#책리뷰 이미테이션유명한사이트 #비전공자도이해할수있는AI지식 #박상길 #반니..*내용: 생활 속 인공지능, IT 지식을 친절하게 알려주는 책*감상: 2024년 베스트 후보! 정말 알차다!*추천대상: IT 교양 쌓고 싶은 분*이미지: 호기심 천국*내면화: 내가 가장 관심 많은 지식은...?..인공지능에 대한 이야기를 많이 들을 수 있지만, 정확히는 모르는 경우가 많아요. 그냥 똑똑하구나... 싶으면 다 인공지능 결합이라고 합니다. 교육에서는 AI 코스웨어라는 말을 많이 들을 수 있는데, AI가 맞춤형으로 학습 과정을 설계해 주는 겁니다. 사람이 하는 과정과 다르게, 자동으로 데이터 기반 설계라는 점이 특징이죠. 이런 식으로 활용되기 때문에 공부 좀 하려고 하는데... 정말 딱 맞는 책을 찾았습니다. 너무 가볍지 않고, 어렵지도 않은, 적당히 재밌고 알찬 책이에요! 제목 그대로 비전공자도 읽을 수 있는 인공지능 지식! 두둥!​인공지능알파고자율주행차검색엔진스마트 스피커기계번역챗봇내비게이션추천 알고리즘​목차 자체가 생활 속 디지털 기술을 바탕으로 구성되어 있어요. 키워드 자체가 친숙하기 때문에 마음이 편해집니다. 그리고 바로 '호기심 천국'모드로 들어갈 수 있어요. 평소 궁금했던 'AI 스피커는 무슨 원리지?', '내비게이션은 어떻게 가능한 거지?', '유튜브는 왜 이런 이미테이션유명한사이트 콘텐츠를 추천해 주지?'등등 우리의 호기심을 팍팍 자극합니다.​국어 교육을 공부한 입장에서, 인공지능이 언어를 이해하는 과정도 굉장히 흥미로웠습니다. 당연히 상향식으로 규칙 적용을 할 줄 알았는데... 하향식 통문장 학습을 많이 합니다. 자주 나오는 문장을 바탕으로 확률을 체크하다니! 놀랐어요. 오늘 날씨 엿돼?&quot-&gt이렇게 들려도 확률적으로 오늘 날씨 어때?가 많으면 이렇게 해석하는 것이죠. 인간은 여기서 한발 더 나아가... 화자가 비속어를 많이 쓴다면? 다른 생각까지 할 수 있겠죠?ㅎㅎㅎㅎ 이것이 인공지능의 한계!?ㅋㅋㅋ​물론 한 번 읽고 다 이해할 수는 없지만, 굉장히 많은 도움이 되었습니다. 이렇게 전반적으로 훑고, 더 관심 있는 분야에 대해 깊이 파면 바로 T자형 지식 습득! 우선 미디어 리터러시에 바로 연결되는 추천 알고리즘을 좀 더 알아보고 싶네요. 디지털 전환 시대에 꼭 필요한 이 책! 2024 베스트 후보입니다! 두둥!ㅎㅎㅎ 독서모임에서도 다루고 싶은데 좀 두꺼워서... 고민되네요. 흑...​..ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ..-- 바로 ‘흉내 놀이’, 앨런 튜링이 논문에서 제시한 이름이자 영화 제목으로도 유명한 〈이미테이션 게임〉입니다. ​-- “인공지능은 당신을 대체하지 않습니다. 인공지능을 이미테이션유명한사이트 이해하고 활용하는 사람이 당신을 대체할 뿐이죠.” ​[인간을 이긴 최초의 체스 기계]-- 어려운 것은 쉽고, 쉬운 것은 어렵다”라는 모라벡의 역설Moravec’s Paradox을 주장합니다. ​[머신러닝, 스스로 규칙을 찾아내다]-- 머신러닝이란 말 그대로 기계Machine가 스스로 학습Learning을 하는 방식입니다. 이제 더 이상 사람이 규칙을 입력하지 않습니다. 그 대신 컴퓨터가 데이터에서 스스로 규칙을 찾아냅니다. ​[인공지능의 핵심기술, 딥러닝의 등장]-- 알고리즘, 데이터, 시스템의 삼박자가 함께 어우러져 발전한 결과입니다. ​[오픈소스, 모두가 참여하는 혁신]-- 오픈소스는 프로그램의 소스코드를 공개하는 것을 의미합니다. ​-- 머신러닝과 빅데이터였습니다. 다시 말해 수많은 규칙을 일일이 프로그래밍하는 것이 아니라 인간에게 운전을 가르치는 것과 똑같은 방식으로 기계를가르치기로 했습니다. 저는 운전을 했고, 자율주행차는 저를 지켜보며 관련 행동을 모방했습니다. ​[자율주행의 공식, 베이즈 정리]-- 수천 년간 이어져 내려온 자명한 진리, 즉 공리도 후대에 얼마든지 부정될 수 있습니다. ​[카메라, 동물의 눈으로 도로를 바라보다]-- 클러스터링이란 비슷한 개체끼리 하나의 군집Cluster으로 묶는 기법을 말하는데, 당시 스탠리는 도로 사진을 하나의 군집으로 처리하고 비슷한 색상의 사진을 이미테이션유명한사이트 같은 도로로 판별하는 기법을 사용했습니다. ​[주행 데이터와 모방학습]-- 라벨링은 전문적으로 교육받은 라벨러가 일정한 기준에 따라 합니다. 저마다 기준이 다르다면 아무리 훌륭한 딥러닝이라도 제대로 된 성능을 발휘할 수 없습니다. 일정한 기준에 맞춰 정교하게 라벨링하여 나중에 모델이 저마다 다르게 예측하는 일이 없도록 해야 합니다. ​[완전 자율주행은 가능할까?]-- 자동화에 익숙해지면 고도로 훈련된 조종사조차도 기본적인 대응을 하지 못한 채 어처구니없는 사고를 내고 맙니다. ​[자율주행의 딜레마, 누구를 희생해야 할까?]-- 아마 저처럼 수동 변속기로 운전하는 법을 잊어버린 사람이 꽤 많을 겁니다. 자율주행이 보편화된다면 우리 모두 아예 기본적인 운전 방법을 잊어버리게 되지 않을까요? ​-- 결국 사람들은 도덕적으로는 다수를 살려야 한다고 하지만 정작 본인은 그런 차를 구매하지 않습니다. 이러한 딜레마 때문에 기술적으로 완벽한 자율주행차가 나온다 할지라도 자율주행차의 보급은 늦어질 수밖에 없습니다. 과연 다수를 위해 운전자를 희생시키는 차가 있다면, 이 차를 사랑하는 내 가족에게 선뜻 사줄 수 있을까요? ​[쿼리에 딱 맞는 문서 찾는 법]-- 권위 있는 이미테이션유명한사이트 사이트가 많이 참조할수록 순위가 올라가는 구조 덕분에 권위가 없는, 이른바 스팸 사이트는 아무리 링크를 늘려봐야 순위에 오를 수 없게 됐습니다. 점차 검색엔진에서 스팸이 사라지기 시작했고, 높은 검색 품질을 무기로 구글은 검색 시장을 하나둘 점령하기 시작했습니다. ​[빅데이터: 맥주와 기저귀는 함께 팔린다]-- 고객의 구매 내역을 분석하는 방식을 장바구니 분석Market Basket Analysis이라고 합니다. 꽤 잘 어울리는 이름이라고 할 수 있죠. ​-- 데이터 마이닝Data Mining이라는 학문의 기반이 됩니다. 마이닝Mining이 거대한 광산Mine에서 원재료를 추출하는 것을 의미하듯, 데이터 마이닝은 대규모 데이터에서 어떤 특정한 패턴을 발견하고 추출하는 행위를 말합니다. ​[알고리즘: 추천 시스템의 시작]• 콘텐츠 기반 필터링Content-Based Filtering: 내가 선호하는 영화와 비슷한 영화를 추천하는 방식• 협업 필터링Collaborative Filtering: 나와 비슷한 고객이 시청한 영화를 추천하는 방식 ​[딥러닝을 도입한 유튜브 추천 알고리즘]뜻밖의 발견Serendipity이 중요합니다. 멋진 영어 단어이자 설레는 표현이기도 하죠. 여기에는 2가지 조건이 충족되어야 합니다. 지금까지 본 적 없는 것이지만 희한하게도 마음에 들어야 하죠. ​[검색 결과의 개선을 이미테이션유명한사이트 어떻게 확인할까?]-- 데이터 분석 분야에서 인과관계를 밝히는 일이 무척 어려운데 A/B 테스트가 해결책을 제시한 겁니다. 인과관계를 밝히는 가장 좋은 방법은 직접 시험해 보는 것이거든요. ​-- 품질이 좋은 문서만 랭킹에 오를 수 있도록 검색엔진 업체들은 계속해서 방어 로직을 개선합니다.이 싸움은 끝이 없습니다. 아마, 검색 서비스가 존재하는 한 계속되겠죠. 어차피 완벽한 알고리즘이란 존재하지 않습니다. 알고리즘은 끊임없이 진화할 것이고 그럴수록 여러분은 점점 더 똑똑한 검색엔진을 이용할 수 있게 될 거예요. ​[음성인식, 목소리를 알아듣다]-- 영어가 모국어인 사람들은 단어가 잘 들리지 않더라도 그 앞에 들은 단어를 바탕으로 단어를 유추할 수 있기 때문입니다. 이는 영어에 대한 사전 지식이 풍부하기 때문입니다. 그리고 이것이 바로 언어 모델의 역할이죠. 또한 해당 단어가 동음이의어일 때는 언어 모델이 더욱더 위력을 발휘합니다. ​-- 언어 모델은 영화나 두통 같은 사전 지식의 역할을 합니다. 약국에서 머리가 너무 아파 말을 조리 있게 못 해도 약사는 상황을 충분히 인지하기 때문에 적절한 약을 처방해 이미테이션유명한사이트 줄 수 있을 거예요. ​-- 심지어 명사와 동사를 구분하지 못하더라도 그동안 익힌 언어 습관으로 당연하다는 듯 to, two, too라는 걸 알아차릴 수 있습니다. 이것이 바로 사전 지식을 학습한 언어 모델이 하는 일입니다. ​-- 언어 모델은 ‘날씨가 엿 돼’라는 문장을 사전에 본 적이 없습니다. 따라서 관련한 지식을 갖고 있을 리가 없죠. 분명히 언어 모델은 ‘날씨가 어때’라는 문장을 수없이 보았을 것이고 사전 지식을 갖고 있습니다. ​-- 사람은 이렇게 뇌의 인지 작용을 거쳐 오류를 보정하고 제대로 알아듣습니다. 흔히 우리말로는 ‘개떡같이 말해도 찰떡같이 알아듣는다’라고 표현합니다. 실제로 인간의 뇌는 찰떡같이 알아듣죠. ​-- 언어 모델은 우리가 일상에서 자주 쓰는 문장에서 출현하는 단어의 확률을 학습합니다. 보통은 책이나 뉴스의 문장으로 학습해서 책이나 뉴스에 많이 나오는 단어일수록 더 높은 점수를 부여하죠. ​-- 규칙을 통해 언어를 ‘이해’하기보다, 경험을 통해 ‘모방’하는 형태로 접근했습니다. 기본적인 문장의 의미를 파악한 다음 비슷한 문장의 의미를 비교해 전체 의미를 ‘유추’해내는 거죠. ​[문장을 통째로 이미테이션유명한사이트 압축하기]​-- 신경망 기반은 사촌 동생처럼 엄청나게 많은 데이터를 학습하여 자연스럽게 영어를 번역해냅니다.사촌 동생과 마찬가지로 주어가 뭔지 설명하지 못하지만 문장을 이해하고 번역합니다. 그저 수많은 문장을 열심히 학습하며 점점 더 좋은 성능을 내는 거죠. ​[컴파일러, 컴퓨터가 인간의 언어를 이해하다]-- 우리말에서 가장 위험한 표현은, ‘여태껏 이렇게 해왔어’입니다. ​[튜링 테스트와 중국어 방]-- 우리 말을 이해하는 것처럼 보였던 컴퓨터가 사실은 언어를 숫자로 바꿔 확률을 계산할 뿐이란 점에 실망한 분도 있을 것 같습니다. ​[인공지능이 진정한 이해를 묻다]-- 커즈와일은 다음과 같이 주장합니다. “통계적 분석 과정을 거쳐 언어를 비롯한 여러 현상을 이해하는 것을 ‘진정한 이해’가 아니라고 한다면, 우리 인간 또한 같은 방식으로 이해하기 때문에 진정으로 이해하는 것은 감히 아무것도 없다고 할 수 있다.”17 ​[오컴의 면도날 원칙]-- 과학계에서도 가능하면 단순한 모델을 선호합니다. 이처럼 면도날로 도려내듯 단순한 모델이 최선이라는 원칙을 오컴의 면도날Occam’s Razor이라 합니다. ..#책 #독서 #책리뷰 #북리뷰 #책스타그램 #북스타그램 #AI #인공지능 #IT