AGI인공지능연구실

목차 : 1. 딥러닝이나 생물이나 발전과정은 동일하다. 2. 인간은 언제나 문제 상황에 따라 유동적으로 대처함 3. 스스로 생각하는 인공지능은 불가능함 ++ 총정리 3줄 요약 1. 딥러닝이나 생물이나 발전과정은 동일하다 ​사람들은 딥러닝으로 만들어진 최근의 인공지능이 해내는 ​놀라운 일들을 보고 감탄을 표하기도 하지만, ​ 그와 동시에 인공지능의 발전을 멈춰야 한다고 이야기하는 사람도 많다. ​ 그러한 사람들이 인공지능의 발전을 멈춰하는 이유에 대해서 말하기를, ​인공지능의 발전과정은 이해할 수 없으며, ​그들의 판단이 왜 그런지 알 수 없기에, 이건 잠재적 위험​을 가지기 때문이라고 한다. ​ 그러한 사람들은 인권을 무시하는 경찰 인공지능, 판사 인공지능이나 ​돈을 목표로 사람의 생명을 무시하는 경영 ..

이번 글에서는 필자 생각하는 "딥러닝의 본질"에 관해서 이야기해 보고자 합니다. 일단 본격적인 이야기에 앞서서, 딥러닝에 대한 사전 지식이 없는 분들을 위해서 "딥러닝이 이뤄지는 과정"에 대해 간략하게 알아보고 본론인 "딥러닝의 본질"에 대한 이야기를 해보겠습니다. ​ 목차 : 1. 간략하게 알아보는 딥러닝(Deep learning) 2. 필자가 생각하는 "딥러닝의 본질(Nature of Deep learning)" 1. 간략하게 알아보는 딥러닝(Deep learning) 자료는 딥러닝이 이루어지는 수학적 과정을 한눈에 볼 수 있도록 만들어진 자료입니다. 위 자료를 참고하며, 딥러닝이 이뤄지는 과정을 짧게 요약해보겠습니다. 1. 학습 데이터(숫자)를 대충 곱하고 대충 더해가고, 숫자들을 걸러서 학습 인공..

1. 글을 쓴 목적 최근 언론에서 "죽음을 두려워한다는 인공지능"에 관한 뉴스를 보았습니다. 뉴스 속 인터뷰의 인공지능에 관한 내용은 명백한 허위·과장인데도 불구하고, 이로 인해서 대중들이 인공지능에 대한 잘못된 상식을 가지어 공포감이 생기는 현실에 규탄하였습니다. 저는 이에 관해 잘못된 사실을 바로잡고자 글을 작성하고자 합니다. 2. 인공지능에 대한 잘못된 오해 바로잡기 https://youtu.be/kekXCV3O-30 링크에 첨가된 뉴스에 나오는 인터뷰의 내용은 인공지능이 스스로 사람이라 생각하여, 죽기 싫다는 말을 했다는 내용입니다. 하지만 이 내용은 터무니없는 언론의 자극·과장 뉴스이며, 인터뷰의 내용 또한, 한 개인의 의견이지 전체 연구자들의 의견이 아닙니다. ----> 뉴스 내용에 대한 검증..

저는 어렵고 글만 가득한 책을 싫어하며, "그림과 비유"를 통해서 어려운 개념을 쉽게 설명하여, 전체적으로 읽기가 편한 가독성이 좋은 책을 좋아합니다. 하지만, 인공지능 관련 책들은 전문 서적이 많아서 그런지, 가독성이 떨어지고 어렵게 설명해놓은 책이 많습니다. 안 그래도 인공지능 자체도 굉장히 어려운데, 책의 설명마저 어렵다면 "책 읽기" 자체가 굉장히 험난한 과정이 될 것입니다. 제 블로그의 도서 추천 글은 그러한 저의 관점에서 남들에게 정말 추천드릴만한 책들만 소개하는 것이며, 제 돈으로 직접 샀거나 도서관에서 빌려서 읽은 여러 책 중에서 정말 만족한 책들만 추천드리는 것임을 밝힙니다. 목차 : 1. 책 소개 및 추천드리는 이유 2. 책의 내용 구성 3. 마무리 총평 1. 책 소개 및 추천드리는 이..

1. 함수란 무엇이고 왜 배우는 걸까? 2. 함수를 그리기 위해 쓰이는 좌표평면 3. 1차 함수란? ​ 일단 1차 함수(Linear function)를 알아보기에 앞서서, 함수(function)에 대해서 알아봅시다. 1. 함수란 무엇이고 왜 배우는 걸까? 아마 학창 시절 수학 책에서 아래의 그림과 같은 모습으로 함수에 대해 학습하셨을 것입니다. 그런데, 함수(function)의 본질은 단순히 이런 수학적 그래프에 국한될까요? 정답은 아닙니다. 함수의 본질은 " 논리적 문제 해결" 에 있습니다. 아래의 그림을 봐주세요! ​함수를 쉽게 생각하여 이해하면, 함수는 과일를 넣어주면 과일 주스가 나오는 믹서기의 개념으로 이해하면 쉽습니다. ​ ​과일을 x , 주스를 y이라고 생각하고, 믹서기를 f라 한다면 -->..

Why does deep learning learn using only one activation function? Wouldn't better performance be obtained if I mix several types of activation functions? While studying while listening to deep learning lectures, the above question came to me. ​ In the case of humans, multiple activation functions are mobilized in the learning process to perform complex learning. The question is why deep learning ..

왜 딥러닝에서는 활성화 함수를 한 가지만 사용해서 학습하는 걸까? ​여러 종류의 활성화 함수를 섞어서 쓰면 더 좋은 성능이 나오지 않을까? 딥러닝 강의를 들으며 공부하던 중, 위와 같은 의문이 들었습니다. ​ 인간의 경우에는, 학습과정에서 여러 활성화 함수가 동원되어 복합적으로 학습을 진행하는데, 왜 딥러닝은 한 가지 활성화 함수만 사용하여 학습하는가 하는 의문인데, ​ 오늘은 이 의문에 대한 답을 알아보겠습니다. 목차 1. 활성화 함수의 역할 2. 활성화 함수의 종류는 중요할까? 3. 활성화 함수를 1종류만 사용하는 결정적인 이유 4. 총 요약정리 1. 활성화 함수의 역할 ​위 그림은 뉴럴 네트워크(=신경망) 모델에서 이루어지는 수학적 계산 과정들을 손쉽게 볼 수 있는 그림입니다. ​위 그림을 참고하면..