드라마스타트업 인공지능 머신러닝 지도학습

최근 드라마스타트업을 보면 인공지능 그리고 스타트업 기업이 얼마나 관심을 가지고 있는지 알 수 있을 것 같습니다.

인공지능이 대중에게 익숙해진 것은 꽤 오래전이지만 드라마스타트업을 보면 상당히 인공지능에 대해 깊게 들어가는 것 같네요.

특히 남도산이 서달미에게 타잔의 예를 들어서 머신러닝을 설명하는 부분은 정말 인공지능이나 머신러닝 서적에 있는 부분을 쉽게 풀어서 얘기하는 것 같았습니다.

남도산이 서달미에게 타잔을 예로 들어서 설명한 부분을 간단히 요약해보겠습니다.

한 무인도에 모솔인 타잔이 살고있었습니다.

이 무인도에 우연히 한 여자가 표류해 들어왔습니다.

타잔은 여자가 마음에 들었으나 어떻게 해야할지 몰라서 무인도에 있는 물건들을 표류한 여자에게 주어서 마음을 얻고자 했습니다.

그렇게 타잔은 표류한 여자에게 물건을 주면서 그 반응을 살피기 시작합니다.

돌을 준다.

여자가 싫어한다.

벌레를 준다.

여자가 싫어한다.

꽃을 준다.

여자가 좋아한다.

이쁜조개껍질을 준다.

여자가 좋아한다.

이렇게 무슨 물건을 줄때 여자의 반응을 카테고리화해서 다음에 어떤 물건을 줄때 표류한 여자의 반응을 인공지능으로 알아내는 것이 머신러닝이라고 설명을 했습니다.

머신러닝은 지도학습과 비지도학습으로 나뉘는데 저는 여기서 답이 여성의 주관이긴 하지만 싫어한다와 좋아한다로 답을 가진 것으로 보아서 지도학습으로 이해를 했습니다.

나중에 돌과 벌레는 오답, 꽃과 이쁜조개껍질은 답이라고 학습을 지켜서 다음에 어떤 물건이 답일지 오답일지는 알아내는 구조라고 생각을 했거든요.

여기는 4개 밖에 학습할 자료가 없지만 이러한 자료가 수십개, 수백개, 수천개, 수만개 늘어나면 늘어날 수록 표류한 여자가 좋아하고 싫어하는 물건을 머신러닝으로 지도학습을 한 인공지능이 일정수준 이상의 확률로 맞추게 될 것입니다.

이러한 지도학습은 과거의 답을 가진 데이터로 미래에 발생할 일을 예측하는 경우에 주로 사용되며 앞에서 이야기했듯이 답이 있는 자료를 공부해야 합니다.

여기서 표류한 여자가 각 사물에 대해 좋아한다, 싫어한다 라는 의사표시를 하지 않았다면 지도학습의 머신러닝은 이루어질 수가 없는 것입니다.

이렇게 의사표시로 답을 나타내는 것을 인공지능 머신러닝에서는 라벨링이라고 하는 것 같습니다.

지도학습에는 분류 개수에 따라 텍스트 분석에서 긍정과 부정을 구분하는 감정분석에 활용된다고 합니다.

다중분류는 이미지에서 사물을 분류하는 이미지태킹, 텍스트를 분석하는 토픽모델링 등이 있다고 합니다.

또한 최적의 예측함수를 찾는 회귀도 있다고 합니다.

지도학습의 분류에 해당하는 모델로는 의사결정나무와 서포트백터머신이라는 것이 있다고 하며 다음에 자세히 알아보도록 하겠습니다.