[AI 신경학 - 2] 학습

 

인간에게나 인공신경망에게나, 학습을 한다는 것은 곧 목표를 달성하기에 더 적합한 알고리즘으로 수정해나간다는 의미이다.

 

사람은 끊임없이 학습을 한다.

거창한 학습일 필요 없이,

아기가 걸음마를 배우는 법과 같이 사소한 학습 또한 포함된다.

예로, 두뇌가 '이렇게 몸을 움직이라고 지시하면 걸음마를 성공할 것이다'라는 걸음마 알고리즘을 예측 및 설계하고,

이렇게 설계된 알고리즘에 맞게 몸을 움직였을 때 성공 혹은 실패의 결과를 내놓게 된다.

넘어지는 등 실패를 하면 이로부터 피드백을 받아 걸음마 알고리즘을 수정한다.

이러한 과정을 반복하여 성공의 결과를 꽤 안정적으로 내놓는 알고리즘을 설계하게 되면, '걸음마를 하는 방법을 학습했다'라고 할 수 있다.

다시, 학습을 한다는 것은 목표한 바를 이루기에 더 적합한 생각 혹은 행동 알고리즘으로 수정해나가는 과정이다.

 

여기서 '목표' 또한 매우 중요하다.

목표의 방향과 정도를 적절히 세팅해주지 않는다면..

1. 알고리즘의 수정 방향을 찾을 수 없어 발전할 수 없도록 하고, (방향성)

2. 과소하게 또는 과도하게 수정하여 비효율적인 발전을 하게 만든다. (정도성)

'학습을 완료했다'라고 할 수 있는 기준은 모델이 목표하는 바에 따라 다르다.

일반인이 달리기를 하는데 필요한 학습의 정도와 100m 국가대표 육상선수의 달리기 학습의 정도는 매우 다를 것이다.

 

여담으로 육상선수의 달리기 알고리즘을 다운로드 받을 수가 있다고 가정했을 때,

일반인에게 이 알고리즘을 업로드한다면 (신체적 조건 등이 같다는 전제 하에서) 따로 달리기를 연습하지 않아도 같은 퍼포먼스를 낼 수 있을 것이다.

 

위의 모든 내용들은 사람과 인공신경망 모두에게 적용된다.