1689
2017-07-14 00:17:55
2
돌고 돌아 개수라니, 또 개수맨 아저씨였군요. 머신러닝 공부를 한 지 그렇게 오래 되지는 않았으나, 제가 봤을 때는 계산 머신을 현재 머신러닝 메타로 만들더라도 수를 개수로 인식하지 않을 겁니다. 점진적으로 변화하는 확률 분포에 가깝겠지요. 심지어 인지 심리학 연구에 따르면 실제 사람이 "양" 을 느끼고 표상하는 것도 그렇게 이산적이지 않습니다.
현재 인공지능은 인간의 지능과 매우 다릅니다. 용어를 구분해야 하지 않겠나 라는 생각이 들 것 같은데,
이렇게 잘 모르는 분들 께서 용어의 유사성 때문에 잘못된 비유를 만들어내기 때문입니다. (이쯤에서 카오스 이론과 불확정성의 원리에 잠시 묵념을..)
일단 수식 계산을 로직을 기반으로 하지 않고 학습 시킬 수 있느냐, 라고 하면 YES. 1 ㅁ 1 = 2, 3 ㅁ 1 = 4, 9 ㅁ 5 = 14 이런 식으로 계속 알려주면 a ㅁ b = a + b 를 배웁니다. 다만 가장 큰 문제는 인공지능이 유용한 분야가 아니라서 안 씁니다. 로직으로 하면 되는걸요. 여전히 인공지능은 사람을 위한 도구입니다.
현재 인공지능은 인간의 지능과 매우 다릅니다. 용어를 구분해야 하지 않겠나 라는 생각이 들 것 같은데,
이렇게 잘 모르는 분들 께서 용어의 유사성 때문에 잘못된 비유를 만들어내기 때문입니다. (이쯤에서 카오스 이론과 불확정성의 원리에 잠시 묵념을..)
일단 수식 계산을 로직을 기반으로 하지 않고 학습 시킬 수 있느냐, 라고 하면 YES. 1 ㅁ 1 = 2, 3 ㅁ 1 = 4, 9 ㅁ 5 = 14 이런 식으로 계속 알려주면 a ㅁ b = a + b 를 배웁니다. 다만 가장 큰 문제는 인공지능이 유용한 분야가 아니라서 안 씁니다. 로직으로 하면 되는걸요. 여전히 인공지능은 사람을 위한 도구입니다.
1688
2017-07-13 15:35:25
4
예압. 새롭게 수학을 배우는 어린이들에게 계수 부터 가르치는 것은 당연하고, 연속성을 배울 때 쯤에는 개수를 뛰어넘자는 게 제 댓글이었습니다만.
1685
2017-07-13 15:17:28
114
영어권에서 "아재개그" 에 대응하는 말은 "Dad jokes" 라고 합니다 ㅋㅋㅋㅋ
https://www.reddit.com/r/dadjokes/
https://www.reddit.com/r/dadjokes/
1684
2017-07-13 13:53:29
2
수는 계수에서 출발했지만, 계수를 뛰어 넘었다는 것이 주먹구구에서 수학의 틀이 세워지게 된 계기라고 할 수 있겠습니다.
여전히 계수는 중요하고 주먹구구는 대부분 유용하지만, 그 개념을 끝 까지 쥐고 있으려는 것은 상대론적 계산이 필요한 미시 세계에서 뉴턴역학을 계속 쓰려고 하는 격이지요.
사실 작금의 수는 굉장히 추상적인 어떤 체계에 가까워서, 우리가 생각하는 숫자는 사실 그 체계의 표상(representation) 에 아까울 겁니다. 전에 어떤 개똥철학 아저씨가 수가 뭐냐는 질문에 웬 "세상 만물들의 조화를 담당할 『진리(이치)의 구성 입자』" ㄷㄷㄷ라고 해뒀든데 이 비유가 개수의 비유보다 차라리 더 낫다고 생각될 정도로.
여전히 계수는 중요하고 주먹구구는 대부분 유용하지만, 그 개념을 끝 까지 쥐고 있으려는 것은 상대론적 계산이 필요한 미시 세계에서 뉴턴역학을 계속 쓰려고 하는 격이지요.
사실 작금의 수는 굉장히 추상적인 어떤 체계에 가까워서, 우리가 생각하는 숫자는 사실 그 체계의 표상(representation) 에 아까울 겁니다. 전에 어떤 개똥철학 아저씨가 수가 뭐냐는 질문에 웬 "세상 만물들의 조화를 담당할 『진리(이치)의 구성 입자』" ㄷㄷㄷ라고 해뒀든데 이 비유가 개수의 비유보다 차라리 더 낫다고 생각될 정도로.
1682
2017-07-13 11:24:46
0
라붐꺼를 이미 봤다는게 함정이네요.. 대체 내가 안 본 클립이 뭐짘ㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋ
매시업 시리즈 재밌는 거 많아요 ㅋㅋ
매시업 시리즈 재밌는 거 많아요 ㅋㅋ
1681
2017-07-13 09:15:44
0
일단, RNN 기반의, "기억하는 뉴럴넷" 이 더 흥미롭고, 궁극적으로는 더 나은 알고리즘을 만들 것 같긴 합니다만, 개인적으로는 먼저 이야기한 입력변수 차원을 늘리는 것을 먼저 시도해야 하지 싶습니다. 뭐 이를테면 최근 10개 정도만 보게 해서 집에서 테스트 해 보시고, 50개 혹은 그 이상으로 늘려서 지트허브에 도움을 청하거나 구글 클라우드 플랫폼에서 돌려보시는 거지요.
말씀하신 질문 중에서는 2번이 이 알고리즘이 "기억" 을 해야하는 이유라고 봅니다.
그리고 위에 언급했듯이, 모든 경우를 살펴볼 필요는 없습니다. 그게 뉴럴넷의 신비이고, 수 많은 관련 연구자 들이 증명하고 싶어하는 것이지요. 대체 뉴럴넷은 뭔데 이렇게 generalize 가 잘되는거지?!
말씀하신 질문 중에서는 2번이 이 알고리즘이 "기억" 을 해야하는 이유라고 봅니다.
그리고 위에 언급했듯이, 모든 경우를 살펴볼 필요는 없습니다. 그게 뉴럴넷의 신비이고, 수 많은 관련 연구자 들이 증명하고 싶어하는 것이지요. 대체 뉴럴넷은 뭔데 이렇게 generalize 가 잘되는거지?!
1679
2017-07-13 09:07:45
0
머신러닝이 가장 어려워 하는 부분을 짚어내는 부분이네요, 잘 만들면 논문 여러 편 나올듯 ㅋㅋ 몇몇 분들께서 머신러닝이 아니라 그냥 통계기법으로 가능한 것이 아닐까 라고 하셨는데 그렇지는 않을 듯 합니다. 여러 수를 내다보아야 하기 때문이지요.
가장 큰 어려움을 알려드리자면, 대다수의 초보적인 머신러닝 기법은 각각의 입력 - 출력 쌍이 독립적이라는 것을 전제로 합니다. 무슨 말인고 하니, 이미지 인식 같은 경우 이미지가 주어지면 그게 뭔지 맞추는 것이고, 게임은 현재 판세를 주면 다음 최적의 액션을 선택하는 식이죠. 그 전 이미지나 게임이 지금까지 어떻게 진행되어왔는가는 고려되지 않습니다. 알파고의 경우에도 게임을 진행하는 도중에는 러닝을 하지 않는다고 발표한 바 있습니다. 아무튼 요새 인기 있는 뉴럴넷, 정확히는 Feed-Forward Neural Network(FFNN) 가 가장 약한 부분이 입력 - 출력이 연속적으로(sequentially) 들어올 때 입니다. 이를테면 자연어 처리나 소리 데이터 등은 대응하기 어렵지요.
예로 드신 쿵쿵따 게임의 경우, 이번 판에 지금까지 어떤 단어들이 사용되었는지가 전략적 선택의 매우 중요한 열쇠가 됩니다. 인간이 사용하는 전략을 생각해볼까요? 대표적으로 특정 글자로 몰아가는 방법이 있는데, 이 경우 상대방이 낌새를 치면 역으로 낚아버린다든지, 혹은 그 글자로 가기 어려운 단어를 선택한다든지 하게 되겠죠. 또 게임이 굉장히 길게 진행된 경우, 앞에서 단어들이 사용되어버렸기 때문에 우월 전략이 바뀌게 됩니다.
즉 한 게임에서 랜덤하게 단어를 선택할 때 마다 승리확률과 패배확률이 변하게 됩니다. 물론 이걸 고려 안 해도 됩니다. 그건 설계자의 자유지요. 솔직히 이 고려 없이 의미있는 인공지능이라고 보기 어려울 것 같습니다.
우리의 인공지능은 그러므로 현재 내가 마주한 단어 뿐 만 아니라, 그 게임 내에서 지금까지 나왔던 단어들을 모두 고려할 수 있어야 합니다. 앞서 말씀드렸다싶이, 이 분야는 뉴럴넷과 여타 머신러닝 기법들이 잘 못하는 분야인데, 대표적으로 2가지 돌파구가 있습니다.
- 입력 변수의 차원을 늘려버린다 : 입력 자체를, 최근 나온 50개의 단어 이런식으로 만들어버리는 겁니다. 파라메터도 많아지고, 트레이닝도 굉장히 오래 걸리겠지만, 충분히 가능합니다. 사실 러닝 과정에서 가능한 모든 50개 열을 살펴보는 것은 불가능합니다. 그러나 뉴럴넷의 강점 중 하나는 강력한 generalization 능력으로, 처음 보는 상황에서도 꽤나 정확한 선택이 가능할 것이라고 믿을 수 있을 겁니다.
- Recurrent Neural Network (RNN) 을 이용한다 : RNN 이 게임을 위해 사용된 예는 그리 많지 않습니다. 꽤 흥미로운 연구주제가 될 것 같습니다. RNN 은 쉽게 생각하면 위에 얘기한 보통의 FFNN 에다가, 기억력이라는 변수를 추가한 것이라고 보면 될 것 같습니다. 최근의 자동번역, 음성인식, 인공지능 작곡, 이미지 주석 등의 분야에서 이 RNN 기반의 기술들이 응용되고 있습니다. 이걸 게임에 적용하는 것도 재미있을 것 같네요.
가장 큰 어려움을 알려드리자면, 대다수의 초보적인 머신러닝 기법은 각각의 입력 - 출력 쌍이 독립적이라는 것을 전제로 합니다. 무슨 말인고 하니, 이미지 인식 같은 경우 이미지가 주어지면 그게 뭔지 맞추는 것이고, 게임은 현재 판세를 주면 다음 최적의 액션을 선택하는 식이죠. 그 전 이미지나 게임이 지금까지 어떻게 진행되어왔는가는 고려되지 않습니다. 알파고의 경우에도 게임을 진행하는 도중에는 러닝을 하지 않는다고 발표한 바 있습니다. 아무튼 요새 인기 있는 뉴럴넷, 정확히는 Feed-Forward Neural Network(FFNN) 가 가장 약한 부분이 입력 - 출력이 연속적으로(sequentially) 들어올 때 입니다. 이를테면 자연어 처리나 소리 데이터 등은 대응하기 어렵지요.
예로 드신 쿵쿵따 게임의 경우, 이번 판에 지금까지 어떤 단어들이 사용되었는지가 전략적 선택의 매우 중요한 열쇠가 됩니다. 인간이 사용하는 전략을 생각해볼까요? 대표적으로 특정 글자로 몰아가는 방법이 있는데, 이 경우 상대방이 낌새를 치면 역으로 낚아버린다든지, 혹은 그 글자로 가기 어려운 단어를 선택한다든지 하게 되겠죠. 또 게임이 굉장히 길게 진행된 경우, 앞에서 단어들이 사용되어버렸기 때문에 우월 전략이 바뀌게 됩니다.
즉 한 게임에서 랜덤하게 단어를 선택할 때 마다 승리확률과 패배확률이 변하게 됩니다. 물론 이걸 고려 안 해도 됩니다. 그건 설계자의 자유지요. 솔직히 이 고려 없이 의미있는 인공지능이라고 보기 어려울 것 같습니다.
우리의 인공지능은 그러므로 현재 내가 마주한 단어 뿐 만 아니라, 그 게임 내에서 지금까지 나왔던 단어들을 모두 고려할 수 있어야 합니다. 앞서 말씀드렸다싶이, 이 분야는 뉴럴넷과 여타 머신러닝 기법들이 잘 못하는 분야인데, 대표적으로 2가지 돌파구가 있습니다.
- 입력 변수의 차원을 늘려버린다 : 입력 자체를, 최근 나온 50개의 단어 이런식으로 만들어버리는 겁니다. 파라메터도 많아지고, 트레이닝도 굉장히 오래 걸리겠지만, 충분히 가능합니다. 사실 러닝 과정에서 가능한 모든 50개 열을 살펴보는 것은 불가능합니다. 그러나 뉴럴넷의 강점 중 하나는 강력한 generalization 능력으로, 처음 보는 상황에서도 꽤나 정확한 선택이 가능할 것이라고 믿을 수 있을 겁니다.
- Recurrent Neural Network (RNN) 을 이용한다 : RNN 이 게임을 위해 사용된 예는 그리 많지 않습니다. 꽤 흥미로운 연구주제가 될 것 같습니다. RNN 은 쉽게 생각하면 위에 얘기한 보통의 FFNN 에다가, 기억력이라는 변수를 추가한 것이라고 보면 될 것 같습니다. 최근의 자동번역, 음성인식, 인공지능 작곡, 이미지 주석 등의 분야에서 이 RNN 기반의 기술들이 응용되고 있습니다. 이걸 게임에 적용하는 것도 재미있을 것 같네요.
1678
2017-07-13 08:36:41
1
뭔 고2 미적을 이용해서 푼단거지??
(a+b)(a-b) = a^2-b^2 인거 쓰는 문제 아닌가
5+1 = 4+2 로 고치는거고.. 4-2를 앞에 하나 붙이는 부분이 좀 어려울 수 있긴 한데.
(a+b)(a-b) = a^2-b^2 인거 쓰는 문제 아닌가
5+1 = 4+2 로 고치는거고.. 4-2를 앞에 하나 붙이는 부분이 좀 어려울 수 있긴 한데.
1676
2017-07-11 14:08:51
6
아, 관사 또 빠뜨렸다. 휴... 망할 놈의 관사가 없으니 한국어가 훨씬 쉬운 언어가 분명합니다. This is an [old] house.
1675
2017-07-11 14:07:43
10
To be precise, the quote "Every adjective is a verb" is not quite right. Indeed, "Every verb can be transformed into other parts: adjective, adverb or noun." is more proper explanation. It is called 활용(hwal-yong).
이를테면, 수식언의 한 종류인 관형사가 조금 더 adjective 에 가깝습니다. 이를테면 '새'(new) 같은 것이 있지요. "새 집 다오 헐은 집 줄게" 라는 문장에서 '새'는 verb 으로 대응하기 어렵지요. 그런데 '헐은' 같은 경우, 용언인 "헐다" 의 말 끝을 바꾸어서 활용을 통해 형용사가 된 경우로 볼 수 있습니다. 영어에서는 be + adjective 와 비슷하지요. This house [is old]. This is [old] house.
그러나 관형사의 경우 원래 단어의 기원에서 연관이 있는 경우가 아닌 이상 용언이 되지 않습니다.
So, Ollie, take it easy!
이를테면, 수식언의 한 종류인 관형사가 조금 더 adjective 에 가깝습니다. 이를테면 '새'(new) 같은 것이 있지요. "새 집 다오 헐은 집 줄게" 라는 문장에서 '새'는 verb 으로 대응하기 어렵지요. 그런데 '헐은' 같은 경우, 용언인 "헐다" 의 말 끝을 바꾸어서 활용을 통해 형용사가 된 경우로 볼 수 있습니다. 영어에서는 be + adjective 와 비슷하지요. This house [is old]. This is [old] house.
그러나 관형사의 경우 원래 단어의 기원에서 연관이 있는 경우가 아닌 이상 용언이 되지 않습니다.
So, Ollie, take it easy!