인공지능과 딥러닝

인공지능과 프로그램 시스템

최근까지, 우리가 매일 상호작용하는 거의 모든 컴퓨터 프로그램은 소프트웨어 개발자들에 의해 우선적 원칙으로 암호화되었다. 전자상거래 플랫폼을 관리하기 위한 애플리케이션을 작성하고자 했다고 하자. 문제를 심사숙고하기 위해 화이트보드 주위에 몇 시간 동안 웅크린 후, 우리는 (i) 사용자들이 웹 브라우저나 모바일 애플리케이션에서 실행되는 인터페이스를 통해 애플리케이션과 상호작용하고 (ii) 우리의 애플리케이션이 상업용 등급의 dat와 상호 작용하는 것과 같은 것으로 보일 수 있는 작업 솔루션의 광범위한 스트로크를 생각해낼 것이다.각 사용자의 상태를 추적하고 과거의 거래 기록을 유지하기 위해 엔진을 사용하지 마십시오. 그리고 (iiiii) 애플리케이션의 핵심인 비즈니스 논리는 우리의 프로그램이 상상할 수 있는 모든 상황에서 취해야 할 적절한 조치를 체계적으로 상세하게 설명한다.응용 프로그램의 두뇌를 구축하기 위해서는 적절한 규칙을 고안하면서 마주칠 것으로 예상되는 모든 가능한 구석진 사례를 살펴봐야 할 것이다. 고객이 쇼핑 카트에 항목을 추가하기 위해 클릭할 때마다 해당 사용자의 ID를 요청된 제품의 ID와 연결하면서 쇼핑 카트 데이터베이스 테이블에 항목을 추가한다. 처음 완전히 제대로 된 프로그램을 만드는 개발자는 거의 없지만(일부 시험 운영이 꼬인 부분을 해결하려면), 대부분의 경우, 우리는 첫 번째 원칙에서 그러한 프로그램을 작성하고 실제 고객을 만나기 전에 자신 있게 프로그램을 시작할 수 있다. 종종 새로운 상황에서 작동되는 제품과 시스템을 추진하는 첫 번째 원칙으로부터 자동화된 시스템을 설계하는 우리의 능력은 주목할 만한 인지적 업적이다. 그리고 100% 효과가 있는 해결책을 고안해 낼 수 있을 때, 기계 학습을 사용하지 말아야 한다. 다행히도 기계 학습과학자들의 증가하는 커뮤니티에서 우리가 자동화하고자 하는 많은 작업은 인간의 독창성에 쉽게 영향을 미치지 않는다. 여러분이 아는 가장 똑똑한 마인드로 화이트보드 주위에 옹기종기 모여 있지만, 이번에는 다음 문제들 중 하나를 해결한다고 상상해 보라.지리 정보, 위성 이미지, 그리고 지난 날의 후행 창문으로 주어진 내일의 날씨를 예측하는 프로그램을 작성하라. 자유형 텍스트로 표현된 질문을 받아 정확하게 답하는 프로그램을 작성한다. 주어진 이미지를 가지고 있는 모든 사람을 식별할 수 있는 프로그램을 작성해 각각의 윤곽을 그려라. 사용자에게 즐길 가능성이 높지만 가능성이 낮은 제품을 자연스럽게 브라우징하는 과정에서 접하게 되는 프로그램을 작성한다. 이러한 각각의 경우에서, 엘리트 프로그래머들도 처음부터 솔루션을 코드화할 능력이 없다. 이것의 이유는 다양할 수 있다. 때때로 우리가 찾고 있는 프로그램은 시간이 지남에 따라 변하는 패턴을 따르는데, 우리는 적응하기 위해 우리의 프로그램이 필요하다. 다른 경우에는 관계(픽셀과 추상적인 범주)가 너무 복잡하여 의식적으로 이해할 수 없는 수천 또는 수백만 개의 계산이 필요할 수도 있다(우리의 눈이 작업을 쉽게 관리한다고 해도). ML은 경험을 통해 배울 수 있는 강력한 기술의 연구다. ML 알고리즘은 일반적으로 관측 데이터 또는 환경과의 상호작용의 형태로 더 많은 경험을 축적함에 따라 성능이 향상된다. 이를 개발자 자신이 소프트웨어를 갱신할 때라고 생각하고 결정할 때까지, 아무리 많은 경험이 발생하더라도 동일한 비즈니스 논리에 따라 수행되는 결정론적 전자상거래 플랫폼과 대조해 보십시오. 딥러닝은 컴퓨터 비전, 자연언어처리, 헬스케어, 유전체학 등 다양한 분야에서 혁신을 주도하는 강력한 기술이다.