인공지능 : 딥 러닝의 핵심 아이디어

먼저 딥러닝 부분에 초점을 맞추는 것은 중요하고 흥미롭습니다.

"핵심 아이디어"에 대한 질문으로 돌아가보겠습니다. 그 핵심 아이디어는 딥 러닝과 일반적인 머신 러닝의 차이점에 나온다고 생각합니다.

"딥"이라는 단어가 의미하는 유일한 것은 많은 숨겨진 층으로 신경망을 훈련시킬 수 있다는 것입니다. 몇십 년 전에는 잘 작동하지 않았습니다. 

신경망 훈련을 더 잘 구상하고 더 빠르게 할 수 있도록 다양한 새로운 아이디어들이 만들어졌지만, 근본적으로 "딥 러닝"과 오래된 신경망 훈련 사이에 차이는 많이 다르지 않습니다. 

하지만, 이 딥 러닝의 성공으로 촉발된 부활은 이전에는 훈련할 수 없었던 새로운 신경망 구조들로 이어지고 있습니다. 그리고 인상적인 결과를 가져오고 있습니다. 딥러닝과 그 결과들은 다른 포스팅을 참조해주세요.

일반적으로 머신러닝(Machine Learning)의 경우에 대해서 알아보겠습니다. 주로 높은 수준에서 입력에서 출력에 이르는 기능들을 대략적으로 학습하는 데 중점을 두며, 데이터 기반으로 한 다양한 기술을 학습하는 데 사용합니다. 또한 교육 데이터를 처리하고 통계적으로 유효한 방식으로 학습 알고리즘의 결과를 평가하기 위한 모범 사례도 포함됩니다. 머신 러닝 필드는 학습을 위한 실제 알고리즘을 제공하는 것 외에도 다양한 알고리즘의 가중치 분석, 가능한 가상 공간 이해 등을 위한 이론 도구(VC 치수 등)를 제공합니다.