인공지능 관련 글에는 항상 복잡하게 생긴 뉴럴 네트워크가 등장합니다. 뉴럴 네트워크는 인공지능 연구의 날개가 되어준 기술입니다. 예전에는 해결이 불가능했던 문제에 뉴럴 네트워크 기술을 적용하면 마법과 같은 결과물이 나오고는 합니다 . 뉴럴 네트워크는 사람의 신경 구조를 닮았다고 알려져 있습니다. 신경을 닮았기에 사람처럼 생각하는 힘을 가지게 된 걸까요? 마치 그럴 것 같지만 그렇지는 않습니다. 뉴럴 네트워크는 생각하는 특성보다는 기억을 잘 하는 특성을 가진 기술이며, 데이터 사이의 연관 관계를 기억 하는데에 사용됩니다. 조금 더 복잡하게 말하면 데이터 사이의 연관 관계를 나타내는 수식을 찾아내는데에 사용됩니다. 데이터 사이의 연관 관계 예를 들어 x=( 1,2,3,4,5)와 y=(2,4,6,8,10)의 데이터 묶음이 있습니다. 데이터 사이에 2배의 크기 차이가 있는 것을 쉽게 알 수 있고, 이 연관관계를 컴퓨터가 기억하게 하려면 수식 y=2x를 컴퓨터에 입력해주어야 합니다. (수식 y=2x) 하지만 뉴럴 네트워크를 사용하면 수식을 직접 입력하지 않아도 데이터 묶음으로부터 알아서 알맞은 수식을 찾아냅니다. 뉴럴 네트워크의 신경처럼 복잡하게 엮여있는 구조는 복잡한 수식을 표현할 수 있는 잠재력이 있습니다. x=( 1,2,3,4,5)와 y=(2,4,6,8,10)를 컴퓨터에게 주면, 뉴럴 네트워크는 학습 과정에서 계속 변화하면서 y=2x에 가까운 형태로 변하게 됩니다. 이렇게 뉴럴 네트워크가 저절로 알맞은 수식의 형태로 변하는 능력은 데이터 묶음이 아주 복잡할때 큰 장점을 가집니다. 예를 들어 데이터 묶음이 x=(24,7,5,97,4,45,1,6,87,54 ), y= (4,8,97,8,464,5,64,57,48,123) 이면, 이 연관관계를 표현하는 수식이 무엇일까요? 이 관계를 표현하는...
댓글
댓글 쓰기