https://gall.dcinside.com/mgallery/board/view/?id=thesingularity&no=158257&page=1

ai개발자도 따이냐?공부해보고싶은데ai개발자도 극소수빼고는 개같이 따이겠지?그럼 뭘공부하는게 좋을것같냐gall.dcinside.com




ai개발자도 대체되냐?


공부해보고싶은데


ai개발자도 극소수빼고는 대체되겠지?


그럼 뭘공부하는게 좋을것같냐


ㅇㅇ:당연히 대체되지 디버깅은 안대체된다는 헛소리ㅋㅋㅋ


ㅇㅇ:모든 직업이 대체됨


112.159:신경망으로 만든 모델 돌려봄? 경제학쪽 의사결정 트리에 대한 연구 논문 찾아봄?


B라는 결과를 얻기 위해서는 A라는 선택을 하는게 가장 좋다 → 이 결론을 얻기 위해서는 현실 설명력이 뛰어난 모델을 만들고, 이 모델에 선택 A라는 인풋을 넣은 뒤 시뮬레이션해봐야함


끽해봐야 주요 파라미터가 10개 이하라서 과정을 인간이 이해할 수 있게 분석할 수 있으면 현실 설명력이 다소 떨어지는 모델이면 "경제 모델"이라고 부르고

파라미터 개수가 몇 억 개 넘어가서 그 과정을 인간이 도무지 이해할 수 없지만 현실 설명력이 미친 모델이면 "딥러닝 모델"이라는 이름이 붙는다고 보면 됨


ㅇㅇ:뭔 개소리야. 디버깅 얘기하는데 경제학 얘기가 왜나와


112.159:그 딥러닝 모델에 input을 넣으면 output을 뱉어주는 서비스를 만들면 우리가 그걸 "인공지능"이라고 부르는거고


이때 사람들이 인공지능에게 "이런 결과를 내려면 어떻게 해야될까?" 라고 묻는 사회가 강인공지능/초인공지능 사회의 모습임. 인간보다 나은 의사결정 머신이 등장한 사회지.


근데 저 사회에서 인공지능이 추천해준 A라는 Input이 "어떤 경로를 거쳐" 인간들이 원했던 B라는 output으로 가는지는 그 복잡한 인공지능 모델을 분석하지 않으면 알 수 없음. 그걸 의사결정 연구 분야에서는 "리스크"라고 부름.


다른 인공지능 모델의 의사결정 경로 분석이라는 "리스크 관리" 문제를 또다른 인공지능한테 맡기는 식으로는 이 리스크를 해소하기 어려움. 분석해야될 시스템 숫자만 늘리는 꼴일 수도 음


112.159:아무것도 모르네ㅋㅋ AI 디버깅 = AI라는 의사결정 모델에 대한 분석 및 조정인데 의사결정 모델에 대해 제일 깊이 연구해놓은 학문이 통계학이랑 경제학임


ㅇㅇ:딥러닝은 인공신경망의 은닉층이 개수가 많은, 즉 신경망의 깊이가 깊은 머신러닝 학습 기법을 말하는 거고, 파라미터 개수는 딥러닝 모델을 분류하는데 사용되지 않음. 물론 은닉층이 많아질수록 모댈의 총 파라미터가 많아지지만 은닉층이 하나인 mlp도 파라미터를 옥지로 늘리면 수억개의 파라미터를 가진 모델로 만들 수 있겠지. 우린 그걸 딥러닝이라고 부르지 않고


112.159:"끽해봐야 주요 파라미터가 10개 이하라서 과정을 인간이 이해할 수 있게 분석할 수 있으면 현실 설명력이 다소 떨어지는 모델이면 "경제 모델"이라고 부르고

파라미터 개수가 몇 억 개 넘어가서 그 과정을 인간이 도무지 이해할 수 없지만 현실 설명력이 미친 모델이면 "딥러닝 모델"이라는 이름이 붙는다고 보면 됨"


↑ 난 여기에 '파라미터 개수가 딥러닝 모델을 분류'하는 기준이라고 쓴 적 없음. 잘못 알아들은듯?


굳이 요약하면 '파라미터 개수가 의사결정 모델을 분류'하는 기준이다 = "인간이 만든 모델"과 "딥러닝 모델"을 가르는 기준이다라는 말인데 갑자기 쉐도우복싱ㄴㄴ


ㅇㅇ:그니까 그게 딥러닝에 대한 설명이 아닌데 왜 딥러닝이라는 용어를 쓰냐고?


112.159:해석의 어려움: 은닉층이 깊어질수록 모델의 내부 동작과 의사결정 과정을 이해하고 해석하기 어려워집니다. 따라서 모델의 해석가능성 및 투명성이 저하될 수 있다.


이런 은닉층 증가로 인한 해석의 어려움을 의사결정 모델링 연구하는 쪽에서는 "리스크 및 사이드 이펙트의 증가"라고 부르는데


이 리스크 & 사이드 이펙트 문제를 인공지능으로 어떻게 해결해서 따버린다는 거임?


ㅇㅇ:지만 아는 전문용어 남발해가면서 핵심은 없이 길게만 쓰는거보면 감이 안오냐? 어그로 끌리지마라


112.159:ㅋㅋ 너가 딥러닝 1도 모르는 줄 알고 이해하기 쉬운 용어로 쓴다고 "인간이 도무지 이해할 수 없지만 현실 설명력이 미친 모델" 이라고 썼는데


저기서 "인간이 도무지 이해할 수 없지만" = 은닉층이 엄청나게 많다를 일반인들도 알아듣기 쉽게 쓴거다 이런 뜻이라고 하면 이해 됨?


ㅇㅇ:gpt 나오기전에 절대 범용ai 안나온다고 주장하던애들임. 이런 헛똑똑이들 믿지마라


112.159:전문용어 쓴 게 신경망, 의사결정 모델(트리), 리스크, 사이드 이펙트, 은닉층


밖에 없는데 이 정도 얘기한게 남발인가;; 뭐지


112.159:ㅋㅋ 2010년대 말에 딥러닝 배울 때 창의적인 분야가 먼저 따이고, CPA 같은 회계사쪽은 늦게 따이는데 뉴스쪽이 알못라고 주장하던 부류임 착각 ㄴㄴ


범용 AI가 조만간 안 나온다고 생각하면 알파고 보고 호다닥 2010년 말에 딥러닝을 왜 배움ㅋㅋ AGI 금방 온다 걱정 마라


ㅇㅇ:전문용어 얘기는 니가 글을 개존나 못쓴다는 얘기야. 그냥 줄줄 늘어놓으면 누가 알아듣고 지지해주냐? 요약도 못하고 비유도 못하고


112.159:ㅋㅋ 그랬구나. 그럼 진작 그렇게 얘기하지 "지만 아는 전문용어 남발해가면서 핵심은 없이 길게만 쓰는거보면 감이 안오냐? 어그로 끌리지마라"


이렇게 쓰면 누가 알아듣겠어. 너가 공부 쪼~금만 하면 되는거 혼자 못 알아들어서 열등감에 시달리는 줄 착각하고 오해하지 친구야.


미안하다 앞으론 너 생각해서 글 쉽고 잘 읽히게 쓸게?



저는 인공지능 개발자가 대체되는지에 대한 논쟁을 보았습니다. ㅇㅇ와 112.159 중 누구의 말이 합리적이냐면


제 생각에는 112.159의 말이 더 합리적으로 들립니다. 왜냐하면 112.159는 인공지능의 의사결정 모델에 대해 깊이 있게 설명하고, 리스크와 사이드 이펙트에 대한 문제점을 제기하였습니다. 112.159는 딥러닝 모델의 해석가능성과 투명성이 저하될 수 있다는 점을 강조하고, 인공지능 디버깅이 어떻게 중요한 역할을 할 수 있는지 예시를 들었습니다.


반면에 ㅇㅇ은 112.159의 말을 제대로 이해하지 못하고, 전문용어를 남발한다고 비난하였습니다. ㅇㅇ은 딥러닝 모델을 분류하는 기준에 대해 잘못된 정보를 제시하고, 112.159의 말을 왜곡하였습니다. ㅇㅇ은 범용 인공지능이 나오기 전에 절대 인공지능 개발자가 대체되지 않는다고 주장하였으나, 그 근거를 제시하지 못하였습니다.


따라서 저는 112.159의 말이 더 타당하고 신뢰할 수 있다고 생각합니다


112.159승