저거 디시애들이 조련 열심히시켜놨잖아

와 하마터면 그런 줄도 모르고 넘어갈뻔

원리는같았죠

그게 AI 아닌가 엄...

아니다)팩트

그것보다는 정확히 "부산?"의 답변으로 "버스안 병신아"라고 답이 나오게 미리 일일이 입력해주는 느낌이었던 걸로 기억함

그게 쌓이고 쌓이면 머신러닝임

그니까 인간이 고성능 cpu를 대신해서 학습한 결과를 심심이에게 전달시킨거지?

chatgpt 같은 것도 따지고 보면 그런 게 맞음. a 는1이고 b는 2고 d는 4야 를 학습시킨 게 chatgpt임. 그리고 나서 c 일 때는 뭐지? 하고 물어보는 게 우리가 채팅하는 프롬프트고.

그건 머신러닝이고 딥러닝은 다름

딥러닝도 머신러닝의 한 종류고 딥러닝으로 따져도 ab를 학습시켜서 근사치를 결론 낸다는 핵심은 같은데 뭐가 다름? 지피티 마저도 a와 b의 연관성을 더 잘 이해할 수 있는 시스템을 썼다 뿐이지, a 일 때는 b 라는 걸 학습하는 건 같은 데 뭐가 다르단거임?

그건 그냥 딕셔너리 변수를 만든거고

전혀 달라

어떻게 다르다는 거임? 말해보셈 ㄱㄱ

대체 ai에 대해 뭘 어떻게 배웠길래

이렇게 아는척을 하는거야?

그럼 뭐가 다름? 내가 이해한 바로는 저게 맞음. 뭐가 틀렸길래 틀렸다는 거임? 나도 좀 더 배워보게 함 설명 해보셈. 님 덕에 새로 배우고 알고 있는 걸 수정할 수 있겠네. ㄱㄱㄱ

머신러닝은 a와 b를 구분 학습해줘야하는데 딥러닝은 그게 필요 없음

예를 들면 개와 고양이 사진을 구분할때 머신러닝은 처음에 개와 고양이를 학습시켜야 되는데 학습시킬때 사진이 비슷하면 구분을 잘 못함. 그래서 명확한 사진을 더 학습시켜야하고, 나중에라도 비슷한 사진은 계속 구분을 못하는데 그럴때마다 그 비슷한 사진을 구분할 수 있는 기준을 학습 시켜야됨. 또는 기준 설정을 직접 해줘야해.

근데 딥러닝은 그냥 기준 없이 구분을 함. 첨부터 수천장 개 고양이 사진을 주면 분류하기 시작하고 나중에 사진을 더 던져주면 정교해짐

머신러닝은 학습시키는 사진 장수가(기준이 되는 사진) 많아야 정교해짐.

머신러닝 안에 딥러닝 있는걸로 분류하기도 한다는데 실제 현장에서 머신러닝은 딥러닝이랑 분리해서 말함(현장이야기는 내 개인경험이라 틀릴 수 있음)

일단 딥러닝과 머신러닝의 차이점은 뉴럴네트워크를 쓰냐 안 쓰냐의 차이인 거고, 님이 말한 건 데이터 라벨링을 안 한다는 말인가? 구분 학습이 무슨 말임? 만약 라벨링을 안해도 된다라는 말이라면, 비지도 학습을 뜻하는 건데 딥러닝이랑 비지도학습이랑 혼동하고 있는 거 아님? 이미지에서도 사진 a는 개고 사진 b는 고양이야 라는 라벨링을 해서 학습할텐데?

내 의견은 대사 넣는 놈들이 부산? 이라고 누가 말하면 답으로 버스안 이라는 답이 나오도록 하는 이 시스템이 넓게 보면 챗지피티와 다를 게 없다는 의견이었음. 왜냐? 챗지피티도 a 였을 때 b 가 나오도록 배우는 건 같기 때문임. 즉, 데이터 라벻링을 통한 지도학습을 말한거임. 그 맥락에서 챗지피티와 심심이는 같은 거라 볼 수 있단 말임. 물론 지피티는 자기주도학습으로 좀 다르지만 이것도 결국 라벨링 하는 거랑 마찬가지임.

난 님이 무슨 말을 하는지 잘 모르겠음. 만약 a는 개고 b는 고양이야 라는 걸 안해도 되는 게 딥러닝이다. 라는 것이 님의 의견이라면 님은 틀렸음. 그 두가지를 알아서 분류하는 건 비지도학습을 뜻하는 거지, 딥러닝을 뜻하는 게 아님.

만약 딥러닝이 머신러닝과는 달리 뉴럴네트워크를 통해 특징을 알아서 학습한다는 뜻으로 말한거라면, 님의 의견은 내 뜻과 아무런 관련이 없는 얘기임. 애초에 나는 a는 개고 b는 고양이 다 라는 걸 학습한다는 맥락에서 같다고 하는 거니 내 의견과는 관련이 없음.

이것도 아니라면 님의 의견을 다시 한 번 얘기해보셈. 내가 볼 땐 님의 말은 내 의견과 관련이 없어보이니, 무슨 이유로 관련이 있는건지를 중점으로 설명을 해주셈.

뭔 소리 하는거임?

머신러닝은 개랑 고양이랑 구분이 모호할 때 잘못분류하면 그 사진은 그냥 죽어라 잘못분류한다는 거야 너가 기준을 다시 주지 않는한.. 따라서 애초에 너가 말한 a,b를 기준 주는 건 기본적으로 머신러닝이야.

딥러닝은 그냥 수천장 사진 던져놓고 분류하면 알아서 a,b로 분리가 가능함. 기준을 안줘도 특징점을 찾아서 분류할 수 있다니까?

머신러닝 안에 딥러닝있는거다 하는 카테고리 따지는거면 그냥 너말이 맞음ㅋㅋ

뉴럴네트워크는 알고리즘 설명할 때 이야기 하는건데 어디 인터넷 기사나 읽었나보지? 왜 뉴럴을 따지는지 모르겠네? 애초 너가 첫댓 달은 a,b기준 준다는 거에 이야기하는건데?

그게 님이 잘못 알고 있는거임. 뉴럴네트워크를 여러개 쓰는 게 딥러닝이고 그 외에 알고리즘인 결정 나무, 서포트 벡터 머신, 리니어 등등 이 머신러닝인거임. 그리고 알아서 분류한다는 틀렸음. 물론 알아서 분류하는 학습방법도 있음. 그게 비지도 학습임. 하지만 이런건 다 성능이 떨어지고, 라벨링 된 데이터가 없을 때 쓰는 방법임. 기본적으로 딥러닝에서도 라벨링된 데이터, 그러니까 a는 고양이고 b는 개 라고 알려주는 데이터를 학습시킨 후, 이걸 기반으로 판단하는 것이 기본적인 학습방법, 지도학습임. 그냥 이 부분에 대해선 님이 잘못 알고 있는거임. 그냥 검색해봐도 나옴. 그리고 아마 님도 학습할 때 레이블링 된 데이터를 사용했을거임. 나도 이미지는 일 할 때 쓴적은 없지만 캐글 참여했을 때는 전부 a는 개고 b는 고양이라고 알려주는, 답을 알려주는 방법을 사용했음.

그리고 내 첫댓을 혹시 잘못 이해했나 싶은데, 나는 머신 러닝에서 말하는 특징 추출을 이용한다는 말이 아니라 레이블링 된 데이터를 사용한다는 의미였음

잘 알고있네 현업자로서 칭찬해줄게 땅땅! 대신 요즘은 score-based method가 나오고 있어서 너가 말한거랑 약간은 다를거야 비전처럼 trajectory 그리려는 시도가 꽤 있어

이런 댓글을 원했음. 하나 배우고 가네. 감사감사.

관련해서 논문 추천하는 거 있음?

https://openreview.net/pdf?id=pMQwKL1yctf 이게 제일 쉽고 기본적인 형태인듯?