<앤드류 응>
*레이블되지 않는 (답이 표시되어 있지 않는) *데이터를 보더라도 *학습할 수 있는 능력이야말로 기계가 가져야 할 지능이고 이것이 실현되었을 때 *일반인공지능의 길로 한 발 가까이 다가갈 수 있을 거예요. - P77
인공지능의 문제 중 하나는 *특수한 몇 가지 부분 (딥러닝 등)에서 많은 성과가 있었지만 *일반인공지능을 향한 진전이 거의 없었다는 것입니다.
일반적인 사람들은 인공지능이 특정 분야에 엄청난 성과를 보이니까 일반일공지능도 상상히 발전하고 있다고 생각하는데, 그건 아닙니다.
인공지능에 대해 잘 모르는 사람들이 얕은 지식으로 성급하게 일반화를 하면서 인공지능의 모습을 너무 부풀려 표현하고 있지만 아직은 해결해야 할 어려운 점이 훨씬 많습니다. - P77
데이터는 수직적이지만 그 구간이 길기 때문에 *특정한 한 구간을 잘 잡는다면 괜찮은 사업을 만들어낼 수 있다고 봅니다. - P81
인공지능 **암흑기가 *올 거 같지는 않습니다. 다만 일반인공지능에 대한 *기대치는 *조금 낮출 필요가 있다고 생각합니다. 이전의 인공지능 암흑기 때를 떠올려보면 확실히 기술을 과장해 표현한 경우가 많았어요.
*별로 쓸모없는 *기술들을 *부풀려 말하고 실제 사람들의 기대에는 상당히 못 미쳤습니다. 그게 인공지능 암흑기를 초래한 원인이라고 생각합니다 - P83
딥러닝이 많은 성과를 냈다고 해서 일반인공지능도 그만큼 상당한 성과를 내고 발전할 거라고 기대하는 사람들이 많은데, 그렇지 않습니다.
현재 인공지능도 극복해야 할 과제가 산더미예요. 인공지능은 너무 광범위한데 보통 인공지능이라하면 *역전파, *지도학습, *신경망 등을 통틀어 말하는 것 같습니다. - P84
인터넷, 전기 역시 제한적인 것 처럼요. 전기로 많은 유용한 것들을 만들었다고 해서 인류의 모든 문제가 해결되지는 않았잖아요 - P84
사람들이 인공지능에서 일부의 발전을 일반인공지능의 발전과 동일시 여기고 잘못된 추측을 하게 되는 것이죠.
*솔직히 말해서 *일반인공지능에서 **큰 전진은 없었습니다. - P85
머지않아 인공지능 세계에서 **신경만은 **매우 중요한 위치를 차지할 거예요. 신경망을 대체할만한 후보가 있을까 생각해보면 아직은 없네요. - P86
딥러닝이 아직 못하는 수많은 것들이 있는데 그중 하나가 바로 **인과관계를 판단하는 것입니다.
*딥러닝이 *잘 하지 못하는 다른 것들을 나열해보자면 다음과 같습니다.
**모델이 가지는 의미나 결과들을 잘 설명하는 것
*악의적 공격에 대처하는 법
*큰 데이터 집합보다는 작은 데이터 집합에서도 잘 학습하는 법
*한 영역에서 개발된 모델이 다른 영역에서도 좋은 성능을 낼 수 있게 하는 방법들
*레이블이 없어도 잘 학습시킬 수 있어야 한다는 점
역전파 알고리즘으로 풀지 못하는 문제는 이렇게도 많이 있습니다 - P86
잘 만들어진 악의적인 데이터들을 이용하면 딥러닝은 왜곡된 결과를 내거나 정확도가 떨어질 수 있다는 연구들을 봤습니다. 딥러닝이 보편화되면 이와 같은 문제가 심각해질까요?
이미 꽤 문제가 있다고 생각합니다. - P87
인공지능기술이 발전함에 따라 악의적 공격과 그 공격을 방어하는 면 모두 발전해야 합니다.
몇 년 전부터 인공지능 커뮤니티에서 상품이나 서비스를 내본 팀들이라면 다 겪어본 일들이에요 - P87
그래도 일반적으로 다양한 환경에서 이용할 수 있는 자율주행차를 보려면 수십 년은 기다려야 할 것 같아요 - P88
주목할만한 점은 *인류가 신기술에 얼마나 빠르게 적응하는지에 관한 것인데요. 자율주행차가 그냥 자동차라고 불리는 날이 머지않아 올 것 같아요 - P89
|