본문 바로가기

딥러닝4

6번째 이야기 - 머신러닝과 딥러닝의 공통점과 차이점 ● 인공지능을 만드는 방법으로써 머신러닝은 딥러닝이 주춤하는 사이 2,000년대 초반을 주름잡았다 말씀드렸습니다. 사실 머신러닝은 유력한 지배 방정식이 존재하고, 데이터가 상대적으로 많지 않은 분야에서는 지금도 유효하고, 강력합니다. 앙상블 기법을 쓰면 성능이 어지간한 딥러닝 모델보다도 좋게 나옵니다(..). 머신러닝과 딥러닝의 차이점을 명확히 알기 위해서는 공통점부터 살피는 것이 좋습니다. ● 이 둘의 공통점은 데이터를 학습하여 모델을 만든다는 점, 이 모델을 통해 분류 혹은 예측 등을 수행할 수 있다는 점입니다. 딥러닝에는 들어가지 않지만 머신러닝에는 포함되어 있는 것들에는 선형 회귀, 결정트리, SVM, KNN, 랜덤포레스트, 베이즈 네트워크, 주성분분석(PCA) 등이 있습니다. 음. 지난번 머신러.. 2022. 9. 4.
5번째 이야기 - 딥러닝 추론, 머신러닝, 전문가 시스템 ● 개인적으로는 컴퓨터의 지식을 사람의 뇌 속에 업로드하는 것이 과연 가능할지 궁금합니다. 조니 뎁이 주연한 영화 트렌 센더스(2014)는(2014) 이것을 전제로 하는 영화인데 말이죠. 어쨌든 진정한 의미에서의 인공지능의 구현은 인간이 뇌의 작용을 명확히 이해하는 것이 선행되어야 가능함을 알게 되었습니다. ● 딥러닝 44대 천왕 중 한 명인 앤드류 응의 말을 마지막으로 읊어봅니다. "인공지능 분야에 상당한 진전이 있었지만 그렇다고 AGI에도 어떤 진척이 있다는 뜻은 아니다. 인공일반지능에 대한 논의는 화성에 가보지도 못한 인류가 화성의 인구 과밀에 대해 걱정하는 것과 같다. AGI같은 헛소리는 집어치우고 급한 문제에나 시간을 더 내자" ● 여성의 바지 착용과 딥러닝 추론의 상관관계 ● 19세기 말 페미.. 2022. 9. 4.
4번째 이야기 - 무의식의 상관관계, 상식의 저주, 기호주의 ● 조선시대에도 한 명의 왕이 실정 하면 나라가 흔들릴 수 있기에 정도전 같은 이는 재상정치를 주장하기도 하였습니다. 물론 정도전의 이런 개혁적인 성향은 이방원과의 충돌을 불가피하게 했고, 숙청됨에 따라 재상 정치도 없던 일이 되어버렸습니다. 하지만 조선이라는 나라는 왕 못지 않게못지않게 신하들의 의견이 못지않게 중요시되는 시스템을 갖고 있었습니다. 사실 말이 왕이었지, 주변에 왕을 견제하는 세력들이 항상 많았고, 어느 줄을 서느냐에 따라 가문이 권세를 누리기도 하고, 풍비박산이 나기도 하였습니다. ● 인간의 인격에 의존하지 않기 위해 시스템이 필요하다는 명제는 시대를 불문하고, 인류 역사 학습의 산물로 국가와 사회, 조직을 유지하는데 있어 여전히 강력하게 유효합니다. 세대에 걸쳐 사람이란 모델은 생물학.. 2022. 9. 4.
1번째 이야기- 머신러닝 알고리즘, 딥러닝, 볼츠만 머신 ● 2000년대 들어서 다양한 머신러닝 알고리즘들이 딥러닝의 빈자리를 채우며 인공지능의 대세를 이루게 됩니다. 이제껏 딥러닝이 월드클래스가 되기 전 시대를 풍미한 머신러닝 알고리즘에 대해 알아봤습니다. ● 그 머신러닝 알고리즘에는 SVM, KNN, 의사결정트리의사결정 트리, 랜덤포레스트랜덤 포레스트, 앙상블학습(배깅, 부스팅) 등이 있었습니다. 그나저나. 머신러닝이 잘 나갈 때, 딥러닝은 혼자서 울고 있던 것만은 아니었습니다. 조용히 칼을 갈고 있었죠. ● 2006년 볼츠만 머신을 이용한 학습방법이 재조명됩니다. 이 볼츠만 머신의 핵심 아이디어는 바로 Unsupervised Learning, 즉 label이 없는 데이터로 미리 충분한 학습을 한다는 것이며 그 후에 앞에 나온 역전파 알고리즘 등을 통해 기.. 2022. 9. 4.

티스토리툴바