모든 것은 예측가능하다 by 톰 치버스(Tom Chivers)

[ 밑줄/연결 ]

 

베이즈 공식의 의미

사건 B가  일어났을 때 사건 A가 일어날 확률은 A가 일어났을 때 B가 일어날 확률에 A 자체의 확률을 곱하고 B자체의 확률로 나눈 것과 같다.

 

비록 불완전할지언정 세상에 어떤 조작을 가하여 목표를 이루고자 하는 모든 존재는, 베이즈적 사고를 해야 좋은 결정을 내릴 수 있다.

 

베이즈 정리를 통해 우리는 기존의 믿음을 얼마나 조정해야 하는지 알 수 있다.

그런데 그러려면 일단 기존의 믿음이란 것이 존재해야 한다. 

P(A I B) 즉, B가 일어났다는 조건에서 A가 일어날 확률

 

민감도 80%라는 통계값....정반대의 정보인 P(B I  A), 즉 A가 일어났다는 조건에서 B가 일어날 확률...

즉, "내가 유방암이라면 이런 검사 결과가 나올 가능성이 얼마인가'하는 것이다.

 

중요한 것은 우선 사전확률을 설정한 다음 베이즈 정리를 이용해야 한다.

 

 

(AI와 베이즈)

 

인공지능 AI은 기본적으로 불확실한 것의 예측을 시도하는 프로그램이다.

 

베이즈 규칙은 AI 시스템의 불확실한 추론을 위한 현대적 접근법 대부분의 근간을 이룬다.

 

베이즈 정리가 사실상 의사결정과 동의어이므로, 모든 기계학습 및 AI 시스템은 베이즈 방식일 수밖에 없다.

 

AI가 하는 일은 훈련 데이터에 라벨을 붙인 사람들이 테스트 데이터에 어떻게 라벨을 붙일지 예측하는 것이다.

 

추측의 신뢰도는 훈련 데이터의 양과 데이터의 분산 정도에 따라 달라진다. 데이터가 많이 흩어져 있을수록 추측의 신뢰도는 낮아진다.

 

보유한 훈련 데이터를 이용해 주어진 매개변수에 해당하는 다른 매개변수의 값을 예측하는 것이다.

 

인공지능은 전체로서도 함수이고 내부 부속품도 함수다. 그래서 우리는 함수에 대한 개념을 튼튼히 해야 한다.

 

입출력을 가진 인공지능을 가리켜 함수 행렬이라고 해도 과언이 아니다.

완벽한 정의는 아니지만, 나는 인공지능을 행렬이라고 말할 정도로 행렬의 중요성을 강조한다.

사실 제대로 된 인공지능은 제대로 된 함수 행렬을 구하면 끝이라고 할 수 있다. 

 

좋은 행렬을 구하는데 필요한 수학의 개념이.....바로 미분이다.

 

 

[ 자평 ]

 

원서는 < Everything is predictable: How Bayes‘ Remarkable Theorem Explains the World>로 2024년에 출간되었다.

저자는 과학서적을 주로 쓰는 작가라고 한다.

 

내용은 아래 형용문구처럼 베이즈 정리 관한 책이다.

<진단검사에서 뇌의 작동 원리까지, 세상을 설명하는 베이즈 정리의 놀라운 힘>

 

<베이즈 정리>에 대하여 내가 아는 최고의 책은 지금은 절판이 된 아래 책이다.