너무 이해도가 낮아서 뭐라 말을 못 하겠는데
결국 어떤 데이터 셋을 먹였을 때 정확한 아웃풋을 내는 curve fitting에 대한 기술 같음.
그런데 인간이 그 AI의 추론을 못 따라간다는 말이 나오는 이유는 결국 추상화 레벨 때문인 거 같아.
사람이 무언가를 배울 때는 데이터를 오감으로 받아들여서 패턴 인식을 통해 배우게 됨.
그리고 그 패턴에 명칭을 붙임으로서 언어적으로 다룰 수 있게 되거든.
이게 추상화 과정의 본질임.
공통점(패턴)을 찾아내고, 그 공통점에 명칭을 붙여 우리가 알고 있는 언어 모델에 추가 시킨 뒤
기존 지식체계에 편입 시키는 거지.
그런데 그 패턴을 어떻게 찾아 내느냐.. 결국 이게 curve fitting 하는 과정인 거 같고..
딥러닝 기술은 그 curve fitting에 대한 기술인 거 같음.
----
AI가 개발자 대체 가능 하냐고 묻는 사람들이 있는데 내 생각에는 개발자가 아니라 인간의 압도적인 상위호환이 될 가능성이 있다고 봄.
왜냐면 IoT나 센서랑 붙이 의미론적 추론이 가능해짐.
의미론적 추론이 다른 게 아니라 현실과 대조 했을 때 이게 옳냐 옳지 않냐 판단하는 거거든.
최종적으로 현실에서 데이터 수집하는 센서들과 피드백 루프를 구성할 수 있다면?
그게 인간임.
그리고 엘론 머스크가 그리는 미래는 아마 뉴럴링크로 걍 초지능의 보편화가 아닐까 싶음.
거기서 조금 더 배우면 ai가 인간을 대체하지 못한다는걸 알게 될거야 ai의 추론은 학습 데이터 기반으로 인풋이 들어왔을때 인풋에 대한 가장 높은 확률을 가진 정답을 출력으로 내놓기 때문에 학습 데이터에 의존적일 수 밖에 없을뿐더러 인간은 보고 듣고 느끼는거 그 이상으로 추론이 가능해 (보이지도 않는 신을 믿는것과 비슷함) 그런데 ai가 학습데이터 그 이상의 추론을 가능하게 하려면 수학 알고리즘의 도움을 받아야하는데 그걸 누가 어떻게 짤지 문제지
ai의 predict는 학습데이터 기반으로 인풋 데이터의 최대 우도를 출력으로 내놓는거고 사람의 predict는 지금까지의 경험을 기반으로 아직 겪지 않는 무언가를 추론하는거고 추론의 기능이 조금 다름.
거기까지는 내가 너무 이해도가 낮아서 걍 공부 계속 해야할 거 같음.. 여튼 고맙다.