[2024 수능특강] 독서 지문 요약 : 인공 지능과 기계 학습

■ 인공 지능과 기계 학습

이 글은 인공 지능을 학습시키는 기계 학습과 모델링, 그리고 기계 학습의 방식인 지도 학습, 비지도 학습, 강화 학습에 대해 설명하고 있다. 기계 학습은 컴퓨터에도 데이터들을 줘서 학습하게 함으로써 새로운 지식을 얻어 내게 하는 것으로 훈련에 쓰인 데이터 집합을 표현하는 모델을 만드는 작업이다. 이렇게 만들어진 모델은 너무 단순하면 훈련 데이터 집합의 특성을 제대로 표현할 수 없고, 너무 복잡하면 일반화 능력이 떨어진다. 기계 학습의 알고리즘은 크게 지도 학습, 비지도 학습, 강화 학습으로 분류되는데, 지도 학습은 입력–출력의 관계를 학습하는 데 사용되고, 비지도 학습은 바람직한 출력 정보가 주어지지 않은 상황에서 사용되며, 강화 학습은 보상의 기댓값이 최대가 되는 행동을 학습하는 데 사용된다.

주제 : 기계 학습의 개념과 기계 학습 알고리즘의 분류

 

 

Artificial Intelligence and Machine Learning

This article explains machine learning and modeling for training artificial intelligence, as well as the methods of machine learning: supervised learning, unsupervised learning, and reinforcement learning. Machine learning involves giving computers data to learn from, creating a model that represents the data set used for training. If the model is too simple, it won't properly represent the characteristics of the training data set, but if it's too complex, it won't generalize well to new data.

Machine learning algorithms are broadly categorized into supervised learning, unsupervised learning, and reinforcement learning. Supervised learning is used to learn the relationship between inputs and outputs. Unsupervised learning is used when the desired output information is not provided. Reinforcement learning is used to learn actions that maximize expected rewards.

Topic: The Concept of Machine Learning and Classification of Machine Learning Algorithms