as_always

집에 있는 WiFi AP에 PC가 처음 접속해서 인터넷 웹브라우저에 www.naver.com을 쓰면 웹페이지가 나온다. 이때 WiFi AP(공유기)의 역할 (1) "처음 접속"을 해서 인터넷 시도를 하면 DHCP부터 AP가 해줘서 IP를 할당해준다. (2) www.naver.com은 IP주소가 아니므로 AP가 PC에 알려준 DNS 주소(DHCP때 건네줌)로 "www.naver.com"을 보낸다. 그러면 DNS가 www.naver.com을 변환한 IP주소를 PC에 전달한다. (3)그리고 공유기 역할의 NAT (Network Address Translation - 주소변환)을 하여 내부 IP와 외부 IP를 연결시켜준다. DHCP (Dynamic Host Configuration Protocol) DHCP란 ..

센서의 데이터를 LTE를 이용한 IoT로 수집하려고 할 때, 센서의 데이터가 유선 인터넷망으로 전달되며 거치는 과정 기지국(eNode) -> S-GW -> P-GW - GTP tunnel 을 통한 전송 "단말이 보낸 IP 패킷은 Destination IP 주소값에 상관없이 항상 eNB(기지국)을 통해 P-GW까지 전송된다 1. UE -> eNB UE가 Destination IP(구글 IP주소) 로 패킷을 eNB로 전송 2. eNB -> S-GW UE로부터 IP 패킷을 수신한 eNB는 "UE가 보낸 IP패킷" 앞에 "GTP 헤더", "UDP 헤더"와 "GTP tunneling을 위한 헤더"를 붙임 3. S-GW -> P-GW S-GW는 eNB로 부터 수신한 패킷에 GTP헤더, (tunnel ID), IP ..

WiFi 1~6를 이루는 IEEE 802.11a,b,g,n * 주파수가 작으면 개발 쉽고 장애물에 강하다 (통과한다) 이전부터 써서 남은 대역폭 많지 않다 * 주파수가 크면 단거리 많은 데이터 * 속도 -> 얼마나 넓은 주파수 대역폭 사용하느냐가 속도 결정 IEEE 802.11a 802.11 보다 주파수↑속도↑ 5GHz 통신 멀리 못가서 실내에 적절 장애물에 약해서 더 많은 설치가 필요하다 대신 속도는 ↑ IEEE 802.11b 장애물에 강해지기 위해 다시 2.4GHz 사용 IEEE 802.11g 기술의 발전으로 2.4GHz에서 54Mbits만큼 사용이 가능하게 되었다 IEEE 802.11n AP공유기에 안테나 1개 이상 MIMO(Multiple Input Multiple Output)

8. 인공지능과 윤리 인공지능의 영향력이 계속해서 커지고 있다. 인공지능이 한 결과에 대한 책임은 누가 져야할 것인지가 문제가 되고 있다. 자율주행자동차에 대한 처벌의 책임은 사람이 개입하는 레벨2,3 그리고 완전히 자율주행하는 레벨 4로 단계를 나누어서 처벌수위와 책임을 정한다. 완전한 자율주행의 경우에는 제조사의 책임으로 보지만 그 안에서도 알고리즘을 개발한 프로그래머의 잘못인지, 데이터를 수집한 빅데이터 담당자의 잘못인지, 총관책임자의 잘못인지 가리는 것도 문제가 되고 있다. 인공지능의 윤리 문제는 인공지능 면접관에서도 나타내고 있다. 채용 시장에서 AI면접관의 도입은 수시 채용의 효율적 운용, 지원자의 신뢰감 확보, 인사 전반의 미래 예측 가능등의 이유로 시작되었다. 하지만 인공지능이 인간의 잠재..

7. 인공지능의 문제점 바로 알기 인공지능 기술은 사람을 편하게도 해주지만 문제점들도 많다. 인공지능이 가져올 사회 문제의 사례로는 저작권의 침해를 들 수 있다. 인공지능에게 특정 소설가의 문체를 학습시키면 인공지능이 그 소설가가 쓰는 것처럼 글을 쓸 수 있다. 인공지능이 그린 그림은 고가로 팔리기도 했다. 인간 고유의 영역인 예술 영역에 인공지능이 들어오고 있다는 것을 뜻하는 사례들이다. 따라서 인공지능이 개발한 예술작품의 저작권에 대한 문제가 발생하기 시작했다. 인공지능이 만든 창작물이 기존 작품에 저작권을 침해할 수도 있다. 불법 복제를 막기 위해 개발된 복제 방지 기술인 워터마크를 인공지능 기술로 지울 수 있는 기술이 개발되었다. 이러한 기술로 지워진 자료 사용 시 저작권 문제가 발생할 수 있다...

6. 인공지능으로 변화하는 직업 인공지능이 사람의 일자리를 뺏을 것이다 혹은 그에 반대되게 인공지능으로 인해 새로운 직업이 창출되어 일자리가 늘 것이다 라고 생각할 수 있다. 인공지능의 능력이 사람을 능가한다면 그 직업은 사라지겠지만 인공지능은 할 수 없고 인간만이 할 수 있는 일에는 더 일자리가 늘어날 것이다. 경기장에서 심판의 역할을 보조하는 존재로써 인공지능이 사용되기도 하고 음식을 서빙하는 일도 인공지능이 할 수 있게 되었다. 인공지능은 창의적인 영역도 가능하다. 대표적인 사례로는 기자, 화가 등이 있다. 구글에서는 인공지능 작곡가까지 나오기도 했다. 인공지능이 인간만이 할 수 있었던 영역에까지 들어오게 되면서 인간의 영역이 위협받는다는 느낌이 들기도 한다. 사람의 육체적 노동만 대체할 수 있었던..

5. 인공지능과 학습 – 지도학습, 비지도학습, 강화학습 전문가 시스템 사람의 지식을 규칙으로 만들어 프로그램에 넣는 방식, 규칙으로 만들기 쉬운 문제에서는 작동을 잘하는 편 -> 컴퓨터를 사람처럼 학습시켜 스스로 규칙을 찾아낼 수 있게 하는 기계학습 등장 기계학습의 학습방법에 따른 분류 강화학습, 비지도학습, 지도학습 지도학습 정답을 미리 알려주어 학습하는 방법 레이블이 있는 데이터를 수집, 목적에 맞는 기계학습 모델을 설계한 후 기계학습 모델에 데이터 학습 - 분류문제 어떤 대상이 두 개 혹은 그 이상의 그룹 중에 어느 그룹에 해당하는지 분류하는 문제 이중분류사례 - 댓글을 악플인지 아닌지, 메일이 스팸메일인지 아닌지 분류하는 문제 등 다중분류사례 - 자율주행자동차가 신호등의 색을 인식하는 것, 얼굴..

4. 인공지능과 다양한 기술 이야기 눈을 통해 들어오는 시각 정보를 처리하여 어떤 이미지인지 인식하거나 문장을 읽고 그 의미를 파악하는 능력, 귀를 통해 들어오는 청각정보가 어떤 의미를 나타내는지 분석하는 능력, 근육을 사용해 목표한 물건을 움직이는 것들이 사람의 지능을 가지고 있어야 가능한 능력들이다. 이러한 사람의 지능을 인공지능이 구현해내고 있다. 이미지 인식 기술은 이미지 데이터로 학습한 기계학습 모델을 사용하여 새로운 이미지를 보면 그것이 어떤 것인지 구분한다. 이미지 인식을 하기 위해서는 이미지 데이터를 픽셀 단위로 나누어 이미지를 픽셀에 부여된 숫자로 표현, 해당 숫자들을 기계학습, 딥려닝 모델로 학습시킨다. 그러면 학습한 특징들을 바탕으로 새로운 이미지가 어떤 이미지인지 알아낼 수 있다. ..

3. 데이터의 중요성과 인공지능 ​ 우리가 스마트폰으로 업로드한 사진, 동영상들은 네트워크를 통해 인터넷으로 흘러가며 다양한 네트워크 장비를 거쳐 데이터 센터에 저장된다. 데이터는 인공지능 시대에 중요한 자원이다. - 데이터는 인공지능을 만드는 재료이기 때문이다. - 기계학습 기법에 쓰이는 학습재료가 데이터이다. 전통적 인공지능인 지식기반 인공지능은 인간의 지식을 흉내내어 만들었으며 인간의 모든 지식을 규칙화하기 어렵다는 한계를 지닌다. 최근의 인공지능인 데이터 기반 인공지능은 인간의 학습을 흉내내어 만들며 적절한 데이터를 더 많이 줄수록 더 신뢰성 있는 규칙을 찾는다. 데이터 기반 인공지능은 다양한 분야에서 개발 및 서비스 되고 있다. 요즘 서비스되고 있는 인공지능의 기술 대부분이 데이터 기반 인공지능..

2. 생활 속 인공지능 인공지능은 이미 우리 생활 속에서 많이 사용되고 있다. 인공지능 스피커가 말 한마디로 스피커를 켜고 커튼을 치는 것을 경험할 수 있다. 이를 사물인터넷이라고 한다. 여러 가지 사물들이 다 연결되어 있어서 말 한마디만으로 집안의 여러 가전을 크고 킬 수 있다. 인공지능 스피커가 우리의 말을 알아들을 수 있는 것은 인공지능 기술인 음성인식 기술을 사용했기 때문이다. 오늘날 들어 말귀를 알아듣는 인공지능이 개발되고 있다. 음성인식은 우리의 말을 글자로 정확하게 나타내는 기술이다. 글자로만 나타내는 기술을 넘어 그 문맥을 이해하는 인공지능으로 발달했다. 기계가 말을 하는 부분에서도 인공지능이 사용된다. 말소리의 음파를 기계가 자동으로 만들어내는 기술을 음성합성 기술이라고 한다. 음성합성 ..