-_- | +_+ | -ㅁ- | -ㅂ- | -ㅅ- | -ㅛ- | ( -_-) – ?

인공지능 에서 이어지는 포스팅.

관심있게 보는 분야이기도 하고 그 관심 덕분에 업무이기도 한 분야 – 머신러닝.

사람들의 경우 배우고, 배운 것을 이해하고, 이해한 것을 토대로 경험하고, 그 경험을 기반으로 다시 배우고 를 반복하면서 지식을 습득하고 그 지식을 바탕으로 자신 그리고 나아가서는 인류의 삶을 윤택하게 만드는데 이바지를 하게 되는데 이러한 학습 사이클을 기계에 적용을 시켜서 기계를 학습시키자.. 라는 아이디어를 구현한 것이 바로 머신러닝.

여기서 사람이 컴퓨터를 가르치고 컴퓨터가 사람에게서 배움을 받기 때문에 장점과 단점이 그 과정에서 명확하게 나타남.

장점
1. 가르치면 저장공간이 부족하지 않으면 잊지 않는다.
2. 배우는 속도가 빠르다.
3. 2번의 이유로 학습량 자체가 엄청나게 많다.

단점
1. 가르친 것만 안다.
2. 경험을 기반으로 다시 배우는 것에는 문제가 발생 할 수 있는 가능성이 (매우) 높다.
3. 2번의 이유로 사람이 지속적으로 관리를 해주지 않으면 안된다.

인공지능이라고 하면 자기가 스스로 배우고 그 배움을 기반으로 액션을 취하는 것을 이야기 할 수 있는데 아래의 youtube 동영상은 왜 사람의 손길이 기계에겐 여전히 필요한지를 보여주는 일종의 예시 라고 볼 수 있음.
youtube영상 링크

동영상에서는 사람이 동영상을 유투브에 올리고 그걸 다시 다운 받아서 다시 올리고 다시 올리고를 1000회 반복하면서 원본 데이터가 어떻게 변해가는 지를 보여주는데 이 것이 현재 머신러닝이 가지고 있는 한계라고 생각 할 수 있음.

어느 시점에서는 이게 원본과는 너무 달라서 더 이상 가치가 없다라고 판단을 하고 더 이상 그 데이터를 통해서 배우는 것을 멈춰야하는데 정해진 알고리즘을 따르는 기계의 특성상 오염된 데이터가 포함 될 수 있고 그러한 오염된 데이터들 때문에 전체의 결과에 심각한 문제를 일으킬 수 있기 때문. 그렇기 때문에 해당 데이터에 노이즈가 얼마나 많은지 판단을 하는 역할은 (적어도 아직은) 사람의 몫으로 남아있는 상태이며 학습에 도움이 되는 깨끗한 데이터의 제공 역시 사람으로 한정이 되어있음.

머신러닝을 통해서 얻는 0과 1 사이의 값을 기계가 0 또는 1 이라고 학습을 할 수는 없기 때문에 – 0.72정도의 positive 값이 나왔어도 저건 0.72이지 1은 아님 – 이 분야에서 사람이 해야할 일은 아직 너무너무 많다라고 생각.

물 들어 오는 시기에 노젓는 포스팅 ㅎ

알파고와 이세돌 9단의 바둑으로 인공지능 A.I. 라는 이야기가 상당히 많이 나오고 있는 것 같음.

인공지능이라는 단어가 의미 하는 것은 단어 그대로 ‘인공’+’지능’ 인데 여기에서 핵심이 되는 것은 ‘지능’ 이 것. 그리고 그 지능을 만들어 주는 작업이 머신러닝 (Machine Learning)이라는 작업인데 그 일이 사람 손이 얼마나 많이 가는 일인지를 이 쪽 분야에 발을 걸치고 있으면 알 수 있음;; (갈려들어간 공돌이들의 숫자를 생각해보자고, 인텔은 외계인이라도 납치했다라고 하지만 -_-)

그렇기에 알파고가 이세돌과의 대국에서 승리를 했다라는 것은 수 많은 cpu 그리고 gpu가 사람을 이겼다 라고 결론을 내는 것 보다는 그 정도의 행동을 보여주도록 설계한 몇 백명 (혹은 몇 천명이 될 수도 있는) 사람들과 그 사람들이 쏟아부은 시간에 대한 결과물이 쓸만하더라 라는 쪽으로 생각을 하는 것이 조금 더 나은 것이 아닐까 라는 생각이 듬.

수 많은 박사 학위들을 가지고 있는 사람들을 몇 백명씩 모아서 몇 년동안 만든 것이 좀 쓸만 하더라. 딱 여기까지.

그리고 이와 관련된 머신러닝 관련은 아래의 포스팅에서 계속…
머신러닝

많은 기사와 글 들이 ‘인공지능이 지배하는 미래의 모습’ 이라던가 ‘인공지능의 등장으로 없어지는 직업’등 자극적인 글 들이 많이 보이는데 일어나지 않은 일에 대해서 적는 것을 우리는 소설 이라고 부르는 장르 문학으로 취급하고 있으니 그 부분만 참고 하면 될 것 같음. ‘인공지능으로 편리해질 우리의 모습’ 또는 ‘인공지능의 등장으로 새로 생길 산업’ 이런 쪽 역시 충분하게 나올 수 있으니.. 긍정적인 것 보다는 부정적인 것에 더 끌리는 쉬운 사람들을 낚는 용도에 현혹되지 않기를 🙂

최근에 엠넷에서 방송되고 있는 WIN이라는 프로그램을 챙겨보고 있다. YG에서 연습중인 팀 둘을 경쟁시킨 후 한 팀만 데뷔를 시키는 방송.

‘원래 트랙이 피아노를 찍은게 아니라 직접 친거 같아. 쳐서 박자가 조금씩 나가는거 같아.’

방송 3회때였나? A팀이 월말평가에 Alicia Keys의 New Day라는 노래를 선보이기로 결정을 하고 MR을 만드는 중 보컬인 강승윤이 했던 이야기.

보고 있을 당시에도 약간 괴리감? 같은게 있었는데 왜냐면 내 기준에서 피아노라는 악기는 ‘손으로 치는’ 악기쪽에 들어가지 ‘소리를 찍어내는’ 악기는 아니었기 때문에..
이번에 G-Dragon의 새 앨범을 들으면서 저 문구가 머리속에서 확 지나갔다. 강승윤이 이야기 했던 것 처럼 모든 소리들이 찍혀진 느낌의 소리였거든.

그리고나서 나름 최근의 그러나 약간은 트렌드에서 밀리는 ㅎ 빠지는 Machine learning이 생각이 났다.

실제 사람의 연주나 목소리는 없고 기계가 만들어낸 소리(ex 하츠네미쿠)를 사람들이 좋아하고 있는데 왜 노래는 아직 사람이 만들고 있지?
만약 작곡 프로그램에 지금까지 발표된 몇 년간의 빌보드 Top 100에 대한 라이브러리를 던져주면 그걸 분석해서 사람들이 무슨 소리를 어떠한 박자를 어떠한 목소리를 좋아하는지 배운다음 그 것들을 적당하게 섞어서 다른 음악 하나를 내놓을 수 있겠다라는 생각이 들었기 때문.
영국 라이브러리 넣으면 영국용 노래 하나 나오고 한국 넣으면 한국용 노래 하나 나오고 ㅎ 이런식으로..

그럼 과연 기계는 사람에게서 배우는 것인지.. 자신이 만들어놓은 결과를 다시 학습하여 또 다른 결과물을 내놓는 것인지.. 그렇게 배움이라는 것을 경험한 Machine들은 지금 시대를 살아가고 있는 사람들과 얼마나 다른 것인가? 에 대한 궁금증이 생겨버렸다.

http://en.wikipedia.org/wiki/Machine_learning