[🐣질문] 혹시 머신러닝 딥러닝 잘아시는분

[익명(14.36)]

머신러닝 딥러닝 요즘 관심있어서 알아보는중인데요

아무리봐도 이해가안가는데

원래 코딩은 자기가 한일만 실행을하잖아요.

근데 머신러닝 딥러닝 이런거는 내가 설계하지않는걸 지들이 실행하는 그런건가요?

아니면 

그냥 규칙이랑,답을 정해줘야만 방법을 자기가 반복실행 해서 최적의 값을 찾는 것 뿐인가요?

제가 생각하는 인공지능이랑 좀 다른거같아서 여기에 질문해봅니다.

[익명(118.241)]

프로그래밍 갤로

[익명(1.235)]

그걸왜여기서물어보냐? 그런능지로 생각을?!!!

[익명(211.189)]

시킨 거 밖에 못한다.

[익명(58.141)]

답을 정해주고 학습시키는건 supervised learning이고 답을 안정해주는건 unsupervised learning라고 나뉠텐데

[Heisia(heisia)]

일단 딥러닝은 머신러닝의 하위 분류이고, 머신러닝에서 우리가 하는건 데이터로 학습할 수 있도록 모델을 잘 만드는 겁니다. 그리고 적절한 데이터로 학습시키면 잘 작동하는거죠. 모델 -> 사람, 데이터 -> 경험 이 정도로 비유가 가능할 것 같아요. 질문에 답해드리자면 머신러닝이라고 우리가 설계하지 않은게 막 실행되고 그런건 아닙니다. 모델 - dc App

[Heisia(heisia)]

알고리즘을 직접 짜는게 아니라 모델이 적응할 수 있도록 만드는 거지요. - dc App

[익명(14.36)]

수행은 사실 일차원적으로 인풋넣고 함수넣으면 넣은대로 실행되는게아닌가요? 이것과 딥러닝이 어떤차이가있나요? 그냥 단순히 그함수에 경우의수들을 다양하게 하도록 하는것뿐인가요그럼? 제가생각하는 인공지능이랑좀다르네요..

[익명(14.36)]

알고리즘을 직접짜는게아니라 모델이 적응할수잇도록 만든다는부분이요.잘이해가안가는데 데이터로 학습을 시킨다는게... 그럼 그데이터에서 유의미한 인자를 값으로 매겨서 프로그래밍을 해야될텐데 그럼 이미 거기서 인간의 견해가 들어가버리는거아닌가요? 인간이 원하는 인자값을 프로그래밍을 하는것이라 결국 인간이 설계한대로 그저 반복실행해서 최적의 값만 찾아내는것이아닌가요?

[익명(14.36)]

프로그래밍갤도 물어봤는데 잘모르는거같더라고요.. 위키랑 유튜브 구글링 몇일해봤는데 잘모르겠어서요 ㅜㅜ

[Heisia(heisia)]

인간이 설계한대로 반복 실행은 당연하죠. 세상의 어떤 프로그램도 하늘에서 떨어지지는 않습니다. 인자라고 하면 학습시킬 파라미터와 하이퍼파라미터가 있는데 파라미터를 학습시키는게 머신러닝의 목적이고 이건 데이터를 넣어주면 모델이 알아서 학습합니다. 하이퍼파라미터는 사람이 설정해야하는데 얼마나 빠르게 학습할지 등등의 정보를 가지고 있습니다. - dc App

[Heisia(heisia)]

아무래도 조금 더 공부를 하시는게 좋을 것 같아요.. - dc App

[익명(mhmhrmh)]

후장

[익명(118.241)]

현재의 인공지능은 사람이 인풋과 아웃풋을 정해줘야 하는게 맞음. 예를 들어서 바둑두는 인공지능 알파고의 경우, 인풋이 바둑판의 돌의 위치이고, 아웃풋이 바둑판 어디에 돌을 둘것인가? 라고 정해져있음.

[익명(118.241)]

인공지능의 역할은, 주어진 인풋에서 최적의 아웃풋을 계산하는거임. 단순한 함수의 경우 사람이 인풋을 어떻게 계산해서 어떠한 아웃풋을 출력할 지 로직을 짜야하지만, 인공지능의 경우 그 로직을 기계가 데이터를 기반으로 스스로 만들어감.

[익명(118.241)]

기계가 데이터를 기반으로 로직을 만들어 가기 때문에 사람을 뛰어넘는 아웃풋을 도출해 내는것이 가능해짐. 다시 알파고의 예를 들면, 바둑하는 함수를 사람이 짠다고 했을 때, 승률이 높은 로직을 짜는것이 거의 불가능함. 하지만 알파고의 경우, 방대한 데이터를 기반으로 스스로 로직을 짜고 수정해 나가기 때문에 사람의 상상을 뛰어넘는 결과를 도출해 나가는거임. 하지만 결국 알파고가 도출하는 결과는 바둑판 위의 바둑알 이라는것이라는것은 어쩔수 없음

[익명(118.241)]

위의 댓글에 써있는 의문점을 설명하자면 1. 인공지능에 인간의 견해가 들어가는가? 엄청나게 들어간다. 인풋과 아웃풋을 인간이 정해줘야 하기때문에 결국 인간의 견해가 들어갈 수밖에 없음. 2. 딥러닝이란것은 무엇인가? 매우 단순하게 말해서, 기계가 짜는 로직을 엄청나게 방대하고 복잡하게 한것이다.

[익명(118.241)]

사람의 견해가 엄청나게 들어가기 때문에, 인공지능 알고리즘 연구가 아닌 산업에 적용하는 경우에는 사람의 "센스"가 매우 중요해짐. 주어진 문제를 어떻게 정의할 것인지에 따라서 인공지능이 잘 풀 수 있는 문제가 될 수도 있고 전혀 학습이 안되는 문제가 되기도 한다. 예를 들어서 지하철 역에 배치되어있는 자판기에 어떠한 음료수를 얼마나 넣어야 최적의 수익을 낼 수 있는가? 이런 문제를 풀 때 이 문제를 어떻게 정의할 것인가, 인풋과 아웃풋은 무엇인가? 이것을 정하는게 가장 중요해진다

[익명(118.241)]

그렇게 사람이 정의한 문제랑 인풋과 아웃풋을 가지고, 실제 로직을 짜는것이 인공지능이라는거시지... 뭐 적어도 산업에 적용하는 인공지능은 이렇게 인식되어지고 있다. 하지만 최신 연구논문은 또 다른거 같더만 ㅋㅋ 거기까지는 몰?루

[BIV(silverratte)]

제가 머신러닝에 대해 잘아는건 아니지만 그 최적의 값을 찾는게 의미가 있눈걸로 압니다 이미지 처리 같은데서 고양이 사진이 다른 사진들과 구분될 수 있는 특정 픽셀들이 얼만큼 중요한지에 대한 최적값을 사람이 일일히 계산할 수 없움

[익명(14.52)]

최신 연구들이야 뭐 엄청나게 세련되고 많은 기법들이 적용되고 있을텐데 아주 단순하게 얘기해 보자면 어떤 문제에서 구해야 하는 답이 있다고 치면 결국 AI가 하는 일이란 y = f(x) 에서 f(x) 부분을 스스로 구성하는 것이라고 볼 수 있음. 미리 준비된 입력과 답안 셋이 충분히 많이 주어진다고 쳤을때 f(x) 는 1차 함수도 될 수 있고 2차함수도 될 수 있고 그 이상의 함수들이 될 수도 있음. 만약에 1차 함수라고 친다면 ai가 구해야 하는건 결국 ax + b 의 a와 b가 되는데 모든 입력값에 대해서 a , b를 적당히 대입해서 답이랑 가장 가까워지도록 미세하게 a와 b를 조정하게됨. 그러면 최종적으로 결정되는 a, b의 구성이 있는거고 이걸 일반적으로 학습이 진행된 모델이라고 부름.

[익명(14.52)]

여기에서 a와 b를 결정하는데 인간이 아무런 의도를 반영하지 않은채로 시작할 수 있으니까 인간이 규칙을 정하지 않았다고 얘기하는거지.. 나도 문외한이라 자세하게는 모른다 근데

[익명(175.204)]

인공지능이란 용어자체가 오염됐어. 요새 말하는 거는 옛전에 인공지능 개념이 아니고 그냥 기계학습, 딥러닝, 머신러닝임. 그거랑 구분한답시고 또 '강인공지능' 이딴 용어 들고 오는 놈들 있고.