딥러닝 훈련소

전 포스팅에서 AI는 통계분석 프로그램이라는 이야기를 했다. 주어진 데이터를 통해 특성간의 상관관계를 파악하고, 그에 기반하여 새로운 데이터에 대한 판단이 가능하게끔 동작하는 것을 인공지능이라고 칭한다. 이제 인공지능이 새로운 데이터에 대한 판단기준, 즉 예측 모델을 어떻게 만들어내는지에 대한 이야기를 해보겠다. 기존의 데이터는 이러하다. 이 데이터들을 보고 직선 형태의 예측 모델을 직접 만들어보자. 아마도 이와 비슷한 직선을 그렸을 것이라고 예상된다. 그렇다면 우리는 왜 이런 직선을 그리게 된 것일까? 그 이유는 이 직선이 실제 데이터들을 잘 대변하기 때문이다. 즉, 실제 데이터들과의 오차가 가장 적기 때문이다. 기존의 데이터들과 해당 지점에서의 예측치간 발생하는 오차를 Training loss 라고 ..

우리는 실생활에서 알게 모르게 굉장히 많은 인공지능들과 맞닿아 있다. AI 반도체, AI 챗봇, AI 지우개, 생성형 AI 등등,,, 그렇다면 AI란 무엇일까? 나는 AI를 한 마디로 '통계 분석 프로그램' 이라고 표현하고 싶다. 인공지능이 무엇인지 얘기하다가 갑자기 통계 분석 프로그램? 의문이 들 수 있다. 의심은 잠시 접어두고 밑의 예시를 살펴보자. 강아지1 강아지2 강아지3 키 1m 2m 3m 무게 20kg 40kg ? 이 표는 강아지의 키에 따른 무게를 정리해놓은 표이다. 키가 3m인 강아지의 무게는 몇일까? 아마 대부분의 사람들이 60kg라는 결론을 냈을 것이라고 생각한다. 1에 20을 곱하면 20kg, 2에 20을 곱하면 40kg, 3에 20을 곱하면 60이기 때문이다. 이러한 우리의 자연스러..

최근 자율주행, Chat GPT, 챗봇 등등 인공지능의 활용 범위가 점점 넓어짐에 따라 그에 대한 대중적 관심도 역시 증가하고 있다. 어떤종류의 AI 서비스던, 직접 체험해 본 사람들이라면 인공지능의 기술력이 꽤 높은 수준까지 올라왔다는 것을 느낄 수 있었을 것이다. 어쩔때는 사람보다 더 사람같이 동작하기도 한다. 어떻게 이런 일이 가능한 것일까? 이 블로그에서는 AI는 무엇인지, 또 어떻게 이러한 AI가 만들어지고 구현되는지 공학적 관점에서 살펴보도록 하겠다. 뿐만 아니라 관련하여 흥미로운 AI소식, 업계 동향, 인공지능의 활용방안과 같은 내용들과 그에 대한 나의 생각 또한 업로드 해보도록 하겠다.