AI의 종류
지도학습 : DNN, CNN, RNN, LSTM
비지도학습 : Autoencoder, GAN, VAE, Clustering, Novelty (of Anomaly) Detection
강화학습 : Q-Learning, DQN, DDPG
AI의 전망 향후 & 어떻게 다뤄야 하는가?
사람의 일자리를 빼앗을 것이라는 주제 : 사람은 AI를 도구로써 사용해야 함. 즉 사람과 AI의 조화를 이룰 수 있는 직업을 가지거나 그렇게 의도해야 함.
사생활 보호 문제 문제 : 헬스 케어 종류의 데이터는 사람 개개인의 개인정보가 포함되어 있음 이를 어떻게 다룰 것인지?
정부에서 적극적으로 정책을 다뤄야 함.
AI, 에너지, 생명공학 : 빌게이츠가 언급한 향후 전망 좋은 학과, 학문임
AI 블랙박스 : AI는 블랙박스 함수임 이를 방치하면 안 됨, 대표적인 일례는 의료업계임 이유는 AI가 판정한 결과 환자가 암이라고 했을 때 어떤 데이터에서 강하게 작용되었는지 알아야 하기 때문임. 이를 분석하기 위한 학문도 많음
AI 윤리 문제 : AI는 최적의 결과 또는 정해진 결과를 얻는데 능통함. 하지만 윤리 문제를 해결할 수 없음. 윤리 문제는 본질적으로 정답이 애매모호하기 때문임. 대표 일례는 트롤리 딜레마임.
AI와 사람과의 연결점(인터페이스)
스마트폰은 터치 기능을 이용해 사람과 단말 간의 인터페이스를 제공함. 그럼 AI와 사람은??
음성 인식 스피커는 AI와 사람과 연결점을 제공하는 대표적인 음성 인터페이스임.
산업에서의 AI는?
데이터 : 다양한 산업에 AI를 적용하려 하는 노력이 많음. 하지만 몇 가지 문제가 있음.
가장 큰 문제는 데이터임. 실제로 100% 데이터 중에 10% 데이터만 쓸만한 경우도 있음.
(데이터 편향, 오염된 데이터, 너무 오래된 데이터 등) 따라서 AI를 적용할 때에는 데이터에 신경을 매우 많이 써야 함.
AI가 안된다면 4가지 종류로 분석하는 것을 추천
1. 알고 맞춘 경우
2. 모르는데 찍어서 맞춘 경우
3. 알았는데 틀린 경우
4. 아예 모르고 틀린 경우
데이터를 구분한 경우 내가 어떻게 구분했는지 어떤 데이터를 썼는지 관계를 명확하게 정리해야 함!
데이터 수집 정책 : 데이터를 공공으로 수집하여 관리하는 정책이 있으면 좋음. 하지만 현실은 각자 개별적으로 데이터를 수집하여 적용함. 이는 매우 비효율적. 한국의 AI 발전에 기여하기 위해 집단지성 및 공리주의를 발휘하여 데이터를 모을 필요가 있음.
데이터 Argumentation :
GAN모델은 데이터를 생성하는 모델 중 하나임. 이는 데이터를 생성하는 모델, 데이터가 진짜인지 거짓인지 판단하는 모델을 구성하여 경쟁적으로 학습시킨 후 데이터 생성 모델을 이용하여 데이터를 만드는 방법임.
VAE모델도 데이터를 생성하는 모델 중 하나임.
그 외 이미지의 경우는 Crop, Rotation, 노이즈 추가 등이 있음.
'Book > IT' 카테고리의 다른 글
개발자로 살아남기 (0) | 2022.08.11 |
---|---|
소프트 웨어 개발의 모든 것 (0) | 2021.04.29 |