본문 바로가기

Inventory/Common IT

인공지능을 공부하다가 느낀 여러 가지 생각

안녕하세요.

 

사실 최근에는 개인적으로 인공지능을 공부하거나 연구하지는 않습니다.

왜냐하면, 다른 쪽을 공부하고 연구하기 때문이지요.

 

인공지능 공부를 했던 것을 뒤돌아본다면,

3년 전에 개인적으로 여러 가지 시도를 했던 것을 포함해서

1년 전, 작년에도 회사 차원에서 공부할 때 같이 발 담궜다 정도?

 

여기 블로그에서도 인공지능과 관련된 글을 다수 올리기도 했었죠.

 

지금 와서 생각해본다면, 아쉬운 것은 뭔가 이거저거 공부는 했는데 가시적인 성과는 없었다?

정말 딱 발만 담근 정도였다? 아마도 그 정도로 요약 가능하겠네요.

 

아마 저같은 분들 많을거에요.

요즘 인공지능이 대세더라. 공부는 해야겠는데,

막상 배우려니 이론은 어렵고, 실습은 해보려니 잘 가늠은 안되고.

Expected에 비해 실제 측정값은 원하는대로 안나오고.

모듈은 계속 업데이트되고, 어디서 뭘 써야 할지도 잘 모르겠고.

그래서 그냥 조금 하다가 에이 그만해야지 하고.

 

저도 사실 그런 감이 있긴 합니다. 아니라고는 못하겠네요.

 

그렇더라도, 알아서 나쁠 것은 분명히 없습니다.

요즘 인공지능은 그냥 대형 서비스에서 알아서 해주는데 내가 굳이 해야 할까? 라는 생각도 해봤지만,

아직까지는 발전해야 할 기술이 매우 많은 분야이고,

산업 전반적으로도 도입하고 적용하는 곳이 많기 때문입니다.

게다가 자신이 직접 안만들어도 최소한 도입이라도 하려면 어느 정도는 아는 편이 낫겠죠.

 

AWS에서 제공하는 DeepRacer 서비스입니다.

완전주행 자동차를 만드는건데, 그 Logic을 어떻게 만드느냐에 따라 속도의 차이가 나겠죠.

 

속도라? 그렇습니다.

인공지능에서 제일 중요한 것은 원하는 결과에 최대한 근접하게 얼마나 빠르게 반응하느냐로 볼 수 있습니다.

 

단순히 속도만 중요한것은 당연히 아닙니다.

어떤 상황에 어떻게 반응하는 것이 좋을지, 시뮬레이션을 해서 자가학습을 통해서 결론을 도출도 해야겠죠.

그래서 사실상 저 분야가 딥러닝을 배운다면 저기에 참가하는 것을 목표로 하는 것이 가장 나을 것 같기도 합니다.

 

당장은 계속 공부를 하지 않더라도, 나중에라도 다시 하게 된다면 목표를 잡고 하는 것을 추천한다는 뜻입니다.

 

 

여기서 한 가지 질문을 공부해 보겠습니다.

 

인공지능을 공부했다가 그만두셨던 여러분들은 어디까지 이해하셨나요?

스스로에게 자문자답을 해보세요.

그리고 나중에 다시 공부를 하게 되었을 때 다시 처음부터 공부해야 하는것은 아닌가 고민도 해보세요.

 

최소한 공부 조금 하다가 그만두더라도
반드시 이것 하나는 알아둬야 나중에 다시 재개하더라도 큰 막힘이 없는 부분이 있다면 무엇이 될까요.

 

아마도 아래 부분이 아닐까 싶습니다.

 

기존의 전산 처리 절차가

 

Input(Rules, Data) -> Proccess -> Output (Solution)

 

의 형태였다면 인공지능 프로그래밍은

 

Input(Data, Solution) -> Proccess -> Output(Rules)

 

이 순서로 결정된다는 사실.

 

이미 답은 정해져 있습니다. 그리고 입력 데이터도 당연히 있겠죠.

답과 데이터 간의 연관관계를 찾아내기 위해서 

 

  • 테스트를 수행하고
  • 또 테스트를 수행하다가
  • 유의미하다고 판단되는 규칙을 발견하고
  • 이제 그 규칙을 가지고 실제로 적용했을 때 문제없는지 해보는 것.

여기서 말하는 테스트는 흔히들 학습(Learning)이라고 하는 것을 뜻하는 것이겠고,

규칙을 발견하기 위해서는 사용되는 각 함수에 가중치를 찾아내는 것이 중요하겠죠.

 

 

일단 이 부분만 확실하게 이해한다면,

그 다음은 언제 다시 공부하더라도 거기에 기반해서 접근하면 되는 것입니다.

 

공부하다가 그만두더라도 이 부분만은 반드시 숙지를 하세요.

그래야 나중에 다시 하더라도 막힘은 없어질 것 같습니다.

 

기업체에서 인공지능을 적용하기 위해서 가장 많이 사용하는 것이 무엇일까요.

자사의 데이터를 기반으로 해서 어떤 유의미한 정보를 찾아내는 것을 많이들 하겠죠.

데이터가 많으면 많을 수록 좋고, 그래서 빅데이터는 필수라고 볼 수도 있습니다.

 

제 기술 블로그에도 언급을 잠깐 했었지만,

안타깝게도 B2B에서는 사실 그럴만한 환경 자체는 조성되기가 어렵습니다.

 

그 이유는 B2B 자체가 빅데이터를 꾸리기 좋은 환경은 아니기 때문입니다.

 

https://amanokaze.github.io/blog/Development-DBMS/

 

시스템을 구축한다면 - (2) DBMS

Various IT-based research space, django, cloud, machine learning, and so on.

amanokaze.github.io

그런 점에서 기술 발전 또한 더딜 수밖에 없겠죠.

최근의 IT 동향을 보더라도 말이죠.

 

결국은 B2B와 B2C를 같이 하는 것이 정답일까요?

아마존, 오라클, MS 정도의 대규모 업체가 아닌 이상은 기업거래를 통한 유의미한 결과를 도출하기 어려울테니.

그럴 지도 모르겠네요.

 

최소한 직장 내에서 의사결정을 하는 입장에 서 있을때,

B2B에서 B2C 시장에도 진출해야 한다고 어필을 해야 한다고 한다면,

이렇게 주장 한번 해보세요.

 

B2B만으로는 IT 트렌드를 앞서가긴 커녕 쫓아가기도 버겁다고.

 

이상입니다.

 

공부 잘 하세요. 저도 먼저 해야 할 선행 과제가 있다 보니 못할 뿐,

나중에 여력이 된다면 그 때 다시 딥러닝, 머신러닝은 재개해야겠네요.