인공지능개론 4주차

불확실성

- 전문가(사람)이 사용하는 정보의 공통적인 특징 중 하나다.

-> 정보는 불완전할 수 있고, 모순되기도 하며, 불확실할 수 있다.

 

전문가 시스템에서의 불확실성 

-> 확실하고 믿을 만한 결론에 도달하기 위한 정확한 정보의 부족

지식이 불확실해지는 이유 -> 상관관계가 약한 함축과 애매한 결합으로 발생

ex) 머리가 아픈 이유 : 감기 70% 코로나 20% 편두통 8% ....

-> 전문가 시스템은 모호한 관계를 다루는 능력이 필요하기에 수치화된 확신도가 필요

또한, 부정확한 언어를 사용하기 때문 EX) 종종, 때떄로, 자주, 거의

 

알려지지 않은 데이터도 존재한다.

-> 알려지지않은 것에 대해서(불완전한 것)는 근사적인 추론을 진행한다.

-> 여러 전문가의 관점을 통합한다.(각 전문가 마다의 가중치를 다르게 조절)

-> 체계적인 가중치 적용법은 없다.

 

확률 : 사건의 확률은 사건이 발생할 경우의 비율이며, 확률은 가능성에 대한 과학적인 척도다.

수학적으로 0(불가능)과 1(확실)사이다.

성공과 실패는 독립적 사건이고 둘은 상호배타적(서로 동시에 존재할 수 없고, 서로 반대)인 관계다

성공확률=> 성공/(성공+실패)

실패확률=> 실패/(성공+실패)

성공+실패 = 1

ex) 동전을 던진다면

앞면 나올 확률 1

뒷면 나올 확률 1

앞면 나올 총 확률 1/(1+1) = 0.5

뒷면 나올 총 확률 1/(1+1) = 0.5

앞면확률 + 뒷면 확률 = 1

 

조건부 확률 : 사건 B가 발생할 때 사건 A가 발생할 확률

->A, B가 상호 배타적이지 않고, 조건부로 다른 사건의 발생에 영향을 준다.

-> p(A|B) -> 사건 B가 발생했을 때 A가 발생할 확률 -> (A와 B가 발생할 확률 / B가 발생할 확률)

 

베이즈 추론

IF E가 참이다

THEN H는 {확률 p로} 참이다.

: E는 증거, H는 가설, p는 H가 발생할 확률

 

확률p(H|E)는 증거 E를 관찰했을 때 가설 H의 사후 확률이라고 한다.