AI 교육과정 : AI 언플러그드 활동

<<AI 언플러그드 활동>>

 -인공신경망 : 인간 뇌의 뉴런 연결을 본 따 만든 신경망 구조

 -재귀형신경망(Recurrent Neural Network) : 재귀형 신경망 / 앞 전의 입력값을 기억해 다음의 입력에 영향을 끼치게 설계된 인공신경망의 종류 / 시계열 데이터, 자연어 처리 등에 주로 이용됨. 

 -LSTM(Long Short Term Memory) : 재귀형 신경망을 보완하여 무의미한 값이 다음 입력으로 사용되는 것을 방지함.

 -GRU(Gated Reccurent Unit) : LTSM을 개량한 알고리즘으로, LTSM보다 적은 parameter(매개변수)를 사용하여 학습시간을 효율화 함.

 -합성곱 신경망(Convolutional Neural Network) : 풀링층을 활용하여 구획 단위로 이미지 정보를 처리, 분석, 추상화함. 이미지 인식에 널리 사용됨.  

 

<<이미지의 추상화 방식을 활용한 언플러그드 활동>>

-이미지의 추상화란 이미지를 잘게 잘라 특징적 패턴만 남기고 불필요한 부분은 제거하는 것.

 

1) MAX 함수 방식을 활용한 추상화

 -위의 표 데이터는 8*8 크기의 이미지를 구획별로 수치화 한 것.(인공신경망에서 입력층의 역할을 미리 수행한 상태)

 -8*8 데이터를 4*4 크기의 네 부분으로 나눠서 Max 함수 방식을 활용해 추상화(패턴 추출 과정)를 진행함.

 -4*4 데이터를 초록구역, 노랑구역, 파랑구역, 빨강구역으로 나눈 후 Max 함수, 즉 각 구역에서 가장 많은 데이터로 추상화

 -위와 같은 방식으로 추상화 가능

 -한 구역 내에서 가,나,다의 수가 같을 때가 있을 때는 스스로 기준을 정해서 추상화 하도록 지도. 

 -정답은 없음. 다만 자신만의 기준을 가지고 분류해보는 그 자체가 활동의 핵심.

 

2) 거름상자 방식을 활용한 추상화

 -8*8 데이터를 4*4 크기의 네 부분으로 나눠서 거름상자(풀링층) 방식을 활용해 추상화(패턴 추출 과정)를 진행함.

 -CNN(합성공신경망)의 풀링층 방식 / 거름상자(풀링층)으로 일정 구획 단위로 훑고 지나감. 지나가면서 이전 영역들이 중첩되어 인식됨.  

 -위와 같이 2*2 크기의 거름상자(풀링층)으로 네 영역을 훑으며 추상화 함. 한 단계가 끝나고 나온 데이터 표로 거름상자와 크기가 같아질때까지 계속 진행함.

 -한 구역 내에서 가,나,다의 수가 같을 때가 있을 때는 스스로 기준을 정해서 추상화 하도록 지도.

 -정답은 없음. 다만 자신만의 기준을 가지고 분류해보는 그 자체가 활동의 핵심.

 

<<여러가지 인공지능 언플러그드 활동>>

 ①ready AI : 레디 에이아이 사이트를 활용해 언플러그드 AI교육 활용

https://www.readyai.org/

ReadyAI | Empowering all students to improve our world with AI.

 

 ②피지컬 컴퓨팅 툴 이용 : Cozmo (오조봇이나 햄스터 봇 같은 피지컬 컴퓨팅 도구)

 ③보드게임을 활용한 언플러그드 활동 : HOL 로봇 프로그램 과학 보드게임

 ④Khan Lab School

 ⑤구글 Tensor Flow / Teacherable Machine

 ⑥AI 활용 코딩플랫폼을 통한 교육 : Cognimates me (MIT media lab) / Machine learning for Kids

    -둘 다 인공지능을 쉽게 활용하고 만들어 볼 수 있는 사이트