[AI 신경학 - 1] 모델

 

모델은 어떤 기능을 수행할 수 있도록 적절히 학습된 인공신경망을 의미한다.

 

인간과 비교해 잘 이해할 수 있도록 다음과 같이 예시를 구성해보았다.

어떤 한 인간 A가 있다.

A는 특정 분야에 숙련된 전문가이다.

이해를 돕기 위해 숙련된 전기기사라고 가정하겠다.

A는 명백히 회로와 전압, 전류 등에 대한 이해도가 높을 것이다.

이해도가 높다는 말은, 전기적 문제에 대한 정답을 제대로 예측할 확률이 높음을 의미한다.

A는 이러한 높은 이해도를 바탕으로 현장에서 훌륭히 그 역할을 수행해낸다.

하지만 A가 처음부터 전기적 문제에 대한 이해도를 지닌 것은 아니다.

학생 시절, 전기기사가 되겠다는 목적을 가졌을 것이고,

이 목적에 맞게 적절한 자격증도 따고 경험도 쌓으며 이해도를 끌어올렸을 것이다.

A가 학생에서 전문가가 되기 위해서는 반드시 적절한 이론이나 현장 경험 등으로부터 학습을 하는 과정이 필요했을 것이다.

이러한 학습 과정 없이 갑자기 전문가로 탈바꿈하는 일은 없다.

 

인공신경망도 위의 예시와 똑같이 표현할 수 있다.

 

어떤 한 인공신경망 B가 있다.

B는 특정 분야에 숙련된 모델이다.

이해를 돕기 위해 강아지와 고양이를 잘 분류해주는 모델이라고 가정하겠다.

B는 명백히 강아지와 고양이가 각각 어떤 특성을 지녔는지 등에 대한 이해도가 높을 것이다.

이해도가 높다는 말은, 해당 객체에 대한 정답을 제대로 예측할 확률이 높음을 의미한다.

B는 이러한 높은 이해도를 바탕으로 현장에서 훌륭히 그 역할을 수행해낸다.

하지만 B가 처음부터 강아지와 고양이의 특성에 대한 이해도를 지닌 것은 아니다.

학습되지 않은 인공신경망 시절, 강아지와 고양이를 분류하는 모델이 되겠다는 목적을 가졌을 것이고,

이 목적에 맞게 적절한 데이터를 수집, 학습하고 파라미터도 수정해가며 이해도를 끌어올렸을 것이다.

B가 학습되지 않은 인공신경망에서 모델이 되기 위해서는 반드시 적절한 데이터로부터 학습을 하는 과정이 필요했을 것이다.

이러한 학습 과정 없이 갑자기 모델로 탈바꿈하는 일은 없다.

 

그리하여 이 글에서의 결론은..

 

인간 = 인공신경망

학생 = 학습되지 않은 인공신경망

전문가 = 학습된 인공신경망 = 모델

각종 이론이나 현장 경험 등 = 데이터

 

로 비유할 수가 있겠다는 정도가 되겠다.