- 질문 게시판입니다.
Date | 21/12/19 20:41:23 |
Name | 봄과여름 |
Subject | 인공지능 관련 용어 좀 쉽게 설명해주실 수 있으세요? |
문과 출신인데 요즘 인공지능 관련 자료를 겉핥기로 읽어야 할 일이 종종 있습니다. 눈 감고 넘어가면 먹고 사는 데 지장은 없지만 외계어를 자주 접하니 당최 무슨 말인지 알아야겠다 싶어서요. 모델, 파라미터도, 관련 업계 분께 설명을 좀 들었음에도 개념이 잡힐랑말랑한 상태인데요. 더 나아가서 비전 모달, 멀티모달 토큰 이런 용어들은 <......>한 상태로 늘 읽어내고 있습니다. 요즘은 비싼 등록금 내고 다닌 사회과학 대학 4년을 다시 되돌려서 그냥 이과 스킬 하나만 초딩 기초부터 4년간 가르쳐주세요, 하고 싶네요. 가끔 정부기관에서 무슨 데이터를 민간에 대폭 개방했다고 해서 사이트 방문해보면 정말 외계인들의 세상. API란 것 자체를 다룰 줄 몰라서 정부에서 개방해도 내게는 무쓸모구나 하는 느낌이 들더라고요. 0
|
파라미터 ~ 가중치(weight) ~ 모델 이 좀 비슷하게 사용되는 분위기 입니다.
콕 집어 말하면 파라미터는 모델을 구성하는 숫자 하나하나를 가리키는 경우가 많구요.
예를 들어 어떤 길이로 오징어와 쭈꾸미를 구분한다면 10cm 라는 기준을 제시할 수 있어요
즉, 몸통길이가 10cm 보다 크다면 오징어, 그것보다 작거나 같다면 쭈꾸미 (그럴싸한 다른 수많은 기준은 여기서는 무시)
그 10cm라는게 바로 파라미터가 되는 셈입니다. (가중치라는 표현은 딥러닝 계산 방식때문에 통하는 말인데 파라미터와 같은 의미로 받아들여도 될... 더 보기
콕 집어 말하면 파라미터는 모델을 구성하는 숫자 하나하나를 가리키는 경우가 많구요.
예를 들어 어떤 길이로 오징어와 쭈꾸미를 구분한다면 10cm 라는 기준을 제시할 수 있어요
즉, 몸통길이가 10cm 보다 크다면 오징어, 그것보다 작거나 같다면 쭈꾸미 (그럴싸한 다른 수많은 기준은 여기서는 무시)
그 10cm라는게 바로 파라미터가 되는 셈입니다. (가중치라는 표현은 딥러닝 계산 방식때문에 통하는 말인데 파라미터와 같은 의미로 받아들여도 될... 더 보기
파라미터 ~ 가중치(weight) ~ 모델 이 좀 비슷하게 사용되는 분위기 입니다.
콕 집어 말하면 파라미터는 모델을 구성하는 숫자 하나하나를 가리키는 경우가 많구요.
예를 들어 어떤 길이로 오징어와 쭈꾸미를 구분한다면 10cm 라는 기준을 제시할 수 있어요
즉, 몸통길이가 10cm 보다 크다면 오징어, 그것보다 작거나 같다면 쭈꾸미 (그럴싸한 다른 수많은 기준은 여기서는 무시)
그 10cm라는게 바로 파라미터가 되는 셈입니다. (가중치라는 표현은 딥러닝 계산 방식때문에 통하는 말인데 파라미터와 같은 의미로 받아들여도 될 듯 합니다.)
근데 AI(여기서는 딥러닝)에서는 그렇게 심플한 기준으로는 고성능을 내지 못하므로(10cm 미만의 새끼 오징어는 어쩔..) 이러저러한 기준들을 수백만개~수억개로 늘려서 정밀하게 만든 것이죠
그러니 그냥 길이 뿐 아니라, 색깔의 rgb값, 표면에 보이는 패턴, 빨판 크기...등등을 알아서 다 고려하다 보니 파라미터가 늘어나는 것이 됩니다. 이것은 설명을 하기 위한 예 입니다.
하이퍼파라미터라는 용어도 있는데 이건 파라미터와는 안드로메다와 지구 거리 만큼의 의미차이가 있습니다.
그냥 모델 학습 세팅값이라고 생각하면 되요. 지금은 많이 완화됐지만 아직 이 세팅은 사람의 경험을 통해 결정되고, 이 세팅에 의해 학습 성능이 좌우되는 면이 있습니다.
콕 집어 말하면 파라미터는 모델을 구성하는 숫자 하나하나를 가리키는 경우가 많구요.
예를 들어 어떤 길이로 오징어와 쭈꾸미를 구분한다면 10cm 라는 기준을 제시할 수 있어요
즉, 몸통길이가 10cm 보다 크다면 오징어, 그것보다 작거나 같다면 쭈꾸미 (그럴싸한 다른 수많은 기준은 여기서는 무시)
그 10cm라는게 바로 파라미터가 되는 셈입니다. (가중치라는 표현은 딥러닝 계산 방식때문에 통하는 말인데 파라미터와 같은 의미로 받아들여도 될 듯 합니다.)
근데 AI(여기서는 딥러닝)에서는 그렇게 심플한 기준으로는 고성능을 내지 못하므로(10cm 미만의 새끼 오징어는 어쩔..) 이러저러한 기준들을 수백만개~수억개로 늘려서 정밀하게 만든 것이죠
그러니 그냥 길이 뿐 아니라, 색깔의 rgb값, 표면에 보이는 패턴, 빨판 크기...등등을 알아서 다 고려하다 보니 파라미터가 늘어나는 것이 됩니다. 이것은 설명을 하기 위한 예 입니다.
하이퍼파라미터라는 용어도 있는데 이건 파라미터와는 안드로메다와 지구 거리 만큼의 의미차이가 있습니다.
그냥 모델 학습 세팅값이라고 생각하면 되요. 지금은 많이 완화됐지만 아직 이 세팅은 사람의 경험을 통해 결정되고, 이 세팅에 의해 학습 성능이 좌우되는 면이 있습니다.
대체로 모달은 센서 한 종류 쓰는 거고 멀티모달이면 여러 종류, 예를 들어 비디오 신호와 오디오 신호을 같이 쓰거나 하는 경우겠읍니다
토큰은 문맥따라 다르겠지만 아마 자연어 처리 쪽에서 단어 사이나 문장의 시작과 끝에 구분 용으로 끼워넣는 값들을 의미할 것 같네요
토큰은 문맥따라 다르겠지만 아마 자연어 처리 쪽에서 단어 사이나 문장의 시작과 끝에 구분 용으로 끼워넣는 값들을 의미할 것 같네요
목록 |
|