Public Note

가설사고를 적용하려고 할 때 가장 어려운 것은 바로 가설을 만드는 겁니다. 그 방법은 어떻게 가르쳐 주기도 애매해서 결국 스스로 경험과 노력을 통해 익히는 수밖에 없는 것 같습니다. 하지만 이런 가설 추론법이 아무런 이론적 근거도 없는 건 아니고, 퍼스(Charles Sanders Peirce)라는 미국 철학자가 귀추법(Abduction)이라고 분류한 바 있습니다.

CACM 2월호에 Informatics Creativity: A Role for Abductive Reasoning?라는 글이 실렸습니다. 귀추법을 써서 창의력을 어떻게 향상시킬 수 있을지를 알려줄 것만 같은 제목입니다 :) 5장짜리 글인데, 앞부분에서는 귀추법이 무엇인지 간단히 설명하면서 현재 활용되고 있는 분야를 소개합니다. 왼쪽 그림만 봐도 귀추법이 어떤 건지 대략 감이 잡히지 않나요? (글에 삽입된 그림 가져온 거에요.) [계속 읽기]

이 글은 2000년에 마빈 민스키 (Marvin Minsky) 교수가 CACM에 기고한 글입니다. 제목만 보면 상식이 가미된 유저 인터페이스라는 새로운 개념을 제시할 것 같은데, 읽고 보니까 유저 인터페이스와 직접적인 관련은 없군요.

하지만, 전문가 시스템이나 몇몇 제한된 인공지능 분야에서의 성공에도 불구하고 왜 아직까지 스스로 생각하고 학습하는 기계는 없는가, 사람과 세상을 이해하는 기계를 만들려면 어떻게 해야 하는가에 대한 민스키 교수의 생각을 살펴볼 수 있습니다. [계속 읽기]

교과서에서 익힌 기계학습(machine learning) 기법을 교과서에 나오지 않는 데이터에 적용하려고 할 때 부딪치는 가장 큰 어려움이 뭘까?

내가 봤을 때 전처리가 잘 되어 있고 충분히 믿음직한 좋은 품질의 데이터를 구하는 것이 가장 중요하고 또 어려운 것 같다. 여러 알고리즘 중의 가장 적절한 것을 찾는 것은 그 다음의 일이다.

좋은 데이터를 구하는 게 중요한 일이지만 그렇다고 뾰족한 해결책이 있는 것은 아니다. 그냥 ‘알아서 잘 만들어라.’ 외에는. 그런 이유로 교과서에서는 여기에 대해 길게 설명하지 않는다. 하지만, 실제로 맞닥뜨리면 상당히 많은 시간과 노력을 필요로 하는 작업이라는 걸 알게 된다. 왜냐하면 기본적으로 사람이 데이터를 하나하나 보면서 직접 판단을 해야 하기 때문이다. 인물 사진 10000개를 보면서 그게 누구 얼굴인지 태그다는 일을 생각해보라. [계속 읽기]

CACM 4월호에 실린 짧은 글인데, Sentimental Analysis의 개념을 설명하고 기술 상용화를 준비하고 있는 회사들의 이야기가 있어서 간단히 소개한다.

이 글에서는 Sentimental Analysis라는 용어로, 여태껏 Opinion Mining, Business Intelligence 따위의 단어로 불리던 기술응용분야를 묶었다. Sentimental Analysis를 간단히 설명하자면, 사람들이 적은 글에서 특정 대상(또는 주제)에 대한 저자의 주관적인 의견을 뽑아내는 것이다. 예를 들어 영화 리뷰나 제품 사용기가 있을 때, ‘글을 쓴 사람이 대상을 좋아했는가? 만약 그렇다면 얼마나 좋아했는가?’를 알아내는 것부터 ‘그 영화 줄거리는 좋은데 배우가 연기를 못 해’ 같은 의견을 추출하는 것까지를 모두 포함한다. [계속 읽기]

대학원에서 우리가 흔히 쓰는 ‘지도교수’의 영어 호칭은 Advisor다. 감독자(supervisor)나 관리자(manager)가 아니라, ‘조언자’라는 것은 다소 낯설지만 또 한편으로는 의미심장하게 들린다. 오묘하기 그지없는 학생과 지도교수의 역할과 관계에 대해 고민하던 기억이 아직 머릿속에 남아 있는 탓일까. CACM 3월호에 대학원생, 특히 박사과정 학생과 그 지도교수를 위한 조언이 실린 것이 눈에 들어왔다. [계속 읽기]