의 할 수 있다.-speech recognition (언어의 인지)-컴퓨터의 의한 말의 인지와 이해-speech synthesis (언어 합성)- 컴퓨터의 의한 언어 생성(사실상, 언어의 인지는 "voice recognition"기술과 혼동 할 수 있다. 차이점은 말하는 사람의 특성이다. speech recognition은 여러 사람이 다른 발음과 톤으로 같은 단어를 말해도 이해 할 수 있어야한다. voice recognition program은 오직 사용자 한 사람의 발을을 이해 할 수 있다.)..PAGE:6speech recognition의 장점· Ease of Access - tying기술에 의존하는 컴퓨터로 오랫동안 의사소통이 이 - Dependent Recognition개개인의 사람들의 언어를 인지하기 위하여 system은 설계 되었고 speaker-dependent system에서 여러분은 시스템이 여러분의 단어와 문장을 이해하도록 반복되어진 목소리로 가르친다. Texas Instruments Speech Command system, 예를 들면 TI PC 처럼 개인용 또는 전문가용 PC를 위한 speaker-dependent 언어 시스템이 그것이다.·speaker- Independent Recognition이 system은 다른 사용자의 언어를 이해하도록 설계 되었다.speaker -Independent system 은 speaker-dependent system 보다 사용되기 어렵다. 그래서 일반적으로 극히 제한된 경우에만 사용되어 진다...PAGE:9Context(문맥, 주변상황)Isolated word Recognition (IWR)- 이 system은 고립된 단어를 인식하기 위해 pattern-matching 기술이 이용된다. 단, 짧게 말하여 질 때(단어가) 단어 사이에 독특하게 끊어진 것을 제외하고 이와 같은 "isolating"은 다른 문맥에서 각 단어들이다. 다르게 들리는 소리를 해석하려고 노력한 결과 speech recognition의 많은 문제들이 제거 되었다.connected word Recognition (CWR)-이 system은 일반적인 상황에서의 말하여 지는 연결된 단어를 인식하기 위해서 설계 되었다.(단 단어 사이의 두드러지는 끊김이 없을 때를 제외함)연결된 단어 사이에 경계선에서 단어가 흐려졌을 때 CWR보다 더 정교한 AI의 기술이 요구 된다.continuous speech Recognition(CSR)이 system은 일반적으로 지속되는 형태의 의사 소통 언어를 이해하려는데 설계되었다. 게다가 연결된 단어의 인식에 나타난 모든 문제에 대항 할 수 있다. CSR은 일반대화의 빠른 속도와 언어의 빠른 진행속도를 유지하기 위해 문제인 "실시간 (real게는 매우 힘들다. 이것은 보통 사람들 사이의 의사소통에서도 마찬가지이다.(그림 5-3) natural 언어의 이해는 우리가 일상 생활에서 비슷한 상황을 통해서나 주변 상황에서의 언어를 통해서 이해 될 수 있다. 마찬가지로 시스템도 signal processing에 의해 제공 된 것 보다 영어로 말하는 것을 가장 잘 이해하여야 한다.언어 이해에 대한 해독 기술은 자연언어의 이해를 위해 사용되어지는 것과 유사하여 syntax, semantics, pragmatics의 분해는 다른 것 보다 가능한 해석 방법이다.쓰여진 언어에서 쓸모없는 강세와 억양의 패턴은 말하여지는 언어에 특별히 실마리를 제공해준다. 어떤 언어 이해 프로그램은 문장의 첫 번째 단어와 연속된 단어의 해석으로 진행해간다. 만약 여러분이 문장을 읽는다면 그처럼 할 것입니다. 만약 첫 번째 단어를 해석하지 못하는 일이 발생하더라도 그 문장을 해석 할 수 있다...PAGE:12The DARPA speech Understanding Research Project1977년에 DRAPA(Defense Advanced Research Projects Agency)는 시작 됐고, 1975년에는 SUR(Speech Understanding Research)가 시작됐다. SUR계획은 여러 AI 실험실에서 만들어진 것을 여러 언어 인식 프로그램으로 다시 재조 합한 것이다.* ·HEARSAY- CMU에서 발명되었다. HEARSAY는 두 개의 successive프로그램으로 구성 되어있다.·HEARSAY-I는 음절의 분해와 컴퓨터를 이용하여 음성으로 체스게임을 위한 syntax와 semantics지능으로 이용된다HEARSAY-Ⅱ는 같은 시간에 여러 다른 수준의 문장을 분해한다. 각각의 분해수준은 각자 다른 방향을 가지고 대화하지 못한다. blackboard라고 불리는 도착하라는 명령엔 실패했다. (여러 사람의 명령을 수행하지 못했다)한 사람만의 사용자에서 HEARSAY프로그램은 90%이상의 인식율을 나타냈다* ·HARPY- 이루어져있다. 비록 많은 pixels.이 영상의 형태로 사용되어 진다 할지라도 컴퓨터는 어떻게든 인지할 수 있는 형태와 더 좋은 투시도를 얻기 위해 "step back"을 할 수밖에 없다. 대신에 AI기술은 디지털화된 영상을 분석하고 해명하는 되 사용되어진다.컴퓨터 시각 시스템은 영상의 다양한 특징을 결정하는데 도움을 줄 수 있는 시각'clues"(단서)를 찾기 위한 형태를 분석한다.이 clues는 색, 농도, 짜임새, 행위를 포함한다...PAGE:16color색의 형태는 물체의 특징을 판명하는데 도움을 줄 수 있다. 색의 분석은 색조, 선명도, 밀집도에 있어서 clues를 제공할 수 있다. 몇몇 시스템에 있어서 영상은 부가적인 clues를 제공하기위해 분리해서 분석할수 있는 각각의 3색 이미지 즉 red, green, blue로 나눈다.Depth(농도)우리는 binocular(쌍안경)이라 불리는 프로세스를 통해 시각을 보는 것이 가능하다. 왜냐면 우리는 두 개의 눈을 가지고 있기 때문이다. 우리의 눈의 각각은 적은 다른 영상과 우리의 뇌에 의해 두 개의 이미지가 전달된다. 그것으로부터 우리의 눈은 영상을 볼수가 있다. 그것으로부터 우리는 우리가 사물로 부터의 거리를 알수 있는 정보를 얻을수 있다.Texture(짜임새)모든 물체의 표면은 그것의 texture라 불리우는 선천적인 특징을 가진다. 짜임새에 있어서 변화는 색에 다양성을 가르쳐 줄 수 있다. 짜임새가 매우 굵고 충분한 농도면 이러한 변화는 물체 표면을 확인하는데 도움이 된다.Motion시각 영상으로 포착되어진 자연의 물체에 있어서 부가적인 단서는 카메라로 물체의 동작에 의해 제공될수 있다. 움직이는 카메라(.mobile camera)는 연속된 이미지를 제공하여 준다.이카메라는 같은 한물체에 대해 여러시각으로 이미지의 정보를 제공해 준다. 이러한 정보는 우리의 눈으로 보는것과 거의 유사한 방법으로 사용, 분석된다...PAGE:17Edge Detection컴퓨터vision의 기본 문제인 어떤 사물의 끝제작 환경에서 나타나는 robot vision 시스템에서 이용되고 있는 중이다.현재 다른 컴퓨터 시각 적용· 조합한 언어로 컴퓨터 시각을 결합으로 분명하게 인쇄된 본문을 읽는 것을 포함한다.·지진계에 의해 그러지 그래프 통지와 같은 정보 감지기와 측정표를 지켜보는 것을 포함한다.·위성 영상과 항공 사진으로부터 지도를 만드는 것을 포함한다.Industrial ApplicationsKLA 가구 협회가 0.35마이크로 만큼 작은 회로의 결점을 찾는 컴퓨터 칩 검증 시스템을 판매하고 있다.GM가 orion, Mchigan, Buick, Oldsmobile 그리고 Cadillac 공장에서 자동차 몸체에 결점을 분간하기 위해 130개의 컴퓨터 시각 카메라를 사용하고 있다.포드자동차 회사의 전기 전자부를 찍혀진 회로 기판의 SMT(표면처리기술)의 질을 보증하기 위해 컴퓨터 시각을 사용하고 있다...PAGE:20Neural Networks in vision mechanisms(vision 머신의 신경구조)1980년대 후반 Marvin Minsky와 Seymour papert 는 신경구조(neural netwok)에 두각을 나타냈다.이들은 하드웨어의 조합으로 -이미지를 보고, 그 이미지를 특징을 나누고, 그것들의 값을 할당함으로써 분석하는 것에 의해- 컴퓨터에게 패턴을 빠르게 배울 수 있는 능력을 주었다.마치 인간의 뇌가 하는 것처럼, 이들 신경구조 시스템은 패턴을빠르게 습득 할 수 있고, 보안시스템과 목록 검증을 위한 지문인식과 지능적 일괄작업에 적용 될 수 있다...PAGE:214. ROBOTICS4-1 The Parts of a Robot4-2 Controlling a Robot4-3 Intelligent Robots4-4 Mobile Robots..PAGE:22로봇공학은 실제 문제를 해결하기 위해 현실의 생활에 적용할 수 있는 가장 진보된 것이다.로봇공학은 로봇에 관해 연구하는 것이고 수작업으로 행해지는 것을 프로그램화 할 수 있는 기계들이다. 오늘날 이용되는 대다수의다.
Expert Systems이번 장에 대하여..인공지능의 30년 역사를 통하여, 많은 중요한 발전은 연구 실험실로부터 얻어진 것이 아니다. 그러나, AI공학의 충격은 실험실 밖의 "현실 세계"에서 느끼기 시작했기 때문에 AI에 대한 관심이 꾸준히 증가하는 것은 명백한 신호이다. : 계속적으로 대학 AI학과는 AI를특집기사로, 잡지기사로 권하는 생산품들이 비과학 간행물에 규칙적으로 나오고 있다는 컴퓨터관련 생산품 광고에 자랑으로 가득 차 있다.현재 커지는 AI의 깨달음을 위해 책임의 큰 측정을 주장할 수 있는 AI의 한 분야가 Expert Systems, 즉 인가의 전문적인 지식과 기술을 구체화하는 컴퓨터 프로그램이다. 사람들을 도와주는 초기 AI 기술 중 하나가 중요한 문제들을 해결하기 때문에 전문가 시스템은 분야가 확실한 비결과 분위기로 채우게 되었고, 동시에 더 접근하는 조사를 방해한다. Expert system은 많은 약속이 있지만, 또한 그 시스템은 그것이 상업적 시장으로 움직일 때 "과대광고" 을 다루어야 하는 제약이 있다.이장은 실험에 의해 전문가 시스템의 신비성을 제거하기를 시도한다. 세부적으로 그것이 무엇이고, 어떻게 발전되어질 것인가를 다룬다. 또한 초기화 현재 전문가 시스템의 예들은 이 주목할 만한 프로그램과 친밀함을 증가시키기 위해 제공되어진다.Expert system은 무엇인가?자주 어떤 분야에서 인간의 전문성은 큰 수요에 있고, 그러므로 보통 적은 공급에 있다. 예를 들어, 작은 시골에서 일반의사가 완벽하게 유능할지라도, 특이한 혈액 감염의 익숙하지 않은 증상을 갖고 있는 환자에 직면했을 때 곤란해 질 것이다. 만일 전문의사가 방문할 수 없다면 그 환자는 이상적이지는 않지만 치료도 해결할 수 없을 것이다.전문적 지식의 부족은 치료에 한계를 가져올 것이다.네가 차를 수리하고 있던지 아니던지, 기름을 위해 땅을 파던지 아니던지, 주식 투자 목록을 관리하던지 아니던지, 컴퓨터 명령을 가득 채우던지 아니던지, 화학적인 분석을 하던지 아니던지, 분는 이러한 접근방법은 Paperback Software International에서 개발한 VP-Expert와 같은 전문가 시스템개발 프로그램에 의해 근래의 과거보다 더 정확해졌다.VP-Expert는 디자이너가 데이터 베이스에서 모든 기록 또는 선택한 기록들의 그룹을 적용할 하나의 규칙을 적어놓는 것을 허용한다. 크게 이것은 전문가 시스템의 디자인을 간소화 한다.사용자 인터페이스만일 목적을 가진 사용자가 그것과 대화할 수 있다면, 대부분의 복잡한 전문가 시스템은 가치가 없다. 사용자와 대화하는 전문가 시스템의 구성요소가 사용자 인터페이스로 알려졌다.우리가 전문가 시스템의 개발된 기법(도구)의 사용자 인터페이스 일부에 대해 논의할 때, 우리는 두 가지 사용자의 형태에 대한 인터페이스의 두 형태를 구분해야만 한다. 전문가 시스템의 디자이너나 지식베이스는 종종 지식이 시스템에서 어떻게 표현되고 기억되는지 더 많은 올바른 관리가 있어야만 한다. 결론적으로, 이 사람을 위한 사용자 인터페이스는 전문가 시스템을 만드는 것보다는 차라리 참고하기를 바라는 최후의 사용자를 위한 것보다 예측에서 덜 구조화되는 경향이 있다. 이것은 디자이너의 사용자 인터페이스는 시스템의 실제 최종 사용자를 위한 것보다 훨씬 사용하기 쉽지 않을 수도 있다는 것을 의미한다. 디자이너의 사용자 인터페이스의 구조 틀 안에서조차도 변동이 있다. 요소들의 여러 다양성에 의존하기 때문에, 디자이너는 대화식의, 메뉴로 작동되는, 그리고 아마도 크게 그래픽에서 고전적으로 프로그램 되고 있는 언어편집자처럼 보이는 인터페이스를 원할 것이다.우리는 8장에서 이 주제에 대해 훨씬 많은 것을 말할 것이다.일반적으로 전문가 시스템의 디자이너들은 컴퓨터를 다루는데 많은 경험을 가지고 있지만, 전문가시스템의 의도된 사용자는 때때로 컴퓨터 초심자이다. 그러므로 특히 전문가시스템이 사용하기 쉬워야하는 것이 보장되어야 함이 중요하다. 사용자 인터페이스에 의해 실행되는 대화는 2가지 방향이 있다.가장 단순한 단계에서 너는 전문가 시그들은 도메인 전문가가 지식 엔지니어링 도움 없이 전문가적 시스템을 만들어줄 수 있는 충분한 정도의 지식 엔지니어링을 자동화하려고 시도한다. 만약에, 그리고 이들 테크닉들을 사용하는 시스템들을 받아넘겨졌을 때 나타나기 시작한다, 우리는 이 방법이 얼마간의 정당함을 가지고 있는지 평가할 수 있을 것이다. 한편, 역할 분리가 표준으로 남아있다.대체로 큰 전문가적 시스템은 몇 년 동안 정제되고 개발되어져 왔다. 건물 전문가적 시스템들로부터 적용해지고, 그림 3-3을 보면 전문가 시스템 발전의 진행을 5개의 별개의 스테이지들로 나누어서 설계 해 놓았다. 연습 안에(서) 그것이 정확하게 전문가적 시스템 발전을 사이클을 깨트리는 것을 가능할 수 없을 것이다. 하지만, 이들 5개의 스테이지들의 시험은 당신에게 전문가 시스템들이 발전이 어떻게 되었는지 약간의 통찰력을 제공하여 줄 것이다.식별네가 전문가적 시스템이 개발하기 시작 전에 , 당신은 시스템이 해결하는 것이 의도해지는 문제를 가능한 한 많은 정확도를 가지고 묘사하는 것이 중요하다. 전문가적 시스템이 정확한 상황 안에(서) 유익했을 것이라고 생각하는 것은 충분히 간단치 않다 ; 너는 문제와 정확한 목표의 상태를 결정해야 하는 것에 너는 전문가적 시스템을 해결하는데 기여하기 위해 네가 기대한다는 것을 정확하게 표현해야 한다.다음의 단락들이 문제로 다가가는 것의 하나의 방법을 묘사한다.시작 전에, 지식 엔지니어나, 특별한 영역에 익숙치 못한 누구든지 매뉴얼의 참고와 안내자의 훈련이 과제와 함께 약간의 친밀함을 얻을 것이다. 그 때 도메인 전문가는 몇개의 대표적인 문제의 상태들을 묘사한다. 지식 엔지니어가 기본적 개념들을 전문가적 시스템의 목적의 더 전반적인 아이디어를 개발하기 위하여 제공된 케이스들에서 추출하려고 시도한다.도메인 전문가가 몇몇 케이스들을 묘사한후에 ,지식엔지니어는 문제를 묘사한 "first-pass"개발한다. 대체로, 도메인 전문가는 기술이 전적으로 문제를 대표하지 않는다고 생각할 것이다. 도메인 전문가가식 엔지니어에 의하여 구혼하고 그리고 그 때 지식 엔지니어에 의한 지식 베이스안으로 구체화해지는 , 변화들을 제안한 도메인 전문가 비평들 .다른 발전 스테이지안에(서) 있을 때 , 이 처리가 또한 iterative 입니다 :규칙 비평이 반복해지고 그리고 규칙들은 끊임없이 결과들이 만족할 만 할 때까지 정제됩니다 .복잡하게 관련된 지식을 포함하는 것은 합성의 전문가적 시스템의 형식화 처리를 위하여 특이하지 않습니다 그리고 몇몇 년들동안 지속될 일련의 합성의 subproblems .Bruce Buchanan , MYsin의 공동 개발자가 , 전문가의 iterative 처리를 의논합니다 시스템 발전 그리고 그림안의 지식 엔지니어 그리고 도메인 전문가사이의 전통적인 관계 3-6 .전문가적 시스템의 지식 베이스안으로 도메인 전문가의 지식을 옮기는 것의 처리가 그렇게 시간 이기 때문에 지식 베이스의 창조를 자동화하는 것이 소비하기 위하여 , 인공지능 연구자들은 처리를 촉진시키는 것의 다양한 방법들을 실험하고 있습니다 .많은 연구가 수행되고 있습니다 방향들을 따릅니다 .* 더 간결한 tools-there는 일반적으로 특별한 프로그램들이 지식 베이스를 만드는 것의 처리를 단순화하기 위하여 디자인한 것 인 , 다양한 전문가적 시스템 발전 도구들 입니다 ( 장을 봅니다 8 ) .하지만 , 이들 도구들의 사용이 복잡하게 조용한 realatively 입니다 .그래서 , 전문가적 시스템을 만드는 것이 많이 더 쉬울지라도 그것이 그렇지 않으면 있는것 보다 적당한 도구들을 사용하면서 , 그것은 그럼에도 불구하고 효과적으로 도구들을 사용할 수 있기에 인공지능 경험의 충분한 거래를 요구합니다 .가장 가장 전문가적 시스템들의 사용 발전 도구들이 지식 엔지니어의 전문 지식을 요구합니다 .어떤 우선하는 컴퓨터도 가진 약간의 요즈음 선진의 도구들이 그런 범위에 발전 도구들의 사용을 단순화합니다 도메인 전문가 , 경험 , 발전 도구들로 상호작용하는 것에 의하여 간단히 적어도 지식 베이스의 주 일부를 귀환 사용되고 그리고 시스템의 퍼포먼스를 조정합니다 .한때 시스템이 바르게 간단한 문제들을 해결하는 것의 유능하다고 증명되었다고 , 도메인 전문가는 전형적으로 많은 사람 전문 지식을 요구하는 것을 복잡한 것을 제안합니다 .그런 더 큰 노력을 요하는 테스트들이 더 심각한 결함들을 열어야 하고 그리고 큰 기회를 " 굉장한 곡조 " 공급합니다 시스템 심지어 멀리 .결국 , 전문가 시스템은 단지 그것이 작동하거나 , 또한 사람의 레벨가까이에 극히 어려운 처리가 그것이 전문가적 시스템 가까이에 제안되는 해결들이 끊임없이 거의 그들 타당한 것 있다는 것을 나타낼 때까지 완전하지 않은 전문가도 사람 도메인 전문가에 의하여 대비했을 때 아주 성공적이게 판단됩니다 .입증입증하는 것이 마침내 이론상 불가능하다고 주장합니다 .당신이 컴퓨터를 디자인한다면 일련의 수들위에 균등한 컴플렉스 수학적인 조작을 수행하는 프로그램 , 당신은 시스템을 시험할 수 있습니다 .당신 매우 큰 그리고 매우 작은 수들 , 양수들 그리고 부정적인 수들을 포함할 수 있습니다 , 영 , 그리고 심지어 시스템이 결국 모든 이들 상황들을 다룰 방법을 아는 것을 확신한 nonnumbers , 당신은 수들의 목록안의 가능한 입구들의 모든 조합을 시험할 수 있고 그리고 프로그램이 작동한다는 것을 확신시킬 수 있습니다 .이것이 분명히 그렇습니다 전문가적 시스템들을 가진 케이스 아닙니다전문가를 위한 사용들이 장안에(서) 더 일찍 시스템들 ( 테이블을 봅니다 3-1 ) , 우리는 어떤 전문가 시스템들이 응용될 수 있는지안에(서) 많은 범주들의 경계를 정했습니다 .이 부분안에(서) , 우리가 구현해진 몇몇 전문가적 시스템들을 묘사하는 것에의 우리의 주의를 돌립니다 .우리의 목적이 당신에게 적용들의 폭의 아이디어를 주는 것 입니다 전문가로부터 시스템들 기술에 이득이 된 지역들 .xcon :더 맞춤 선적을 위하여 그들의 큰 vax minicomputers를 설정하는 것안에(서) 그것의 계획하는 제조업을 돕는 xcon이라고 스됩니다.