괄호로 만든 세계 by 마이클 울드리지

 

[ 밑줄/연결 ]

 

나는 누군가가 돌파구를 찾았다고 주장하면 일단 경계한다. 

오늘날 인공지능 연구에 무엇보다 필요한 것은 다름 아닌 겸손이다.

 

결정문제....1928년 수학자 다비트 힐베르트(David Hibert)가 제시한 결정문제는 "일정한 과정을 따르는 것만으로 답할 수 없는 수학 문제가 있는가? "라는 질문에 답하는 문제였다.  결정문제는 "예" 혹은 "아니오"라는 답을 가진 수학 문제로 대표적인 예를 살펴보면 다음과 같다.

ㅇ' 2더하 2는 4다'는? 

ㅇ '7919는 소수다'는? 

 

"튜링머신은 멈출까?"라는 문제는 비결정문제라고 생각했다. 그는 단순히 방법을 따르는 것만으로 풀 수 없는 결정문제가 존재한다는 결론에 다다랐다. 결국 '수학이 특정 방법을 따르는 단순한 일이 될 수 있을까?'라는 힐베르트의 결정문제에 '아니오'라고 답할 수 있었다.

 

 

 

사진 속 얼굴 인식, 자동번역, 사용 가능한 수준의 실시간 통역 등....

이들 문제는 전통적인 컴퓨팅 기법들에서는 해결 방법의 작은 실마리조차 찾을 수 없고 완전히 새로운 방법이 필요하다. 

그리고 앞서 말한 세 문제 모두 머신러닝이라는 기법을 사용해 해결됐다. 

 

 

문제와 관련된 특징들을 사전에 알지 못한다면 모든 특징을 학습에 사용해야 할 것 같은 강박에 빠질 수 있다. 이럴 경우 차원의 저주라는 큰 문제가 발생할 우려가 있다. 차원의 저주는 학습 데이터에 포함된 특징이 많으면 많을수록 학습에 필요한 데이터의 양이 많아지고 프로그램의 학습 속도가 점점 느려지는 문제를 일컫는다.

 

아인슈타인과 같은 능력을 가진 1천 명의 클론이 있다고 가정해보자.

과연 그들의 집단 지능이 아인슈타인보다 1천 배 뛰어나다고 할 수 있는가? 오히려 휠씬 떨어질 수도 있다고 생각한다.

또한 1천 명의 아인슈타인 클론이 집단으로 일해 아인슈타인보다 일들을 더 빠르게 처리할 수 있다고 해서, 그것이 더 똑똑하다는 뜻도 아니다.

 

 

[ 자평 ]  그저 이 정도의 수준이구나.....란 것을 느끼게 되었다.