본문 바로가기

공부/인공지능7

경제 관점으로 바라본 지식과 인공지능 산타페 연구소를 팔로잉 중인데, 재미있어보이는 영상이 올라와 있었다. 가볍게 내용정리 및 감상을 남겨본다. 1. 지식은 생존과 번성을 위해 필요한 모든 것을 만드는 데 필수적이다. 지식은 그것들을 '어떻게' 만드는가에 대한 것이며, 이는 '무엇으로'에 해당하는 자본, 노동력, 자재보다 더 상위개념에 놓여있다. 2. 지식은 어디에 있는가? 강연자는 'Knower'가 있기에 지식이 있다고 하는데, 아 이래서 경제적인 관점인가 싶었다. 지식은 어떤 사실이나 형태 보다도 그것을 받아들이는 사람이 있기에 존재의 가치가 생긴다는 것. 위대한 지식은 위대한 수요에 의해 가치가 매겨진다. 경제에서 거래를 통해 가치가 생성되는 것과 비슷하다는 인상을 받았다. 3. 정보는 폭발적으로 증가해왔고 더 빠른 속도로 증가하고 있.. 2023. 5. 31.
[인공지능] 인공신경망이 갖는 의미 고찰 인공신경망은 인공지능의 한 분야를 이끌며 다방면에서 그 효용성을 증명해가고 있다. 이러한 인공신경망, 좀 더 구체적으로 말하면 다층으로 구성된 복잡한 신경망 네트워크가 지닌 의미는 직관적으로 무어라 할 수 있을까 가장 간단한 상관관계로는 선형 상관관계가 있다. 이러한 상관관계 분석을 위해 우리는 y=ax+b 라는 모델을 만든다. 그리고, 두 값을 가장 잘 설명하는 a와 b의 값을 찾아낸다. 그리고 이러한 가정이 통계적으로 유의할 때 x와 y는 선형 상관관계를 지닌다고 이야기한다. 우리가 만든 선형적인 세상 속에 데이터가 발생한 세상을 담는 과정이다. 하지만, 세상은 좀 더 복잡하다. 선형적인 세상에 담을 수 있는 것은 좀처럼 많지 않다. 인공신경망은 좀 더 복잡한 세상이다. 인공신경망은 다층의 네트워크 .. 2018. 11. 21.
[소개] DeepMimic - 사람처럼 움직이도록 학습하기 최근, 연구실 친구와 같이 공부를 하고 있는데, 이 연구회는 강화학습, 그 중에서도 사람의 움직임을 학습하기 위함에 초점을 두고 있다. 이 친구의 목표는 간단한 추가 정보를 이용해서 사람의 움직임의 특징을 포착하는 network의 학습인데, 참고가 되는 논문들이 많다. 가장 최근에 간단한 방법을 통해 사람과 비슷한 행동을 뉴럴네트워크에 학습시킨 알고리즘이 있다. 그 이름은 DeepMimic. 홈페이지에 그 결과와 방법에 대해 자세히 적혀있다. 이를 토대로 간단히 요약해 본다. 주소: https://bair.berkeley.edu/blog/2018/04/10/virtual-stuntman/ 사람의 움직임을 익히도록 뉴럴 네트워크를 학습하는 방법은 예전부터 많이 있었다. 이 방법은 몸의 중심의 위치, 앞으로.. 2018. 10. 1.
[인공지능] 강화학습 맛보기 강화학습은 환경(Environment) 속에서 정책(Policy)에 따른 행위(Action)를 통해 상태(State)를 변화 시키며, 그에 따른 보상(Reward)를 받아 정책(Policy)에 반영한다. 최종적으로는 가장 높은 보상을 얻을 수 있는 정책을 확정하는 것이 목표이다. 간단하지만 생명체가 행위를 결정하는 본질이 잘 담겨있다. 불확실한 환경 속에서 행위를 통한 보상으로 정책을 수정해나가는 것은 시행착오로부터 배우는 생명체의 특징이다. (물론 생명체에겐, 통찰과 응용과 같이 다양한 스킬이 있다) 강화학습은 예전부터 있었지만, 가능한 State와 Action의 경우의 수가 너무 많아 그에 적합한 Policy를 찾는 것이 힘들었는데, Neural network가 도입되면서, 그 진가를 발휘하기 시작했.. 2018. 6. 6.
[인공지능] 인공지능의 한계점과 진화방향에 대한 고찰 요즘 머신러닝 관련공부를 거의 하지 못했다. 간간히 소식만 접하며, 간만 보았다. 어쩌면 인공지능 인공지능 들썩들썩 거리는 현 상황에 북적이는 곳을 싫어하는 내 성격이 발동하여, 한발치 물러난 것일지도 모르겠다. 인공지능은 확실히 대단한 것 같다. 그 중 뉴럴 네트워크는 엄청난 정보속에서 우리가 원하는 연관성을 위해 조직화 되는 네트워크 집단이다. 간단한 데이터 분석을 위해 최소자승법을 통해 선형 핏팅을 하곤 하는데, 뉴럴 네트워크는 더 높은 차원의 핏팅을 만들어 내주는 회귀분석이다. 이러한 인공지능의 대단한 점은 우리가 연관성을 찾지 못하거나, 말이나 논리로 일목요연하게 설명하기에는 애매한 부분에 대한 핏팅까지 해주는 것이다. 엄청난 데이터를 통해 인공지능은 특징점을 네트워크에 기억시키는 훈련을 통해,.. 2017. 10. 18.
[고찰] 이항분류와 다항분류에 대하여 오늘은 이항분류와 다항분류에 대해 살펴보려고 한다. 먼저 이항분류 라고 하는 것을 살펴보자.데이터 집단에 선을 하나 쫘악~그어서, 그 선을 기준으로, 데이터의 종류를 나누게 되는데, 주로 시그모이드 함수가 사용된다. 왼쪽 그림이 이항분류를 하게 될 데이터 집단(동그라미 집단, 세모 집단)이고, 오른쪽 그림이 시그모이드 함수를 나타낸다. 현재 예로 든 그림은 이차원이므로, 데이터 위치 표현을 위해 2개의 값을 필요로 한다. 이 2개의 값을 각각 (x1, x2)라고 하면, 중간의 분류 선은 f(x1, x2) = 0 으로 나타낼 수 있으며, 이 선에서 멀어질 수록 f(x1, x2) 값의 절대치는 증가 하게된다. 여기서 f(x1, x2) 값을 시그모이드 함수에 대입하게 되면, 선에서 좌측으로 무한이 멀어지면, .. 2017. 5. 26.
[고찰] mini batch 뉴럴 네트워크에서 퍼셉트론간 연결 가중치를 재조정하기 위한 방법으로 역전파 알고리즘이 사용된다. 오차함수를 설정하여 각 연결간의 가중치가 오차에 얼마나 영향을 미치는지를 편미분을 통해 계산하여, 그만큼씩 재조정해 나가는 경사하강법을 이용한 알고리즘이다. 이 과정은 각 퍼셉트론간의 연결이 적합해질 때까지 진행되게 되는데, 이과정을 트레이닝(지도) 라고 하고, 이때 사용되는 데이터를 트레이닝 데이터 라고 한다. 갖고 있는 트레이닝 데이터를 전부 이용하여 경사하강법을 적용할 경우, 갖고있는 데이터에서 오차를 최소한으로 줄일 수 있는 방향으로 연결의 가중치들이 재조정 되게 되는데, 이는 두가지 문제가 있다. 1) 계산부하가 크다. (특히, Input값이 많을 수록. 예: 그림파일의 경우 [픽셀 값 만큼의 배열 .. 2017. 5. 22.

티스토리툴바