“기계가 단순 작업을 자동화하는데에 최적화 되어 있다면, 인간이 수행하는 지능적인 작업도 자동화가 가능한가??”

심볼릭AI

• 프로그래머가 명시적인 규칙을 충분히 많이 만들어 데이터베이스에 저장.
• 즉, If문을 엄청나게 많이 만들면, 특정 상황에 특정 행동을 취하는 AI처럼 동작 가능.
• 잘 정의된 논리적인 문제를 푸는데 적합

머신러닝

• 입력데이터와 이에 대응하는 해답을 보고 둘 사이의 규칙을 찾음. (이를 “훈련”이라고 한다.)
• 이미지 분류, 음성인식 등 더 복잡하고 불분명한 문제를 해결하는데 적합

머신러닝의 작동 방식 - 마스크 유무를 인식하는 모델을 만드는 과정

모델링에 필요한 세가지

• 입력값(마스크를 쓰거나 안쓴 사람들의 사진파일)
• 기대 출력(”착용” or “미착용” 태그)
• 알고리즘 성능 측정 방법 : 알고리즘의 현재 출력과 기대출력간의 차이를 결정하기 위해 필요.

<aside> 💡 입력값과 기대출력은 1대1로 대응되어 있으며, 머신러닝 모델은 입력값을 의미있는 출력으로 변환합니다. 즉, 기대출력에 가까워지도록 입력데이터의 유용한 표현을 학습합니다.

</aside>

표현이란?

• 마스크 착용 이미지(입력값)

• 마스크 “착용” 태그(기대 출력)

둘은 서로 1대1로 대응되어 있고, 둘 사이의 규칙을 찾는 과정이 “훈련”이다.

마스크 착용 이미지의 경우 사진의 각 픽셀마다 할당된 RGB값이 존재한다. 이 RGB값은 이미지의 또 다른 “표현”이라고 할 수 있다. 위의 이미지를 9개의 구역으로 나누고 각 구역마다 흰부분이 많으면 0, 검은 부분이 많으면 1을 채워넣는다고 가정하면, 위의 이미지는 다음과 같이 표현될 수 있다.

머신러닝 알고리즘에서 모든 데이터는 숫자형으로 표현되어야하므로 이처럼 숫자로 나타낸 이미지가 “더 나은 표현”이라고 할 수 있다. 이 표현을 사용하면 “가운데 구역이 1인 이미지는 마스크를 착용한 이미지 이다.” 라는 규칙을 도출해 낼 수 있다.

딥러닝

연속된 층(layer)을 거치며 데이터를 학습하는 방식. 인공신경망이라는 모델을 사용하여 학습. 얼마나 많은 층을 사용했는지가 그 모델의 깊이가 된다. (최근 모델은 수십, 수백개의 층을 가지고 있음)

<aside> 💡 하나의 층을 지날때마다 데이터 변환이 일어나 데이터가 표현되는 방식이 달라진다.

</aside>

가중치(weight)