온고창신 溫故創新 ongochangsin

인공지능, 기계학습, 심화학습의 다름(4/5) 4) 딥러닝-기계학습을 실제장식하기 위한 수법 초기 기계학습연구자에 의하여 생겨난 다른 알고리즘 어프로치에 가 있는데, 수십 년 간에 나타나고서는 태반이 사라지고 말았다. 뉴랄 네트워크는 인간의 뇌의 생물학적 구조(뉴런 사이의 모든 상호접촉)의 이해에서 착상을 얻은 것이다. 단지 모든 뉴런이 특정한 물리적 범위 내에 있는 다른 어떤 뉴런에도 접속할 수 있는 생물학적인 뇌와는 다르고 인공 뉴랄 네트워크에서는 데이터의 전달에 있어서 층(層), 접속, 방향이 별개로 정의된다. 예를 들면 화상을 추출하고 그것을 다수의 타일로 나누어 뉴랄 네트워크의 최초의 층에 입력한다고 한다. 최초의 층의 개개의 뉴런에 의하여 두 번째의 층에 데이터가 건네져서 최종적인 출력이 생성..

인공지능, 기계학습, 심화학습의 다름(1/5) 본고는 오랜 동안 테크노로지 저널리스트였던 마이켈 코플란드(Michael Copeland）씨가 디프러닝(Deep Learning)의 기본을 설명하는 일련의 기사 중 제1탄이다. 이들 설명은 모두 사실이고 단지 AI의 어느 면을 가리켜 하는 말인지에 따른다. 예를 들면 금년 Google DeepMind가 개발한 프로그램 （AlphaGo）이 바둑 대국에서 한국의 기사 이세돌씨를 이긴 때에 Deep Mind가 이긴 경위를 설명하기 위하여 , , 이라는 말이 미디어에서 자주 등장하였다. 이 3개는 모두가 알파고가 이세돌 기사를 이긴 이유의 일부인데, 같은 것은 아니다. 그 관계를 생각할 때 동심원으로 나타내는 것이 가장 간단하다. 먼저 최초로 생겨난 아이디어가 이다..