저게 진짜로 되려면 몇개의 난제는 더 넘어야하는게 설명을 들어도 느낌이 오더라. 내가 보기에도 당분간 일자리가 즐어들고 그럴 일은 없어보이는데, 그냥 요새는 하도 기술의 발전이 빨라서 모르겠다같음.

나도 거품있다는 건 동의하는데 저 산업에서 먼저 확실한 위치를 잡고 이후의 발전을 잡을 수 있다면 지금 상상하는 것도 가능하지 않겠음? it산업도 수 십년이나 반세기 전에는 그런거였잖어

나도 그냥 건너건너 들은 썰이긴 한데 딥러닝의 방법론적 연구 자체는 답보상태고 응용연구만 무지막지하게 늘었는데 막상 기존 전문지식을 이용한 알고리즘에 비해 별로 좋지도 않은 경우가 태반이라 카더라

근데 확실히 내 필드에서는 딥러닝 적용해서 뭘 했다는 것들은 별로 주목도 못받고 묻힘

최근에는 엔비디아 DLSS vs 라데온 RIS보고 특히 그런생각이 들었음. 그냥 샤프닝 필터에 명도 높은부분 스킵하게 만든게 머신러닝 샤프닝 씹바르던데

딥러닝 알고리즘 내가 알기로 그냥 알고리즘이 사기가 아니라 함께 연구로 갈아넣었던 연산장치들이 사기 아니었음? 용량을 늘리는 방향으로 연구가 잡히던데

좀더 정확히 말하면 데이터의 양이 사기인거겠지? 보통 데이터를 갈아넣는대로 성능이 나온다고 하니까. 연산장치는 데이터 빨리 처리하려고 쓰는거고.

근데 어느분야에서나 질좋은 대량의 데이터를 구할수 있는건 아니라... 잘 모르겠다.

맞다 ㅇㅇ 데이터 양. 빅데이터

알고리즘은 80년대 개발된거고 거기 전산자원이 최신인거지... 그 전에는 연산속도가 느려서 안됐거던

거품이 많긴 하지... 근데 그간 육체노동/비숙련노동을 기계가 대체해왔다면 머신러닝 분야의 발달은 숙련 노동자를 대체 할 수 있다는 의미가 되기 때문에 위협의 수준이 달라