Introduction to A.I. (5/5)

Introduction to A.I. (5/5)

• 인공지능을 공부할 때 알아두면 좋을 기초적인 내용을 정리한 자료입니다
  • 정확히는 딥러닝을 기반으로 하는 인공지능 에 대해서입니다
• 추후 시간이 된다면 동영상으로도 제작해볼 생각입니다
• 포스팅마다 50개까지의 이미지만 업로드할 수 있어, 이왕 나누는 김에 5부작으로 나누었습니다
  • (1/5) ... (5/5) 로 구분됩니다

---

(5/5)

• 5장 Conclusion 에서는 지금까지 봐온 내용들을 요약합니다
• 이전까지 알아보았던 내용들의 의미를 되새겨보도록 합니다

• 딥러닝이란 결국 크게 두 가지 작업을 하는 것을 말합니다
  • 행렬 연산 수행
  • 행렬 원소 보정
• (위의 내용을) 넓은 시각으로 본다면
  • 전자의 과정을 Forward Propagation 이라 합니다
    • 현재 입력에 대한 해당 인공신경망의 출력을 구하는 작업입니다
  • 후자의 과정을 Backward Propagation 이라 합니다
    • 해당 인공신경망이 현재 입력에 대해 다른 값을 출력할 수 있도록 조정하는 작업입니다
• (지금까지의 과정을 통해) 인공신경망을 사용해 인공지능을 구현한다는 것은 마법이 아님을 알 수 있습니다
  • 하지만 학습과정을 디버깅하는 것도 어렵고 학습시키는 것 자체도 어렵습니다
• 이제 다른 강의를 찾아보는 것이 좋습니다
  • 이 발표의 내용이 학습곡선을 높여줄 것입니다

※ 인공신경망을 사용한 문제해결의 의의
전세계의 뛰어난 학자들이 모여도 쉽게 해결하지 못했던 난제들을 간단한 연산들의 선형적인 결합으로 해결한다는 것에서, 문제해결에 있어 새로운 패러다임을 제시했습니다. 누구나 충분한 컴퓨팅 파워가 있다면 복잡한 문제를 해결하는 인공신경망을 만들 수 있다는 것이죠.
하지만 딥러닝 방법론은 Brute Force 와 유사한 접근방법을 가집니다. 그래서 우리가 지금까지 봐왔던 것처럼 수많은 계산과정을 거쳐야하며, 복잡한 문제를 풀수록 해당 인공신경망이 가져야할 가중치 변수의 개수는 늘어나 초기값 설정도 복잡해집니다. 초기값이 하나라도 달라진다면 결과의 차이는 더욱 커질 것이고요.
이러한 문제점으로, 현재까지의 딥러닝 기술들은 대부분 경험적인 결과들이 주를 이룹니다. 딥러닝의 기반은 수학적인 계산으로 이루어졌지만, 이를 활용하는 수준에서는 수학적인 접근이 너무 어려워 Brute Force 방식으로 여러 접근을 시도하곤 합니다( 자신이 만든 인공신경망이 특정 문제를 해결할 수 있을지 없을지 증명하기가 매우 어렵다는 뜻입니다. 그래서 문제를 해결한 뒤에 이러이러한 인공신경망이 이런 문제를 해결할 수 있다는 식의 발표가 상당히 많죠 ). 레이어의 개수를 조절한다거나 활성화함수를 바꾸는 등의 시도 말이죠.
언젠가 시간이 지나서 위와 같은 문제들이 해결될 수 있을 거라 생각됩니다. 그 때까지는 현재와 같은 딥러닝 방법론이 매우 효과적이기도 할 것이고요. 지금 당장은 우리가 이것을 배워야할 이유가 충분히 있습니다.

• 읽어보기를 추천하는 자료들입니다
• 각 자료의 내용은 슬라이드에 설명된 것과 같습니다

• 질의응답 구간입니다
• 추후에 받은 질문에 대한 답변은 이 구간에 추가하도록 하겠습니다

---

이상으로 5부작 Introduction to A.I. 을 마칩니다
감사합니다