기호주의4 26번째 이야기 - 순방향 계산, 손실함수, 오차에 대한 가중치, 기호주의 위의 그림과 같이 순방향으로 입력값과 각각의 가중치들을 곱하여 더한 가중합을 계산합니다. ● 가중합에 바이어스(편향)를(편향) 더하여 준 값을 활성화 함수에 통과시켜 얻은 예측 값을 얻습니다. ● 그런 다음, 손실 함수라는 것을 통해 예측 값과 실제 값의 차이인 오차를 얻습니다. ● 발생한 오차에 따라 가중치(=볼륨 손잡이)를 조절합니다. ● 이러한 1~3의 과정을 계속해서 반복합니다. 이것이 퍼셉트론의 학습 메커니즘입니다.. ● 여기서 노버트 위너가 말한 '피드백'은 무엇일까요? 네, 바로 손실 함수를 통해 얻은 오차 값의 전달일 것입니다. 그 피드백을 받았기 때문에 가중치 조정의 과정인 '학습'을 할 수 있었습니다. ● 퍼셉트론에서의 학습은 적정한 가중치의 값을 찾는 데 있습니다. ● 여기서 적정한 .. 2022. 11. 4. 25번째 이야기 - 퍼셉트론, 가중치, 가중합, 바이어스, 활성화 함수 ● 모든 지식은 연결에 있다. ● 사람의 뇌의 작동방식과 학습에 대한 관심과 연구는 자연스레 인간의 학습을 따라 하고 모방하는 기계를 연구하는 인공지능 분야에 있어서 강력한 영향을 미칩니다. ● 기존의 추상적 표현과 논리적인 수식, 기호로 대표되는 기호주의가 초기 인공지능을 이끌었다면, ● 뇌에 대한 관심과 연구는 본격적인 연결주의의 시작으로 이어집니다. ● 연결주의의 본격적인 포문을 연 사람은 바로 프랭크 로젠블랏이었습니다. ● 그는 최초의 신경망인 퍼셉트론(1958)을 세상에 발표합니다. ● 여기 어지러운 선들이 이렇게 연결되어 있는 이 하드웨어가 바로 퍼셉트론의 모습입니다. ● 보통 퍼셉트론이 원리로만 존재한다 생각하는데, 이렇게 물리적인 형태이자 기계로 구현해 냈다는 점이 놀랍습니다. ● 그런 점.. 2022. 11. 4. 21번째 이야기 - 머신러닝의 다섯가지 종족, 기호주의, 연결주의, 진화주의, 베이즈주의, 유츄주의 ● "컴퓨터는 쓸모가 없는 놈이야. 질문 할 줄은 모르고 대답만 할 줄 아는 놈이라고!" 이 말의 주인공은 피카소였습니다. ● 과거의 컴퓨터는 사람이 프로그래밍을 통해 지시한 대로만 작동하기만 하였고, 현재도 그러한 소프트웨어의 기반 아래 수많은 기계 장치들이 작동하며 우리의 삶을 지탱해주고 있습니다. ● 하지만 이 말에 만족하지 못한다면(..) 즉, 컴퓨터가 피카소처럼 창의적이길 바란다면 그 해답은 어디에 있을까요? 바로 머신러닝에 있을겁니다. ● 사람이 물감으로 그림을 그리고, 벽돌로 그럴싸한 건물을 짓듯이 머신러닝은 데이터로 알고리즘을 만듭니다. 사람이 컴퓨터에게 일괄적으로 만들어 넣어주던 그 프로그램을 결과물로 산출해낸다 이 말입니다. ● 머신러닝이 그저 인공지능을 만드는 하나의 방법으로 우리에게.. 2022. 11. 4. 7번째 이야기 - 기호주의, 연결주의, 퍼셉트론, 인공신경망, 딥러닝 ● 기호 주의 vs 연결주의 ● AI는 크게 2개의 사조가 있습니다. 바로 기호주의와 연결주의입니다. ● 기호주의는 컴퓨터 작동 방식에 맞게 기호와 규칙을 사용하는 규칙 기반(Rule-based) 인공지능으로 오래전부터 지금까지 사용되고 있는 방식입니다. ● 컴퓨터 작동 방식으로 인공지능을 구현할 수 있다는 논리이며, 논리적으로 설명 가능한 문제를 다룹니다. ● A=B이고, B=C일 때, A=C이다로 귀결시킬 수 있는 인공지능이므로 간단한 공식으로 운영되는 체스나 장기를 두는 인공지능을 만들 때 주요합니다. ● 1950년대부터 1980년대까지 전성기를 맞았습니다. ● 하지만, 현실의 복잡계를 모두 '기호화' 할 수 없기 때문에 제한적인 용도 밖에 사용할 수 없었고, 점차 쇠락의 길을 걷게 됩니다. ● 연.. 2022. 8. 4. 이전 1 다음
