bizbuddha

[ 밑줄/연결 ] 디지털 경제의 다음 단계에 성공하는 사람은 새로운 기계를 만들 재주가 있는 이들이 아니라 그 기계로 무엇을 해야 하는지를 알아낸 사람들이 될 것이다. 3M은 원자재(raw Material), 새로운 기계(new Machine), 비즈니스 모델(business Model)의 세 가지를 뜻한다....가치를 창출하려면 세 가지가 통합되고 적절히 조정되어야 한다는 점만 알아두고 넘어가자. ㅇ 원자재: 사물인터넷 기기와 모든 사람, 장소, 물건을 매개로 생성된 데이터 ㅇ 새로운 기계: 특정 비즈니스 프로세스나 고객 경험에 적합한 가치를 창출하기 위해 HW, 인공지능 SW, data, 인간의 능력을 결합한 지능 시스템 ㅇ 비즈니스 모델: 지능 시스템에 기반을 둔 서비스와 솔루션 3M을 조합롭게 갖..

[ 밑줄/연결 ] 시스템 공학에서는 실존하는 것을 '시스템'이라고 부르고, 사람이 다루기 쉽도록 근사시킨 것을 '모델'이라고 부른다. 모델이란 구현하기 위해 이미지를 마음속에 그리는 단계에서 다른 해석이 생기는 것은 어쩔 수 없는 일이다. 시뮬레이션은 일단 모델을 만들면 이 모델을 어떠한 형태로 동작시키는 것이다. 시스템 상태의 분석/해석이 다른 지점에서 미래(future)의 상태(state)를 아는 것을 예측(prediction), 현재와 과거의 관측할 수 없는 상태를 아는 것을 추정(estimation)이라고 구별하고 있다. (패턴 인식) 패턴: 물리적으로 외부에 존재하는 대상을 다른 대상과 구별하기 위해 물리량이나 개념 데이터를 정리하는 것... 패턴 인식: 이미지, 음성 등의 데이터 분류, 판별,..

[ 밑줄/연결 ] 자기복제의 원리는 미국의 물리학자이면서 수리과학자인 폰 노이만이 기계의 입장에서 자기복제 오토마톤(자동기계: 이것이 발전하여 현재의 로봇이 됨)을 고안하였다. 생명에서는 정보가 크나큰 역할을 점유하고 있어, 정보가 물질을 적절히 조절하여 자기복제를 하고 발전해 가는 것으로 불 수 있다. 우주를 지배하는 물질과 에너지의 법칙에, 생명의 단계에서 정보가 관계하는 진화의 법칙이 더해졌다고 보아야 할 것이다. 공동으로 작업을 하기 위해서는 자신의 의도를 다른 사람에게 전달해야만 한다. 이를 위해서는 자기 스스로 자신의 의도를 알아야 할 필요가 있다. 이를 통해 의식이 생겨나고, 또 의도를 전달하는 수단으로 언어가 발달하였을 것이다. 뇌는 1,000억 개나 되는 뉴런(신경세포)을 결합한 거대한 ..

[ 밑줄/연결] 인간의 지능에 근접하기 위해서는 시스템이 특정 작업만 모델링하는 것이 아니라 그 작업이 일어나는 세계를 모델링해야 한다. 즉, 환경을 감지하고 그에 따라 적절히 행동을 변경하고 조정하면서 동작해야 한다. 불확실한 환경에서도 올바른 결정을 할 수 있어야만 지능을 가진 기계라 부를 수 있다. 튜링은 만약 어떤 기계의 반응을 인간에게 기대하는 반응과 구별할 수 없다면, 그 기계가 지능을 가졌다고 판단할 수 있다고 했다. 힐베르트는 2+2 = 4와 같은 수학적 명제가 모두 '결정가능 decidable'한지 알고자 했다. 다시 말해, '어떤 수학적 명제가 주어져도 이 식이 참인지 거짓인지 결정할 수 있는 단계적 절차가 존재하는가?라는 질문으로, 수학자들에게는 근본적인 문제였다. 사실 튜링의 결론은..

[ 밑줄/연결 ] 딥블루는 가능한 경우의 수를 따지는 프로그램을 탑재하고 체스를 두는 컴퓨터고 알파고는 과거의 기보를 이용해서 바둑기술을 SW가 '학습'해서 바둑을 두는 컴퓨터다. 어마어마한 연산 능력으로 경우의 수를 계산하새 체스를 두는 딥블루와 달리 알파고는 매 수를 둘 때마다 어디에 돌을 놓아야 하는지 판단하는 기준도 학습을 통해서 스스로 만들어낸다. 딥러닝은 학습을 통해서 프로그램이 나름의 기준을 정해가는 방식이므로 당연히 학습을 어떻게 했느냐가 최종적인 성능을 결정한다. 딥블루의 성능은 컴퓨터의 속도를 제외하면 프로그램을 작성한 사람의 능력인 셈이다. 인공지능의 개발 관점에서 지능은 "새로운 대상이나 상황에 부딪혀 그 의미를 이해하고 합리적인 적응 방법을 알아내는 지적 활동의 능력"이라는 의미로..

[ 밑줄/연결 ] 지능이란 '문제가 주어 졌을 때 그 문제를 어떻게 해결하는지'로 좁혀서 생각합니다. 문제를 풀어가는 절차를 알고리즘이라고 합니다.....알고리즘에 관한 이론을 '계산 이론'이라고 일컬어지고 있습니다. 알고리즘을 실행하는 기계를 최초로 생각한 사람은 영국의 수학자 '앨런 튜링'이었습니다. 튜링이 제시한 것은 계산할 수 없는 문제의 존재, 기계의 한계, 알고리즘이 한계입니다. 계산 절차(알고리즘)만 알고 있다면 어떤 어려운 문제도 계수 기계로 계산할 수 있다는 것은 바꿔 말하면 '컴퓨터로 풀 수 있는 모든 수학 문제는 계수 기계로 풀 수 있다'는 것입니다. 튜링의 중요한 업적 중 하나는 즉, 계산이 불가능한 문제를 발견한 것입니다. 지금은 이러한 문제를 '튜링 기계의 정지' 문제라고 합니다..

[ 밑줄/연결 ] 기반 기술을 이해할 때 중요한 것은, 어떠한 범위에 어떠한 규모로 영향을 미칠지 파악하는 일이다.....우리가 앞으로 살아갈 시대가 '인공지능 시대'가 아니라 '기계 학습 시대'가 아니라 '기계 뇌의 시대'라고 인식해줬으면 하는 이유다. (기계 뇌가 할 수 있는 딱 세가지 일) (1) 가시화 : 데이터를 인간이 감각적으로 파악할 수 있는 형태로 가공하거나 번역하는 기능 (2) 분류 : 성질이 같은 것과 다른 것을 구별하는 기능.. 스팸 메일 필터 (3) 예측 : 과거를 바탕으로 미래에 어떤 일이 일어날 확률이 얼마나 되는지 계산하는 기능...농작물 수확량 예측 '지도'란 데이터를 이용해서 사전에 기계 뇌를 학습시킨다는 뜻이다. 간편함을 중시한 모델은 기존의 통계학으로 만들어진 것들이다...

[ 밑줄/연결 ] 보통 사람들, 미국인 70%는 자신이 중산층이라고 생각한다. 시장은 비용을 줄이는 방향으로 움직인다....어떤 일을 수행할 때 돈이 가장 적게 들어가는 방법을 찾으려고 한다.....우버의 목표는 사람을 많이 고용하는 것이 아니라 가능한 한 효율적으로 승객을 운송하는 것이다. 미래 사회는 에서 나오는 것처럼 교양과 자비심이 가득한 사회를 닮든지 에 나오는 것처럼 필사적인 자원 쟁탈전을 벌이는 사회를 닮게 될 것이다. 경로를 극적으로 바로잡지 않으면 아무래도 후자를 향해 나아갈 것으로 보인다. 1990년에 태어난 미국인이 부모보다 돈을 더 많이 벌 확률은 50%로 떨어졌다. 1940년에 태어난 미국인의 경우에는 이 확률이 92%였다. 평균 소득은 제자리걸음이고, 기업의 수익성은 높아졌으나 ..

[ 밑줄/연결 ] 학습 시스템이 만든 모델은 데이터에 대한 지식을 포함하고 있다. 따라서 머신러닝은 자동으로 지식을 발견하는 기술로도 볼 수 있다. 이는 데이터마이닝 분야에서 머신러닝 기술이 중요한 이유이다. 딥러닝은 뇌를 모사한 학습 모델로서, 많은 수의 신경층을 쌓아 입력된 데이터가 여러 단계의 특징 추출 과정을 거쳐 자동으로 고수준의 추상적인 지식을 추출하는 방식이다. 또한, 특징 추출과 특징 분류, 두 단계로 나누어 학습하던 기존의 문제를 특징 학습의 문제로 통합하여 학습하는 보다 자동화된 학습 기술이다. 특히 복잡한 데이터를 입력으로 주어도 표현을 자동으로 학습해내기 때문에 풍부한 학습 데이터가 존재하면 보다 좋은 성능을 낼 수 있다. 사람이 알고리듬을 설계하는 컴퓨터 프로그래밍과 달리 머신러닝..

[ 밑줄/연결 ] (데이터 유형) : 구조적 데이터, 비구조적 데이터, 자연어 데이터, 기계 생성 데이터, 그래프 기반 데이터, 오디오/비디오/이미지 데이터, 스트리밍 데이터 등 등 (데이터 획득) (데이터 준비) ㅇ raw data 가공 ㅇ 오류 찾아서 수정, 여러 데이터를 조합하고 형태를 변환 (데이터 탐색) ㅇ 데이터를 깊이 이해 하기 ㅇ 시각적, 기술적 기법에 근거해 패턴, 관련성, 편차를 찾음 (모델 구축) (모델링 과정) (1) 특성 가공과 모델 선택 (2) 모델 훈련 (3) 모델 검증 및 선택 (4) 훈련된 모델을 드러내지 않은 데이터에 적용 [ 자평 ] 필요한 부분만 quick 하게 훑어 봄