딥러닝이 왜 그렇게 유명해졌을까요? 경험상 대부분 실제 문제에서는 적용되기 어려운 데 말입니다.

딥러닝

 

딥 러닝은 이전에는 "딥 러닝"으로 불리지 않았습니다. 과거에는 신경망, 다층 퍼셉트론 또는 단순 퍼셉트론과 같은 여러 이름이 있습니다. 우리는 그 이름들을 다음과 '딥러닝' 같이 바꾸어 사용하고 있습니다. 

실제로 많은 연구자들은 한때 퍼셉트론에 대한 아이디어를 포기했습니다. 퍼셉트론의 아이디어는 실제로 쓸모가 없을까요? 그렇게 생각하지 않습니다. 신경망은 크게 알려지지 않은 분야이며 많은 연구가 필요합니다. 그러므로 무지하지만 강력한 영향력을 어필하기 위해서는 "딥 러닝"의 브랜드 변경이 필요한 것이었습니다.

앤드류 응 (Andrew Ng)은 마케팅 전문가로서 이 새로운 브랜드인 딥 러닝을 전파했습니다. 퍼셉트론의 브랜드 변경은 오늘날의 명성에 부분적으로 기여했습니다. 아마도 오늘날 유명 해지는 가장 중요한 이유는 실제로 몇 가지 흥미로운 문제에서 실제로 잘 작동했기 때문입니다. 컴퓨팅 하드웨어의 새로운 발전과 빅 데이터의 가용성 덕분에 ImageNet이라는 매우 어려운 이미지 인식 작업과 게임 바둑. 마지막으로, 딥 러닝은 실제 수학과 학습을 통해 자신이 하는 일을 알아야하는 다른 머신 러닝이나 AI와는 달리 학습하기가 매우 쉽습니다. 평범한 고등학생이 딥 러닝을 잘할 수 있다는 사실에 놀라지 않을 것입니다.

딥 러닝 알고리즘에서 도출된 안전 보장이 거의 없고 예측에 도달하는 방법을 해석하기가 매우 어렵고 매우 취약하기 때문에 대부분의 실제 문제에 적용 할 수 없는 것으로 판단됩니다. 그러나 컴퓨터 비전, 음성 인식 또는 자연어 처리와 같은 비 필수 응용 프로그램의 경우 감시 목적으로 이러한 기술을 사용하지 않는 한 예측은 그다지 중요하지 않기 때문에 딥 러닝이 적합하다고 주장 할 수 있습니다. 예를 들어, 사진에서 고양이를 인식하기 위해 딥 러닝을 사용하는 경우, 고양이가 개로 인식되는 것이 중요할까요? 당신이 고양이 애호가가 아니라면 아마 아닐 것입니다. Siri와 같은 음성 인식 시스템에 딥 러닝을 사용하는 경우 악센트를 인식하지 못하는 것이 중요합니까? 아마 아닙니다.

별도의 질문이 될 수 있습니다. 딥 러닝 분야는 오늘날까지 받았던 명성의 정도가 가치가 있습니까? 아마 아닙니다. 개인적으로 딥 러닝은 인공 지능이나 머신 러닝 분야에 도입하기에 나쁜 접근 방법이라고 생각합니다. 지적 지식이 덜 필요한 쉬운 경로이기 때문입니다. 물론, 동작에만 관심이 있다면 그것은 다른 이야기입니다.

딥 러닝 사람들의 마케팅은 믿을 수 없습니다. 그래서 매개 변수 조정과 딥 러닝의 이론적 측면에 능숙한 사람들로부터 배우는 데 더 많은 시간을 보냈습니다. 관심있는 연구 문제에 대해 딥 러닝을 시도 할 때마다 기존보다 더 나은 퍼셉트론 솔루션을 찾을 수 없었습니다.

요점은, 딥 러닝이 중요한 분야이며 공부할 가치가 있다고 생각합니다. 그러나 경험이 부족하고 지식이 좁은 사람의 경우 퍼셉트론이 AI / 기계 학습에 대해 아는 전부라면 막 다른 골목이 될 수 있습니다. 그러나  딥 러닝이 더 많은 사람들을 위한 것이라고 생각합니다.

신경망은 일부 응용 프로그램에는 유용한 도구이지만 전부는 아닙니다. 퍼셉트론의 연구 분야를 비판하려는 의도는 전혀 없습니다. 가능한한 사실을 진술하고 있습니다. 개인적으로 Andrew Ng, Geoffrey Hinton 및 Yann LeCun을 매우 존경합니다. 그들은 외부 세계가 말한 것에 상관없이 자신의 의견과 신념을 붙잡았습니다. 그들로부터 정신과 기술을 배워야한다고 생각합니다.