드디어 머신러닝입니다. 강의 앞부분에 인공지능 관련한 서브노트 리뷰 부분이 있습니다. 서브노트에 제 생각에 틀리다고 할 수 있는 내용이 있습니다.
서브노트 인공지능 정의 고치기
인공지능의 정의: 인간의 신경망을 수학적 모델로 Machine이 인간의 학습능력과 추론능력, 지각능력, 자연언어의 이해능력 등을 컴퓨터 프로그램으로 실현한 기술/Computer Science의 분야
출처: ITPE 서브노트
위의 정의를 보고 혹시 이상함을 느끼셨나요? 저는 학창시절 객관식 문제를 볼때 "다음 중 틀린 것은?" 의 문제 유형이 더 쉬웠습니다. 가끔 "다음 중 틀린 것은?" 에 밑줄 같은 강조 표시가 없어서 실수 한적도 있지만요. 그리고 옳은 것을 고르는 문제를 풀때도 틀린 걸 지워나가며 풀었던 것 같습니다. 한마디로 대부분의 사람이 틀린 거 찾기에 더 익숙하다는 거죠. 그래서 틀린 내용을 보고 고쳐보면 학습에 많은 도움이 되는 것 같습니다.
"인간의 신경망을 수학적 모델로 Machine" 이 부분은 인공지능이 아니라 인공신경망과 관련된 얘기입니다. 지난 강의에서 말씀드렸지만, 충돌 후에 랜덤으로 회전하는 로봇청소기도 인공지능입니다. 이 로봇청소기가 인공신경망이 없다고 해서 인공지능이 아니다라고 할 수 없는거죠. 단지, 똑똑하지 못할 뿐입니다. 또한 뒷부분의 인간의 학습능력과 ... 이 부분도 MA Book 기반으로 생각해보면 인공지능의 정의라고 하기에는 너무 협소합니다.
기술사 공부하며 가장 도움된 부분은 어떤 용어든 정의를 먼저 보고 스스로 가장 적합한 정의를 찾아보려고 하는 것입니다. 예전의 저는 이해자체에 중심을 두어서 "정의"에 크게 신경을 쓰지 않았습니다. 내가 무슨 공부를 하려는 건지 본질에 대한 사유와 고찰이 "정의"부터 시작된다는 걸 잘 몰랐습니다.
경험(E)을 바탕으로 작업(T)성과(P)를 높이는 학습(L) 알고리즘(A)을 연구하는 분야.
머신러닝 정의 개념도
기술사 공부하시는 분들은 ET PAL이라고 외우시고요, 다른 분들은 왜 이렇게 정의할 수 있는지 곰곰히 생각해보시면 됩니다. 사실 저는 상기 정의가 아주 마음에 드는 것은 아닙니다. 저는 "분류와 예측"이라는 말을 넣고 싶거든요. 머신러닝이 하는 일은 대부분 수학적 이론을 바탕으로 데이터를 학습하여 "분류와 예측"을 수행하기 때문입니다.
머신러닝의 분류
그런데 잘 생각해보면, 제가 회사에서 보고서를 쓸 때 하던일이 대부분 "분류와 예측" 이였던 것 같습니다. 그래서 Machine Learning이 발달 할 수도록 제가 불안한가 봅니다. 제가 하던일을 저보다 더 빠르게 잘하니까 제가 필요 없어질 수 있다는 위기감이 계속해서 들고있으니까요.
다음 내용은 ML을 "분류"하는 것입니다. 우리가 머신러닝을 어떻게 구분할까요? Label이 있는 데이터를 학습한 후에 하는 분류와 예측을 우리는 Supervised Learning이라고 하고요, Label이 없는 데이터를 학습한 후에 기계가 분류와 예측을 한다면 Unsupervised Learning이라고 부릅니다.
