인공 지능과 로봇 공학이 다른가?

AI와 Robotics를 차별화하는 데 도움이 필요합니다. AI와 로봇 공학이 서로 다른 분야입니까? 아니면 로봇 공학이 인공 지능의 주제입니까?

AI와 로봇 공학에서 경력을 쌓고 싶습니다. 소중한 제안이 필요합니다. 웹과 검색하려는 일부 대학을 검색했는데 검색중인 항목을 찾을 수 없습니다.

그들은 달라요. 그것들은 종종 함께 사용되지만 두 가지는 특별히 관련이 없습니다.

인공 지능은 컴퓨터 과학의 한 분야 로, 입력이 증가 할 때마다 기하 급수적으로 또는 요인 적으로 복잡한 작업 인 컴퓨터에서는 전통적으로 어려운 문제를 해결하는 데 중점을 둡니다 . 예를 들어 XKCD 영화 좌석 문제 는 5 명에게는 120 개의 옵션이 있지만 20 명에게는 2,432,902,008,176,640,000 옵션이 있습니다. 또 다른 예는 당신이에서 볼 수있을 점의 많은 수천 처리 될 것 라이다의 같은 이미지를 ( 이 하나) 영역을 탐색하는 계획을 세우기 위해. 인공 지능 분야는 이러한 유형의 문제에 대한 수용 가능한 해결책을 얻는 데 적합한 지름길을 찾으려고 노력합니다. 가능한 각 솔루션을 개별적으로 평가 한 후 최상의 솔루션을 선택하는 데 시간이 너무 오래 걸립니다.

로봇 시스템은 단순히 목표를 추구하여 환경을 측정하고 반응 할 수있는 기계 시스템입니다. 이것은 AI가 필요없는 역 진자 균형을 잡는 것만 큼 ​​간단 할 수 있습니다 . 또는 접는 타월 을 인식하는 것만 큼 ​​복잡 할 수 있습니다. AI는 "타월 인 물체", "어떻게 줍는가", "접는 방법"등을 분류해야합니다.

간단히 말해 AI는 로봇 공학 엔지니어가 로봇 시스템에 통합 할 수있는 많은 도구 중 하나입니다.

AI는 사람들마다 다른 것을 의미하며 비전, 자연어 처리, 지식 표현 및 엔지니어링, 기계 학습 등과 같은 많은 하위 영역을 캡슐화합니다. AI의 대부분은 로봇 공학에 응용할 수 있습니다. 그러나 AI 연구를 수행한다고해서 직접 또는 어떤 방식 으로든 로봇과 협력한다는 의미는 아닙니다. 로봇과 함께 일한다고해서 반드시 인공 지능 연구를하는 것은 아닙니다.

내 머리 위에는 Georgia Tech , MIT , CMU , Stanford , Brown , Johns Hopkins 등 몇 가지 좋은 프로그램이 있습니다 (나의 연구와 관심사에 근거한 나의 의견) .

주의 :
석사 학위에 따라 다를 수 있지만, 연구를하고자한다면 CS 부서의 특정 부문에 대한 일반적인 평판을 바탕으로 학교를 판단해서는 안됩니다. 대신 연구를 수행 할 특정 교수를 찾아야합니다. 잘 알려진 학교에 다니는 것은 훌륭하지만 교수가 관심있는 일을하지 않으면 스스로에게 장애를 겪게됩니다.

로봇 공학과 인공 지능의 차이점을 이해하고 싶다면 그것을 생물 대 뇌 (보다 정확하게는 신경 시스템)로 생각할 수 있습니다.

우선, 모든 생물체에 뇌가있는 것은 아닙니다. 그들은 신경을 가지고있어 반사적으로 행동 할 수 있습니다. 그들은 어떠한 인공 지능을 가진 로봇에 해당합니다 (참고 : AI의 정의가 아닌 것을 정확).

두뇌가있는 몇몇 생물이 있지만, 아주 멍청한 두뇌가 있습니다 (복잡한 일을 할 수는 있지만 새로운 방법을 배울 수는 없다는 의미입니다). 이들은 더 복잡한 알고리즘을 가진 로봇이지만 여전히 학습이 없습니다. 일부는 AI가없고 특정 종류의 AI로 간주합니다.

흥미로운 것은 그들이 배우기 위해 사용하는 뇌를 가진 것들입니다 (예 : 인간, 고양이, 돌고래, 코끼리 등). 그들은 AI를 가진 로봇과 같습니다.

요약하면, 로봇 공학은 전체 과학 세트입니다. 수학, 물리, 기계, 전자, 재료, 제어, 기하학, 인공 지능 등 그러나 각 과학 자체는 로봇 공학을 뛰어 넘습니다.

당신은 AI를 학습 한 후 이동하는 경우, 당신은 할 수 나중에 자신의 결정에 따라, 로봇 또는하지를 적용 끝낸다. 당신이 로봇을 학습 한 후 이동하는 경우, 당신은 할 수 나중에 자신의 결정에 따라, 자사의 AI 작업 여부를 끝낸다.

그러므로 나는 나의 가능성을 생각하는 것이 좋습니다. 예를 들어, 현재 로봇 공학에 AI에 관심이 있다면 미래에 AI에 관심이 없으면 어떻게 될까요? 알고리즘 소프트웨어에 일반적으로 관심이 있다면 AI를 선택하십시오. 로봇 공학에 대한 생각이 바뀌더라도 여전히 집중해야 할 것이 있습니다. 실제 물건을 만드는 데 특히 관심이 있다면 로봇 공학을 사용하십시오. 나중에 AI에 대한 생각이 바뀌더라도 로봇 작업을 계속할 수 있습니다.

로봇 공학과 인공 지능은 모두 겹치는 분야입니다. 그러나 그들 중 어느 것도 다른 것의 부분 집합이 아닙니다.

예를 들어, 로봇 공학은 일반적으로 인공 지능과 관련이없는 하드웨어 설계를 다룹니다. 반면 인공 지능은 날씨 나 주식 시장 예측과 같이 로봇 공학과 관련이없는 많은 빅 데이터 분야를 다룹니다. 두 분야의 공유 분야는 컴퓨터 비전, 자연어 처리, 경로 찾기, 행동 계획, 의사 결정입니다.

로봇 공학 경력에도 관심이 있습니다. 제가 여러 번 얻은 조언은 오늘날 로봇 공학에서 가장 큰 도전 과제이기 때문에 인공 지능에 뛰어 드는 것입니다. 대부분의 로봇 프로젝트에서 기계 또는 전자 설계는 경계가 아니라 소프트웨어입니다.

인간은 이미 대부분의 하드웨어 문제를 해결했습니다. 최적화에는 여전히 연구가 필요하지만 인공 지능에서는 돌파구가 생길 수 있습니다. 이러한 혁신은 논란의 여지가 있지만 여전히 진화하는 분야입니다.

_{하드웨어 디자인에 인공 지능을 사용하는 것은 흥미로울 것입니다. 누군가 이미 그렇게했는지 모르겠습니다.}

분류 시스템 사용 :

• 입력의 경우 로봇은 측정, 감지 / 센서 및 방법론을 통한 트립을 수행합니다. (표준 논리 연구).
• 입력을 위해 AI는 측정, 감지 / 센서 및 논리적 방법론을 적용합니다. (고급 로봇 공학 및 고급 프로그래밍).
• 입력을 위해 인간은 방법론을 통해 측정, 감지 및 반응합니다. (인식 연구).

계속하십시오 (출력의 경우 ... 계속). (프로세스의 경우 ... 계속) (메모리의 경우 ... 계속). (피드백을 위해 ... 계속). (제어를 위해 ... 계속).

살아있는 예 : 비록 개미가 생명체를 갖기는하지만 일반적으로 방법론도 약간 로봇처럼 움직입니다. 지능이있는 동물은 일반적으로 약간 인공적인 특성을 적용합니다. 농부가 총을 가지고 올 때 손이 나무에 붙어있는 개코 원숭이는 잘못된 반응이 필요한 반응을 마스터하는 데 사용되고 있음을 보여주는 논리적 착취입니다. IQ가 낮은 사람도 비슷한 어려움을 겪을 수 있습니다. 하루에 낮은 지점에서 비슷한 어려움이 생길 수 있습니다.

결과에 대하여 인간은 전능하지 않으며, 복잡성이 적거나 높음에도 불구하고 동등하게 능가 될 수있다. 따라서 다양한 복잡성이 활동의 ​​진행으로 인스턴스화 될 때 결과는 유기적입니다. 예를 들어 개미는 이상한 길을 꾸! 다!

아카데믹 / 시맨틱 패러다임의 확장 가능한 사용법 의 로봇 구조는 더 큰 활동으로 확장 될 수 있지만 어떤 종류의 지능으로 간주 될만큼 충분히 진보 된 것은 아닙니다. 대규모 조직 연구와 곤충 조직과의 비교 연구에서 (주제) 주목됩니다. 단순한 착취는 고차원 지능의 개발을 만족시키기에 충분하지 않습니다.

*이 답변에서는 고려되지 않았습니다. 진화 된 디자인입니다. 예를 들어 식물과 예술에서 연구 한 바와 같이.

연구

심문 지능 : http://media.johnwiley.com.au/product_data/excerpt/40/11183378/1118337840-238.pdf

하위 인텔리전스에 의해 극복 된 복잡성의 예 : ... hal.archives-ouvertes.fr/hal-00917542/

제한된 개인의 진화 된 성과 연구 : ... / trends / neurosciences // retrieve / pii / S0166223613000039? cc = y

"행동 지능 + {keyword / specialty}"를 검색하여 무엇이든 찾을 수 있습니다 : http://scholar.google.com/scholar?q=behavior+intelligence+robot&btnG=&hl=ko&as_sdt=0%2C5&as_ylo=2013

기본 로봇 모델

지각:

센서 (레이저 스캐너 및 카메라와 같은)를 사용하여 환경에서 입력 데이터를 수집합니다.

계획:

이것은 AI 가 등장 하는 부분입니다 (센서에서 오는 입력에 대한 로봇이 세계에서 그가 현지화 또는 목표를 찾기 위해 어디로 가야하는지 등의 지능형 결정을 내릴 때)

동작:

동작은 출력이 액츄에이터에 주어진 명령 (모터 및 서보와 같은)을 의미합니다. 이것은 제어 이론 및 제어 시스템 분야에 속합니다. 집중 수학의 사용 선형 대수 및 제어 시스템도 인식을 포함합니다 (외부 및 내부 감각).

배경:

로봇 공학은 본질적으로 디자인 (Dn), 기계 공학 (ME), 전기 / 전자 공학 (EEE) 및 컴퓨터 과학 (CS)의 4 가지입니다. 이제 어느 대학을 선택 하느냐에 따라이 네 가지 과목의 구성이 크게 달라질 수 있습니다. 저는 잉글랜드 서부 대학에서 로봇 공학을 전공하며 전적으로 EEE + CS에 중점을 둡니다. 이제 3 년 동안 다룰 수있는 것이 너무 많기 때문에 Computer Science 구성 요소는 AI, 소프트웨어 설계 원칙 및 프로그래밍으로 구성됩니다 (C로 시작한 다음 MATLAB 및 AI로 관심있는 PL로 시작).

인공 지능 (AI) :

AI와 관련하여 다루는 주제에는 (전체가 아님),

• 지식 표현, 문제, 검색 공간 및 기술.
• 로봇 공학의 AI 패러다임 (행동, 반응, 심의 등)
• 고급 AI-기계 학습, 유전자 알고리즘, 최적화 기법 (스웜, 입자 등), 퍼지 논리, 신경망, 적응 신경 퍼지 추론 시스템 등
• 컴퓨터 시각 인식.

로봇 공학은 AI와 분리 할 수 ​​없습니다. 코스가 로보틱스라고 진정으로 말하기 위해서는 처음에 언급 한 컴포지션에 4 가지 요소가 있어야합니다.