머신러닝 Machine Learning

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.

Leave a Reply