구글에서 가장 아름다운 엔지니어의 관점에서 본 머신러닝

아름다운 캐시 코지르코프는 구글의 최고 의사결정 인텔리전스 엔지니어일 뿐만 아니라 통계학자이자 신경과학자이기도 합니다.

그녀의 머신 러닝에 대한 이해는 일반적인 주류 관점과는 다릅니다. 그녀는 머신 러닝이 전문가들이 말하는 것만큼 마법적이지 않을 수도 있다고 생각하고, AI 분야에 300억 달러 규모의 벤처 캐피털을 유치하는 주된 이유도 아니고, Hacker News나 Zhihu가 말하는 것만큼 심오하지도 않다고 생각합니다.

캐시 코지르코프 씨의 의견으로는 위의 내용은 모두 머신 러닝에 대한 서면 설명입니다. 실제 적용 시나리오에서 머신 러닝은 본질적으로 "사물 라벨링 머신"입니다. 설명을 기록하고 그에 따라 라벨을 지정하면 컴퓨터의 다음 작업을 안내할 수 있습니다.

머신러닝은 AI의 하위 집합이며 AI를 실현하는 핵심 기술 중 하나입니다. 현재 시중에 나와 있는 대부분의 AI 제품은 기본적으로 머신러닝에 의존하고 있기 때문에 많은 사람들이 이 두 개념을 같은 것으로 생각합니다.

AI에 대한 공상과학적인 상상 역시 무의식적으로 머신러닝으로 옮겨갔습니다. 예를 들어, 영화 '아이언맨'에서 아이언맨의 AI 비서인 자비스는 외딴 나라의 알려지지 않은 거리에서 범죄자를 항상 즉시 찾아낼 수 있습니다. 실제로 머신러닝이 공상과학 영화의 장면을 구현하는 것은 어렵고, 현재의 AI조차도 이를 구현하지 못합니다.

현재 AI든 머신러닝이든 컴퓨터 작업 효율성을 높이고 응용 분야를 확대하는 데 널리 활용되고 있습니다. 이는 방대한 데이터 프로젝트를 처리하고 일부 절차적 작업을 해결하는 데 사용될 수 있습니다. 공상과학 영화에 비해 실용성에 더 중점을 둡니다.

아래는 고양이 사진입니다. 인간의 뇌는 다양한 감각과 경험을 통해 쉽게 인식할 수 있지만, 컴퓨터에게는 많은 "정신적 활동"이 필요합니다.

컴퓨터에 사진을 고양이/고양이 아님으로 분류(또는 라벨링)하는 작업이 주어졌습니다. 머신 러닝 시스템과 전통적인 프로그래밍 방식은 두 가지 다른 운영 경험을 제공합니다.

기존의 프로그래밍 방식에서는 인간 프로그래머가 픽셀과 라벨에 대해 신중하게 생각하고, 다른 사람과 소통하고, 아이디어를 떠올리고, 마지막으로 수동으로 모델을 구축합니다.

모델은 컴퓨터가 픽셀 데이터를 컴퓨터가 인식할 수 있는 레이블로 변환하기 위해 따라야 하는 일련의 지침입니다. 이러한 명령어는 컴퓨터가 입력을 출력으로 바꾸는 데 사용하는 몇 가지 코드일 뿐이며, 프로그래머가 직접 작성하거나 알고리즘을 통해 데이터에서 파생할 수 있습니다.

이 그림에 포함된 각 픽셀 블록을 설명하기 위해 코드를 어떻게 사용하나요?

이것은 인간의 뇌에 매우 어려운 일입니다. 인간의 뇌는 사진을 인식할 수 있지만, 사진 속 픽셀 블록을 인코딩하는 것은 어렵습니다. 따라서 인간의 뇌가 컴퓨터에 사진을 인식하도록 명령하는 것은 노동 집약적이고 극도로 복잡할 뿐만 아니라 비실용적입니다.

그러므로 기존의 프로그래밍 방법은 이미지 인식 분야에 적용하기 어렵습니다.

하지만 머신러닝은 이 문제를 매우 잘 해결할 수 있습니다. 완전히 다른 프로그래밍 패러다임입니다. 명확한 지침이 필요 없이 분류와 같은 기술을 통해 프로그래밍할 수 있습니다.공식적인 설명은 다음과 같습니다. 데이터에서 고정된 패턴을 찾아 지침으로 변환합니다.

위의 그림을 예로 들면, 머신 러닝은 모든 관련 데이터를 통합하고, "고양이 아님" 예시와 "고양이" 예시를 요약한 다음, "고양이/고양이 아님"이 결정될 때까지 관련 특성에 따라 다시 분류합니다.

머신 러닝은 말로 표현할 수 없는 많은 것을 컴퓨터 언어로 표현할 수 있습니다. 즉, 우리가 원하는 결과를 얻기 위해 컴퓨터에 구체적인 지침을 줄 필요가 없다는 뜻입니다.

AI와 머신 러닝이 만들어진 주된 목적도 바로 이러한 것입니다. 즉, 지시가 필요 없이 인간의 의도를 해석하는 것입니다.

이러한 변화로 인해 컴퓨터는 점점 더 지능화되어 인간의 뇌만이 해결할 수 있는 많은 문제를 해결할 수 있게 되었습니다. 이는 인간 기술의 질적 도약이며 컴퓨터 과학이 새로운 문을 두드리고 있다는 신호입니다.