10장 인공지능

인공지능
인간의 지능을 모델링하는 기술
인간과 같이 인식, 사고, 학습 활동 방법 등을 연구하는 분야
컴퓨터를 통해 지능을 구현하는 기계 지능
컴퓨터가 언어를 인식, 스스로 학습, 인간의 감정 이해
인간과 유사한 지능이 요구되는 기계 장치를 만드는 기술 등

Q. 인공지능에 대해 설명하시오.(힌트: 머신러닝, 딥러닝, 지도학습, 비지도학습 등)

A. 인공지능(AI)은 컴퓨터 시스템이 인간과 비슷한 지능적 작업을 수행하는 기술이다. 인공
지능은 다양한 방식과 알고리즘을 사용하여 문제를 해결하고 의사 결정을 내릴 수 있다.
(포함관계: AI>ML>DL)
머신러닝은 인공지능의 한 분야로, 컴퓨터가 데이터에서 패턴을 학습하고 경험을 통해 개선
할 수 있도록 하는 기술이다. 이를 통해 컴퓨터는 사람이 직접 프로그래밍하지 않은 상황에
서도 원하는 작업을 수행할 수 있다.
딥러닝은 머신러닝의 한 분야로, 인공신경망을 기반으로 학습과정을 수행하는 알고리즘이다.
딥러닝은 다층 신경망을 사용하여 복잡한 패턴을 학습하고 인식하는 능력을 갖추게 된다.
이러한 신경망은 사람의 뇌 구조에서 영감을 받아 설계되었다.
지도학습은 머신러닝의 한 종류로, 입력 데이터와 그에 상응하는 정답을 가지고 모델을 학
습시키는 방법이다. 예를 들어, 고양이와 개를 구분하는 작업을 할 때, 컴퓨터에게 고양이와
개의 이미지를 제공하고 각각에 대한 레이블(정답)을 제공하여 학습시킨다. 학습이 완료된
모델은 새로운 이미지를 분류할 수 있다.
비지도학습은 다른 형태의 머신러닝으로, 입력 데이터에 대한 레이블이 없는 상태에서 데이
터의 구조, 패턴, 규칙을 발견하는 방법이다. 이는 데이터의 특성을 이해하고 군집화, 차원
축소, 이상 탐지 등과 같은 작업에 유용하다.
인공지능은 이 외에도 강화학습, 자연어 처리, 컴퓨터 비전 등 다양한 분야에서 발전하고 있
다.

Turing test(튜링 테스트)

기계가 인공지능을 갖추었는지를 판별하는 실험

AI 종류
1. Week AI
- ANI(Artificial Narrow Intelligence)
2. Strong AI
- ACI(Artificial General Intelligence)
- ASI(Artificial Super Intelligence)

Narrow vs. General vs. Super

좁은 인공지능: 한 가지 일에 특화된 지능(현재)

- 1 -
일반 인공지능: 인간 수준의 지능

Strong AI vs. Weak AI

강한 인공지능
스스로 사고하여 문제 해결 능력을 갖춘 AI
실제로 인간과 비슷한 의식을 갖고 행동하는 AI

약한 인공지능
스스로 사고하여 문제 해결 능력이 없는 AI
지능적인 것처럼 보이는 행동을 하는 AI

Rule-based AI
수학적 정리 증명, 자연어 처리, 기계 추론, 문제 해결, 의사 결정 시스템
연역추리, 논리적 추론, 문제 해결을 위한 알고리즘
문제 해결의 결과에 대한 참의 입증이나 설명에 있어 성능이 좋음

머신러닝
인간의 학습 능력과 같은 기능을 컴퓨터에서 실현하고자 하는 기술
명시적인 알고리즘을 설계하기 어렵거나 프로그래밍하기 어려운 작업들을 해결하기 위해 주
로 사용
컴퓨터 시각, 자연어 처리, 음성인식 및 필기인식, 생물 정보학, 컴퓨터 그래픽 및 게임 등

머신러닝 종류
Neural Network: 생물의 신경 네트워크 구조와 기능을 모방한 모델
Clustering: 주어진 데이터를 클러스터라는 부분 집합들로 분리하는 것
Classification: 주어진 데이터를 비슷한 것들끼리 분류하는 것
Decision Tree: 트리 구조 형태의 예측 모델로, 의사를 결정하는 모델
Naive Bayes: 베이즈 정리를 바탕으로 한 조건부 확률 모델 분류

머신러닝(기계학습)
지도학습(Supervised Learning)
입력으로 주어지는 데이터(x)에서 결과값(y)를 도출할 수 있는 함수(f)의 인자를 추정. 훈련
데이터, 검증 데이터, 테스트 데이터가 필요]
ex) 분류, 회귀분석
비지도학습(Unsupervised Learning)
학습 데이터에 참 값을 부여하지 않고, 컴퓨터가 스스로 훈련 데이터를 분류하고, 이것을 바
탕으로 의미 있는 값을 도출
ex)군집화(clustering)
강화학습(Reinforcement Learning)
학습자가 행동을 선택하여 행동으로 환경에 영향을 미치고, 이에 대한 피드백으로 보상치를
얻어 학습 알고리즘의 가이드로 사용

- 2 -
기계학습 방법
1. SVM(Support Vector Machine)
2. 결정 트리(Decision Tree)
3. 인공 신경망(ANN: Artificial Neural Network)
4. K-평균 군집화(K-means Clustering)

DNN(Deep Neural Network)

- DNN은 여러 개의 은닉층을 가진 신경망 계열의 모델
- Deep Learning은 신경망과 머신러닝의 한 분야로, DNN 기반의 학습 방법

11장 가상현실

VR(가상현실)
컴퓨터로 만들어 놓은 가상의 세계에서 사람이 실제와 같은 체험을 할 수 있도록 하는 최첨
단 기술

AR(증강현실)
현실의 이미지나 배경에 3차원 가상 이미지를 겹쳐서 하나의 영상으로 보여주는 기술

MR(혼합현실)
현실 세계에 가상현실(VR)이 접목되어 현실의 물리적 객체와 가상 객체가 상호작용할 수 있
는 환경

<상호작용 장치(VR/AR)>
1. 머리 착용 디스플레이
- 이런 것들이

2. 손 컨트롤러
- 있구나~
- 참여자의 손을 사용하여 가상환경과 상호작용하는경우 사용
- 손을 통한 상호작용을 직관적으로 할 수 있음

3. 동작과 시선 추적 컨트롤러
- 손동작, 전신동작, 시선 추적 및 인식을 통한 상호작용
- 사용자의 제스처나 동작을 그대로 인식해서 다양한 동작형 콘텐츠의 입력으로 사용

4. 가상현실 어트랙션
- 머리 착용 디스플레이를 착용한 체험자가 현실감을 뛰어넘는 새로운 몰입 경험을 할 수
있도록 다양한 자극을 인공적으로 만들어내는 시뮬레이터
- 스탠드형, 의자형, 레이싱형, 플라이형, 낙하산형

- 3 -
5. 가상현실 슈트
햅틱 피드백을 구현해서 사용자로 전달하거나 반대로 사용자의 모션을 캡처해서 가상환경의
아바타의 동작 정보로 사용하는 장치
- 햅틱 기술: 촉감, 진동, 힘, 운동감 등을 느끼게 하는 자극을 시뮬레이션해서 사용자에게
전달하는 기술
- 모션캡처 기술: 사람의 가슴, 관절, 어깨 등의 미리 정해진 위치에 부착한 센서로부터 3차
원 정보를 캡처해 내는 기술

6. 후각 컨트롤러
특정 상황에 맞는 냄새를 인공적으로 만들어내는 장치

7. 360도 카메라
구형 환경 매핑을 위한 소스 영상을 찍기 위해 필요한 카메라

<VR/AR 기본 개념>
현실환경에서의 상호작용
자신의 배경지식을 바탕으로 주변을 센싱하여 지각, 인식, 동작제어 과정을 통해 행동을 취
하게 된다.

가상환경에서의 상호작용
현실의 인간은 가상환경 안에서 자신의 대리자인 아바타를 통해 다른 가상객체 혹은 아바타
와 상호작용
- 아바타 형태: 인간, 가상의 손, 자동차 등 다양한 모양
현실의 인간은 가상환경의 아바타를 통해 간접적으로 상호작용함

혼합현실 환경에서의 상호작용

현실환경에서의 상호작용과 가상환경에서의 상호작용이 긴밀하게 연결됨
현실세계와 가상세계가 좌표계를 공유하면서 가상의 시각, 청각, 후각 정보를 현실세계에 증
강

그래픽 파이프라인
- 대충 넘어감

ARToolkit 사용 예(강의자료 사진 참고)

- 단일 마커
- 다중 마커

<VR/AR 주요 기술>
인식과 추적
인식 기술: 카메라 영상에서 마커나 특징점 같은 관심지점을 찾아내는 기술이며 일반적으로

- 4 -
마커 기반, 비마커 기반으로 나눔
추적 기술: 카메라의 포즈, 즉 위치와 방향의 변화를 프레임별로 연속하여 추적하는 기술
인식 및 추적 기술은 컴퓨터비전 기반, 센서 기반, 하이브리드형 기술로 분류
- 하이브리드형은 컴퓨터비전 기술과 GPS, 관성 센서를 함께 사용

뷰포리아
안드로이드, iOS, UWP 디바이스를 위한 증강현실 앱 개발을 지원하는 소프트웨어 플랫폼으
로, 개발자들이 손쉽게 앱에 고급 컴퓨터 비전 기술을 추가할 수 있도록 다양한 툴과 기능
을 제공함

뷰포리아의 추적 기능
추적 성능을 향상시키고 목표가 사라질 때도 추적을 계속하기 위해 주변 환경의 특징점을
사용

3차원 모델링과 렌더링

증강현실의 3차원 모델링: 실제 환경으로부터 3차원 정보를 획득하여 그래픽 객체로 모델링
하는 기술
- 영상 기반 모델링: 한 장의 영상 혹은 비디오로부터 3차원 복원

증강현실의 렌더링 기술: 실제 장면과 가상의 그래픽 객체를 3차원 공간에 이질감 없이 정
합하는 기술
- 실제 공간의 조명 정보를 구하여 가상 객체에 적용하거나, 환경 매핑, 색 보정, 조명의 위
치와 방향을 추정하는 기술 포함

3차원 모델링 - 사례(얘는 시험에 안 나오지 않을까 싶음)

3 Seep: 한 장의 사진으로부터 3차원 모델 복원 및 편집하기
- 입력 영상
- 3차원 모델
- 모델 편집

홀로렌즈
- 증강현실 머리 착용 디스플레이, Windows10 운영체제 사용
- 와이파이로 네트워크에 연결됨, 동작이나 동선에 크게 제약 없이 실내를 돌아다니며 증강
현실 콘텐츠를 실행
- 제스처인식 및 음성인식으로 다양한 명령을 수행함

<360도 가상현실 영상>

- 실제 주변 환경을 찍은 일련의 여러 사진들을 이용하여 360도 환경 맵을 구성하면 좀 더
쉽게 사실적인 360도 가상환경을 구성할 수 있음
- 360도 가상현실 영상은 '360 파노라마'라고도 부르며, '이미지 스티칭' 과정을 통해 만들어
진다

- 5 -
이미지 스티칭
- 구모델: 카메라 시점을 고정시키고 구상의 여러 방향으로 카메라를 돌려가며 찍은 일련의
영상으로부터 기본 구 표면에 스티칭된 텍스처를 생성
- 파노라마 영상을 스티칭한다는 것은 기본적으로 각 소스 영상에 대해 기본 구에서의 위치
를 찾는 과정임

구 파노라마 생성을 위한 투영
- 기본 구의 스티칭 영상도 다양한 변환을 통해 평면으로 투영
- 기본 투영: 구심투영, 원통투영, 구면투영, 입체투영

파노라마 영상 생성을 위한 소스
PTGui를 사용한 파노라마 영상 생성(얘네 2개는 안 나오지 않을까. 볼 거면 강의자료 보셈)

- 6 -