[💬] 튜링머신과 딥러닝, 그리고 진화 알고리즘에 대해

[익명(211.106)]

이게 인디게임과는 별 관련이 없다는 걸 알지만,,,

밑에 triva님이 적은 글에 내가 알던 지식과 다른 오해가 있는 것 같아 적어봄,, 갤 취지에 맞지 않으면 삭제할겡

해당 글에서 다음에 대해 설명을 하려고 함

1. 튜링머신은 조건문인가?

2. 조건문을 랜덤하게 선택하고, 무엇이 선택되는지 플레이어가 정하는 진화하는 튜링머신

3. 인간의 뇌는 튜링머신인가?

4. 유전 알고리즘과 신경망, 신경망에서의 조건문?

1. 튜링머신은 조건문인가?

정리 하면 튜링머신 ⊃ 조건문(이 적힌 프로그램?)이 맞는 것 같다.

튜링머신은 기호들을 저장할 수 있는 메모리(테이프), 기호를 읽을 수 있는 헤더와, 읽은 기호 별로 다음 행동을 정하는 유한 상태기계가 구성요소인데

조건문과 튜링머신을 동일시하는건 개념적으로 오해의 여지가 있는 것 같다.

혹은 유한 상태 기계의 동작을 조건문이라고도 생각 할 수 있을 거 같은데, 그렇다 하더라도 튜링머신에 부분이지 튜링머신과 동치가 아니므로

튜링머신 ≠ 조건문  (유한 상태 기계, 조건문(메모리에 올라와 있는) 무엇을 뜻하던 간에...)

2. 조건문을 랜덤하게 선택하고, 무엇이 선택되는지 플레이어가 정하는 진화하는 튜링머신

튜링머신은 컴퓨터와 튜링 동치이기 때문에, 굳이 튜링머신을 만들지 않아도 컴퓨터에서 작성한 프로그램으로 똑같은 기능을 수행할 수 있음.

그러면 문제는 조건문을 랜덤하게 선택하고, 선택요소를 플레이어가 정하는 프로그램인데

선택요소를 정하는 것은 유전 알고리즘에 필수적인 적합도 함수 설계부분일 것이고,

조건문의 랜덤 선택은 일단 알고리즘이 작동할 문제공간과 평가함수가 정의 되지 않은 환경에서 유전 알고리즘에 유의미한 역할을 할지 모르겠다.

여튼 결론은 컴퓨터가 튜링머신과 튜링동치이기 때문에 굳이 튜링머신으로 돌릴 필요가 없당..

3. 인간의 뇌는 튜링머신인가?

 이건 논란이 많은 이야깃거리인거 가튼뎅 개인적으로는 어떤 측면에서 접근하냐에 따라 다를 것 같음.

 인간의 뇌와 튜링머신이 실제로 구성이 다르다는 건 당연할 거고, 기능적인 측면에서

 '인간의 뇌를 계산 가능한가?'에서 이 전제가 옳다고 생각한다면 맞지만

 튜링머신이 괴델의 불완전성 정리의 변주라는 걸 생각해 보면 좀 조심스러워 질 수 있는 게

 불완전성의 정리는 체계가 (수학 또는 귀납이나 연역으로 진행되는 논리체계)이 무모순성과 완전성을 둘 다 가질 수 없다고 하는 거니까..

 이거는 아직 모르게써영 ㅎㅎ;;;;

4. 유전 알고리즘과 신경망, 신경망에서의 조건문?

   유전 알고리즘과 신경망은 다른 방식으로 작동하는 알고리즘임

   둘 다 학습이라는 측면에서 같지만 원리와 특성은 완전히 다르다고 생각함

   유전 알고리즘은 기호의 선택, 변이, 교차 같은 과정으로 우연과 유전자들의 안정성에 기반한다면

   신경망은 역전파에 의한 경사하강법으로 우연에 기대지 않고 데이터에서 학습함(학습 데이터나 하이퍼 파라미터에 대한건 다른 이야기니까...)

   유전 알고리즘의 본체가 신경망이라는 이야기는 동의할 수가 없넹..

   그리고 신경망을 조건문을 만들겠다는 건 정확히 어떤 건지는 잘 모르겠는데,, 일반적인 분기의 의미에서 조건문을 말하는 거라면

   신경망의 구성요소인 퍼셉트론이 이미 조건문의 역할을 하고 있음.

   퍼셉트론은 가중치와 입력값의 처리의 합이 활성함수를 만족하냐에 따라 동작을 다르게 하는 것이고, 뉴런의 동작을 본따서 만든 것이니까...

   옛날 단층 퍼셉트론은 선형 분류만 가능했지만 다층(딥러닝)으로 비선형 분류까지 가능해졌엉,

   

긴 글이라 잘 읽힐 지 모르겠다.

triva님이 쓴 글을 보면 ai나 진화에 대한 열정이 보이는 것 같아 좋은데 해당 개념들에 대해 너무 추상적으로 이해하고 있는 것 같아서 써봤엉..

아마 똥글이나 어그로 취급 받는게 이런이유이지 않을까 싶음,,,

마지막으로 비겁하지만 나도 전문가가 아니니까 틀린 부분이 있을 수 있당 ㅎㅎ;;;

그럼 화이팅!

[익명(175.195)]

쟤 어그론데 뭘이리 관심이

[익명(210.205)]

3번은 뭔 지도 모르는 개소리를 씨부려놓노

[익명(118.35)]

http://www.aistudy.com/computer/church_turing_thesis.htm
계산가능성이나
정지문제, 하이퍼 계산을 두고 한말이엇엉

[triva(zomi12)]

NEAT알고리즘이 유전알고리즘이랑 신경망 결합한거임

[익명(211.220)]

NEAT 알고리즘은 학습에 유전알고리즘 신경망이 동시에 쓰이는 개념이 아니라, 특정 문제에 대한 신경망 구조의 최적화에 유전 알고리즘을 사용한거양.

[익명(211.220)]

특정 x 문제를 해결하는 데 신경망을 사용하고, x에 최적화된 신경망의 구조를 찾는데 유전 알고리즘을 사용하는거라 결합은 결합이긴 한 데 두 문제를 다른 방법으로 따로 푼 거니까. 이거는 보는 거에 따라 다를 순 있겠당;;

[triva(zomi12)]

님 이글 글쓴이임?

[익명(118.35)]

넹넹

[triva(zomi12)]

신경망 자체랑 신경망을 역전파로 인한 경사하강법으로 수정해나가는거랑 분리해서 생각할수는없음??

[triva(zomi12)]

그리고 신경망을 수정하는 알고리즘또한 신경망으로 구현할수있을까? 그러니까 신경망을 수정하는 신경망을 유전알고리즘으로 찾는거지

[익명(185.189)]

야 왜 답신 안주냐고

[익명(118.35)]

현재 신경망 자체가 역전파를 통한 다층 퍼셉트론의 학습인데 신경망에서 그걸 분리한다는건 이상한거 같음. 그러면 신경망이 아니라 다른 모델이 되겠지?

[triva(zomi12)]

그럼 신경망의 구조를 역전파가 아닌 유전알고리즘으로 찾는건 뭐가되요? - dc App

[triva(zomi12)]

그리고 뇌가 실제로 역전파를 쓰나요? - dc App

[익명(118.35)]

위에서도 말했듯 신경망과 유전 알고리즘은 둘다 학습 알고리즘임 원리는 다르지만, 신경망의 최적구조를 풀어야 되는 문제로 만들어서 유전 알고리즘이 풀게한거

[익명(118.35)]

뇌가 실제로 역전파 알고리즘을 사용하는지는 잘 모르겠어요. ㅎㅎ

[triva(zomi12)]

그럼 신경망을 역전파가 아니라 유전알고리즘으로 최적화 한거예요? - dc App

[익명(118.35)]

Neat의 경우는 그게 맞아용ㅎㅎ

[익명(118.35)]

신경망의 구조 최적화를 경사하강법으로 하는 darts 알고리즘이 있기는 함. 그리고 마지막 말은 호문쿨루스 연쇄처럼 의미가 없지 않나.. 신경망을 최적화하는 유전알고리즘을 최적화하는........~~~ 알고리즘, 끝없이 층위가 깊어질덴뎅

[triva(zomi12)]

그런가요.. - dc App

[triva(zomi12)]

하지만 신경망을 수정하는 알고리즘이 존재하는건 사실이잖아요 그 알고리즘을 유전알고리즘으로 찾으면 안되나요? - dc App