아사이 노보루의 <엑셀로 배우는 인공지능> (신진오 회장님께서 발췌한 부분 정리)

신진오 회장님 페이스북 담벼락 통해 알게된 책인 아사이 노보루의 <엑셀로 배우는 인공지능>

신 회장님께서 이틀 동안 (7/22~7/23) 5개의 글을 남겨 주셨다.

아래는 신진오 회장님께서 발췌하신 내용을, 내가 정리 및 소화하기 위해 그대로 옮겨 본다.

1.

딥 러닝(deep learning)의 목적은 데이터의 특징을 자동으로 추출한다는 점에 있다. 딥 러닝은 특징 자체를 추출하고 그 특징들에 따라 잡다한 데이터를 정리할 수 있다. 즉, 특징들을 추상화한 개념을 기반으로 새로 들어오는 데이터가 어떤 개념에 속하는지를 알 수 있다. 이것은 인간의 뇌에서 이루어지는 인식과 같은 효과로 보여진다. 대량의 미지의 데이터 속에서도 잠재되어 있는 법칙을 발견해 내고, 새로운 현상에 대해 그 법칙을 적용하여 최적의 해를 제시할 수 있다.

2.

인공지능은 현재 딥 러닝에 따라 인간이 알아차리지 못하는 법칙을 도출해 내 인간의 판단을 보완한다는 밝은 목표를 보이고 있다. 딥 러닝에 따른 빅데이터 분석이 진보하고 인공지능 예측이 발달하여, 인간의 경험이나 어떤 분야의 전문가가 오랜 연구에서 얻은 결론보다 인공지능이 내린 결론을 중시하는 사회 풍조가 만연해진다면 문제가 될 것이다. 어떤 경우라도 인공지능이 내린 결론을 따른다는 것은 틀림없이 정복된 상태라고 볼 수 있다.

3.

딥 러닝이 등장하기 전까지는 빅데이터 해석에 통계적 기법이 주로 사용되었다. 딥 러닝이 인간이 아무것도 주지 않는 대신 무한한 빅데이터 처리를 위해 엄청난 시간의 학습을 필요로 하게 된다면, 우선 인간이 착안점만 주고 그것에 대한 학습을 단시간에 수행하는 편이 효율적이라고 하는 상황으로 바뀔지도 모르겠다. 그렇게 되면 통계적 기법이 부활할 것이며, 제한된 범위에서도 지식 표현과 온톨로지 연구에 따라 전문가 시스템이 재검토될지도 모른다.

4.

퍼지(Fuzzy)는 현상의 애매함을 처리하는 공학이지만 확률론과 혼동하지 않도록 주의해야 한다. 확률은 '현상 자체는 명확하지만 통계적으로 보면 어떻게 될까'와 같은 문제를 다룬다. 반면에, 퍼지는 현상 자체가 애매한 것이다. 퍼지의 개념은 자데(Lotfi Zadeh, 1965)에 의해 제안되었지만, 처음에는 학문으로 받아들여지지 않았다. 지금은 자동 제어와 가전에도 응용이 진행되어 '인공지능 탑재'라는 글귀의 주역이기도 하다.

5.

유전 알고리즘(Genetic Algorithm: GA)은 생물의 유전과 진화에서 학습하여 대상 문제의 모델화에 있어 귀찮은 계산 없이 질정한 시간 내에 유전자 재조합만으로 좋은 해답을 얻을 수 있는 기업이다. 얻어지는 해가 최적해라는 보장은 없지만 어떤 복잡한 문제라도 일정 시간 내에 비교적 좋은 해가 얻어지므로 조합 최적화 문제 등에 널리 응용된다. 수식과 절차적 프로그램으로 풀기 어려운 문제가 있다면 생각해 볼 가치가 있다.

https://book.naver.com/bookdb/book_detail.nhn?bid=11714550