1주차. 산업혁명의 역사와 특징 ⚫ 사물인터넷(IoT, Internet of Things), 인공지능, 클 라우드, 빅데이터, 로봇, 가상현실, 증강현실, 자율주행자 <1차 산업혁명> ⚫ 방적, 목화에서 추출한 애벌 실로 방사를 만듦 ⚫ 방직, 방사를 이용하여 직물을 만듦 동차, 3D 프린터 등 첨단 디지털 기술들이 융합하여 일 어나는 기술 주도형 혁명 ⚫ 디지털 기술의 영향력이 완벽한 힘을 갖추고 새로운 ⚫ 1782년, 증기기관, 제임스와트는 석탄을 태워서 물을 것을 만들어냄 끓인 증기의 힘으로 기계를 움직임 → 스마트 홈, 스마트 팩토리, 스마트 팜, 스마트 오피스, → 1789년, 증기기관을 카트라이트의 방직기에 적용 스마트 교실… 가상 시스템과 물리적 시스템이 유연하게 협력 ⚫ 1차 산업혁명으로 도시화가 이루어짐 ⚫ 1760년대, 1차 산업혁명은 영국에서 면공업으로 시작 (~1840) 2주차. 사물인터넷과 미래 정보통신 기술 <2차 산업혁명> <IoT, Internet of Things> ⚫ 1870년~1914년, 전기혁명, 대량생산이 가능해진 제조 ⚫ 1999년, 케빈 애쉬톤(Kevin Ashton)이 ‘사물인터넷’ 업 시대 이라는 말을 최초로 제안 ⚫ 1800년, 알레산드로 볼타(Alessandro Volta) → 아연판과 구리판을 겹쳐 만든 볼타 전지를 개발하여 → 과학자들이 그전까지 사용되던 정전기 기계보다 안정 적으로 전기를 사용할 수 있게 함 ⚫ 사물에 컴퓨팅 및 인터넷 기능을 탑재하는 것, 이러한 사물과 인터넷, 두 단어를 연결함 ⚫ 사물인터넷은 인간, 사물, 서비스 세 가지 요소가 인 간의 개입 없이 상호협력적으로 센싱, 네트워킹, 정보처 리 등 지능적인 네트워킹을 수행 ⚫ 1816년, 마이클 패러데이(Michael Paraday) → 자기장을 전기로 변화시켜서 최초의 전기모터를 만듦 → 전기를 대중화 ⚫ 사물인터넷의 사물동작의 예 → 센서가 물체의 상태나 동작에 대한 정보를 수집 → 프로세서는 센서 데이터를 처리 ⚫ 토머스 에디슨(Thomas Edison) → 데이터를 클라우드로 전송 → 1879년,‘개선된 전기 램프’ 특허를 출원 → 수집된 데이터를 분석, 빅데이터 분석, 인공지능 사용 → 1882년, 뉴욕, 최초 중앙 집중식 발전소 개소하여 → 분석 결과에 따라 가치 있는 정보가 생성되고, 유용한 가정과 회사에 전력을 공급 서비스가 제공됨 ⚫ 전기가 널리 보급, 영화, 라디오, 축음기 개발 ⚫ 사물인터넷 연동기술 ⚫ 동력을 석유로 사용하면서 자동차 산업의 혁명 → 빅데이터 및 클라우드 → AI(Artificial Intelligence) <3차 산업혁명> ⚫ 1970년~ → 2차 세계대전이 끝나고 발전한 과학기술을 배경으로 일어남 → 유럽 중심의 세계 질서가 2차 세계대전 이후 미국 중 심으로 넘어감 → 인터넷은 전쟁이 일어났을 때, 기지간 정보를 주고 받 기위해 탄생 3주차. 인공지능의 역사와 발전과정 ⚫ 인공지능(Artificial Intelligence) → 사람의 인식, 판단, 추론, 결론이라는 의사결정 프로 세스와 학습을 실현하는 기술 즉, 사람처럼 생각하고 대화하는 기술을 개발하는 것 → 전자·통신 분야는 3차 산업혁명을 대표하는 상징 분야 ⚫ 제1차 AI 붐 로 컴퓨터 통신 네트워크가 빠르게 발전, 디지털혁명이라 → 1950년대 후반 ~ 1960년대 고 부름 → 인공신경망 이론, 인공신경망 컴퓨터 개발, 인공지능 → 기계의 자동화 혁명이라고 부를 수 있음 단어의 과학분야 탄생 → 컴퓨터로 추론, 탐색으로 특정한 문제를 푸는 연구 <4차 산업혁명> ⚫ 초연결성(Hyper-Connected), → 1970년대, 눈앞의 복잡한 문제를 해결하는데 실패 초지능화(Hyper- Intelligent)의 특성으로, 디지털 기술들이 융합되어 나타 ⚫ 인공신경망 나는 시대 → 인간의 신경세포, 뉴런(Neuron)의 동작원리에 기초하 여 컴퓨터를 학습시키기 위해 인공적으로 구축한 신경망 → 빅데이터를 기반한 기계학습(머신러닝), 기술적으로 ⚫ 1943년, 최초의 뉴런 인공신경망 모델 → 신경정신 교수 워렌 멕클록(Warren McCulloch), 수 학자 월터 피츠(Walter Pitts) → 인간의 사고과정을 최초로 모델화하여 이론적 구조를 제안 → 단순한 선형 모델로 한계가 있지만, 컴퓨터 논리 구조 를 그려낸 폰 노이만에게 중요한 영향을 끼치고, 이후의 인공신경망 연구로 이어지게 함 프린스턴대학교 로봇공학자 발전한 딥러닝의 발전으로 제3의 붐이 도래 ⚫ 2006년, 딥러닝(Deep Learning) → 제프리 힌턴, 루슬란살라쿠트디노프(Ruslan Salakhutdinov) → 심층 신뢰 신경망(Deep Belief Network, DBN)이라는 딥러닝에 매우 효과적인 알고리즘에 관한 논문을 발표 → 이전보다 많은 층과 연결된 인공신경망, 말을 더 잘 알아듣고 그림을 더 잘 분류하는 인공신경망 ⚫ 1951년, 최초의 인공신경망 컴퓨터 → 량의 데이터를 기반한 ‘기계학습’ 조용히 발전 마빈 민스키(Marvin → 학습을 뜻하는 러닝(Learning)에 딥(deep)을 붙인 ‘딥 러닝’ 으로 부름 Minsky), 딘 에드먼즈(Dean Edmands) → 3,000개 진공관을 이용하여, 인공 뉴런 40개를 구현 ⚫ 2016년, 알파고(AlphaGo) ⚫ 1956년, 인공지능의 등장 → 구글 딥마인드가 ‘딥러닝’ 기술로 개발한 인공지능 프로 → 미국 동부 다트머스대학교, 워크숍에서 처음으로 ‘인 그램 공지능’이라는 용어가 생성되어 인공지능 과학분야 탄생 → DQN(deep Q-netword) 게임용 범용 인공지능 프로그램 에게 바둑용 트레이닝을 시킨 시스템 ⚫ 1957년, 퍼센트론(Perceptron) 시스템 → 컴퓨터는 1,202대의 CPU와 176대의 GPU로 구성 → 코넬대학교 프랭크 로젠블랫(Frank Rosenblatt) → 지금까지의 지식베이스 시스템과는 달리, 알파고는 바둑 → 사진을 보고 무엇인지 알아맞힘 규칙을 모르고, ‘인공신경망’ ‘딥러닝’ 기술을 도입해서 방대 → 3단계 계층의 인공 뉴런, 답을 맞히면, 답을 맞히기까 한 빅데이터를 자율적으로 학습시킨 결과로 승리를 함 지 거쳐간 뉴런들 사이의 연결을 더 강하게 ⚫ 1970년대 → 특정한 문제는 풀려도, 복잡한 현실의 문제는 풀리지 4주차. 인공지능 기술의 개요 않음 ⚫ 인공지능 레벨 1 → 미국 정부, 기계 번역은 당분간 성과가 나올 가망이 → 단순한 제어 프로그램을 탑재한 전자제품 없다는 보고서를 발표, 연구의 지원이 중단되고, 인공지 → 제어공학, 시스템공학이라는 이름으로 역사가 긴 학문 능의 겨울의 시대가 도래함 분야 → 규칙이 정해져 있고 그대로 움직임 ⚫ 제2차 AI 붐 → 1980년대 ⚫ 인공지능 레벨 2 → 일본 통상산업성, 전문가 시스템(Expert System), 컴 → 장기, 퍼즐 프로그램이나 질문에 대답하는 인공지능 퓨터에 ‘지식’ 넣으면 똑똑해짐, 접근법이 전성기를 이룸 → 적절한 판단을 내리기 위해 기존에 보유한 데이터를 → 지식을 서술하고 관리하는 것이 엄청나게 방대하다는 기반으로 추론, 탐색 것이 한계점으로 드러나면서, 1995년 무렵 다시 겨울의 ⚫ 인공지능 레벨 3 시대로 들어감 → 빅데이터를 바탕으로 자동적으로 판단하는 인공지능 ⚫ 1984년, 볼츠만 머신(Boltzmann machine) 개발 → 기계학습(머신러닝), 표본이 되는 데이터를 바탕으로 → 지식을 스스로 학습 1982년, 카네기멜런대학교, 제프리 힌턴(Geoffrey Hinton)은 인공지능 학회를 만듦 → 존스홉킨스대학교, 테리 → 최근의 인공지능, 레벨 3을 일컫는 경우가 많음 세즈노프스키(Terry Sejnowski)와 이전의 인공신경망보다 많은 층을 가진 인 ⚫ 인공지능 레벨 4 공신경망 시스템을 만듦 → 딥러닝, 입력 값(특징) 자체를 학습 → 죽어가던 신경망 연구를 살리고 지금의 딥러닝을 탄 생시킨 전환점 ⚫ 특징과 판별 → 객체의 특징을 미리 데이터베이스에 등록 ⚫ 제3차 AI 붐 → 컴퓨터는 객체의 특징을 분석해서, 그 객체가 무엇인 → 1990년대 중반 검색엔진 탄생, 2000년대 웹 보급, 대 지 판별 → 레벨 1, 레벨 2에 해당 6주차. 빅데이터 ⚫ 머신러닝 ⚫ 빅데이터(Big Data) → 객체의 특징을 사람이 미리 데이터베이스에 등록하지 → 디지털 환경에서 생성되는 데이터의 그 규모가 방대 않고 컴퓨터가 인터넷을 돌아다니면서 위키피디아, 백과 하고, 생성 주기가 매우 짧고, 형태도 수치 데이터 뿐 아 사전, 쇼핑몰, 페이스북 등의 정보를 분석하여 객체의 특 니라 문자와 영상 데이터를 포함하는 대규모 데이터 징을 학습하고 등록 → 2012년, 디지털 데이터의 양은 2.8ZB(Zata Byte), → 레벨 3, 레벨 4에 해당 2020년, 40ZB, 2025년, 약 163ZB 생성 ⚫ 지도 학습(Supervised Learning) ⚫ 빅데이터 특징 → 라벨링 된 많은 데이터로 하는 학습 → 규모(Volume) : 저장 기술의 발달, 스마트폰의 보급, → 데이터의 정답이 있고, 컴퓨터의 정확도를 높이고자 SNS의 확산 등 기술의 발전에 따라 디지털 정보량이 기 할 때 사용 하급수적으로 폭증 ⚫ 비지도 학습(Un supervised Learning) → 라벨이 없는 데이터로 학습 → 예측은 미래의 것이므로 정답이 없으므로 비지도 학 습을 사용 → 방대한 데이터 안에서 컴퓨터 스스로가 뭔가를 발견 하고자 할 때 사용 ⚫ 강화학습(Reinforcement Learning) → 비지도학습 방법 → 가까운 목표를 달성한 후 다음 목표로 반복하며 실력 을 높이는 학습방법 → 성공을 판단할 수 있는 요소를 부여, 성공에 대해서 점수를 매김, ‘보상’ → 점수가 높을수록 성공했다고 판단, 반복적으로 실행하 며, 더 높은 점수를 얻는 방법을 자율적으로 학습 5주차. 로봇기술 → 다양성(Variety) : 전통적인 데이터 분석은 시스템에 서 발생하여 저장되는 데이터에 대해서만 이루어짐, 최근 에는 외부에서 발생하는 다양한 형태의 데이터, 텍스트, 이미지, 오디오, 동영상, 센서 데이터, 소셜 데이터 등 다 양한 형태의 데이터 분석 → 속도(Velocity) : 대용량의 데이터를 빠르게 처리하고 분석할 수 있는 속성 ⚫ 빅데이터 처리 과정 → 수집 : 내부 데이터베이스 시스템으로부터 정형 데이 터 수집하고, 인터넷으로 외부에서 비정형 데이터를 수 집, 검색엔진의 로봇이 인터넷을 돌아다니면서 공개된 데 이터를 수집 → 저장 : 대용량 데이터의 저장, 스토리지, 클라우드 → 처리 : 대용량 데이터의 추출 및 저장, 대표적 기술로 하둡(Hadoop) → 분석 : 텍스트 마이닝, 웹마이닝, 오피니언 마이닝, 현 실 마이닝, 소셜 네트워크 분석, 군집 분석, 감성 분석, ⚫ 로봇(Robot) 인공지능 기계학습 → 인간의 일을 대신하는 자동 장치 또는 인간 형태의 → 표현 : 데이터를 도표나 그래픽적으로 표현 기계 → 로봇은 움직일 수 있는 수단을 가지고, 스스로 외부 환경을 인식하고, 주어진 임무를 수행할 수 있어야 함 ⚫ 빅데이터 분석과 의사결정 → 다양한 형태로 존재하는 빅데이터에 대해서, 원하는 결과를 얻기 위해서는 적절한 분석기법을 선택하여 정보 ⚫ 우주개발 로봇 를 가공 → 1957.10. 4., 스푸트니크 1호 → 결과에 따른 의사결정과 미래예측 수행 → 1969.7.20., 아폴로 11호, 달 착륙 → 1970.9.20., 루나 16호, 달에 착륙 → 2003년 6월, 7월, 미항공우주국, 화성 탐사 로버 스피 릿, 오퍼튜니티를 보냄 → 2011년 11월, 미항공우주국, 큐리아서티 보냄 → 2020년 7월 30일, 미항공우주국, 퍼시비어런스 보냄 ⚫ 휴머노이드(Humanoid) 로봇 → 사람(Human)과 ~와 같은 것(oid)의 합성어, 사람 같 은 것을 의미 → 외모가 사람과 비슷하고, 두 발로 걷는 로봇 ⚫ 텍스트 마이닝(Text Mining) → 텍스트 문서 속에서 의미 있는 정보를 추출하기 위한 기법 → 중요도 판단, 개념 추출, 키워드 간의 상관성 분석 및 감성 분석 등에 적용되며, 다양한 분야에서 사용 ⚫ 군집 분석(Cluster Analysis) → 텍스트 분석을 기본으로 비슷한 특성을 가진 개체를 합치면서 최종적으로 유사 특성의 그룹을 발굴 → 사용자 데이터 간의 유사도를 정의하고, 각 데이터 간 의 거리를 구하고 거리가 가까운 것부터 순서대로 합쳐 가는 기법 치의 한 분야로 RF 태그와 RF 리더기로 구성되어 있음 → 군집 분석을 통해 얻어진 사용자 군에 목표 마케팅을 → RF 태그에 사람, 자동차, 화물, 가축 등에 개체를 식 수행 별하는 정보를 부가하고, RF 리더기가 이 정보를 비접촉 방식으로 해독 ⚫ 오피니언 마이닝(Opinion Mining) → 웹사이트와 소셜미디어에 나타난 텍스트를 분석하여 감성과 의견을 수치화하고, 긍정, 부정, 중립 등의 선호 도를 판별 → 특정 서비스 및 상품에 대한 소비자의 반응, 입소문 분석 등에 활용 → 버스 카드, 하이패스, 도서관 입출력 카드 등에 사용 → 1934년 첫 특허를 받음 → 2차 세계대전, 영국 공군에서 아군 및 적군 비행기 식 별을 위해 사용 → 1973년, Charles Walton, 수동 RFID 기반 도어록 리더기로 RFID 특허 취득 ⚫ 소셜 네트워크 분석(Social Network Analysis) → 사용자의 영향력을 측정하고, 소셜 네트워크 상에서 입소문의 중심이나 허브 역할을 하는 사용자를 찾는데 활용 → 소셜 네트워크 상에서 영향력이 있는 사용자를 인플 루언서라고 부르고, 인플루언서의 모니터링 및 관리는 마 케팅 관점에서 중요하게 인식 ⚫ Read/Write 기능에 따른 RFID 종류 → ReadOnly ü 제조 시 데이터 기록하여 정보내용은 변경불가 ü 가격이 저렴 ü 바코드와 같이 단순 인식 분야에서 사용 → WORM ü 사용자가 데이터 기록 가능 ü 데이터 기록 후 변경이 불가능 ⚫ 현실 마이닝(Reality Mining) → 휴대폰, GPS, 센서, 사물인터넷 데이터를 기반으로 → Read/Write 개인의 생활 패턴을 파악 ü 몇 번이고 기록 및 데이터 변경 가능 → 사용자 기호와 생활패턴을 추론하고, 사용자 취향에 ü 고가 맞는 서비스를 제공 ü 다양한 분야에서 고도의 활용이 가능 ⚫ 수동형과 능동형에 따른 RFID 종류 7주차. 5G 통신과 RFID → 수동형 (passive) ⚫ 5세대 이동통신 ü 자체 전원 없이 RFID 리더기로부터 오는 전파를 받 → 2020년경 상용화 아서 통신 → 최고 전송 속도는 20Gbps의 빠른 데이터 전송속도 → 지연 시간을 1ms(1/10 초로 줄일 수 있음) → 공식 명칭은 IMT(International ü 작고 가벼움 ü 가격 저렴 -3 Mobile Telecommunication)-2020 → 28GHz의 초고대역 주파수 사용 ü 10m 이내 ü 반영구적 (10년 이상) → 능동형 (active) ü 자체 전원을 가지고 RFID 리더기와 통신 ⚫ 5세대 특징 ü 크고 무거움 → 초고속 ü 가격 고가 ü 최대 다운로드 속도 20Gbps, 최저 다운로드 속도 ü 수십 m 원거리 100Mbps ü 수명 제한 ü 영화 1GB 영화 한 편을 10초 안에 내려받을 수 있 는 속도 ⚫ 수동형 RFID 동작원리 ü 약 70배 빠른 초고속 속도 ① RFID 리더기는 RF 필드 안테나에서 무선 신호를 생 → 초저지연 성하고 전파 ü 지연 현상이 거의 없는 실시간 커뮤니케이션 능력 ② RFID 태그는 안테나를 통해서 무선 신호를 수신하고 ü 시속 500㎞ 고속열차에서도 자유로운 통신이 가능 전자기 에너지를 받음 → 초연결 ③ RFID 태그는 사전에 프로그램된 고유 식별자를 전송 ü 1㎢ 반경 안의 100만 개 기기에 사물인터넷(IoT) 서 ④ 리더기는 신호를 수신하고 데이터를 관리 시스템으로 비스 제공 전달 ⚫ RFID(Radio-Frequency-IDentification) → RFID란 무선통신 시스템으로 자동화 데이터 수집 장 ⚫ 주파수 대역에 따른 RFID 종류 → 135 KHz ü 0.5m 이하의 근거리 용도로 활용 ü 동물 인식 등 → 13.56 MHz ü 0.7~1m 이내의 근거리에서 활용 ü IC 카드, 신분증 등 ü 데이터 전송상의 신뢰성이 높은 곳에 사용 → UHF (Ultra High Frequency) ü 433 MHz, 능동형, 20m 이상, 항만 등에 사용 ü 860-930 MHz, 3~5m 이상, 상품태그, 유통물류 등 에 사용 ü 마이크로파 대역에 비해 무선인식 성능이 우수 → 마이크로파 ü 2.45 GHz의 ISM 대역을 이용, 추적성 물품에 사용 ü UHF 대역에 비하여 수분, 금속 적용 환경에서 인식 률 저하 ü 인식거리가 큼