알아가는 즐거움

우리는 별다른 수고 없이도 소리를 듣고 느끼지만 귀와 뇌가 없는 컴퓨터에게 공기의 진동으로부터 음악을 듣는 것은 특별한 노력이 필요한 일이다. 어렵긴 하지만 그래도 그럴 만한 가치가 있다. 기계가 음악을 들을 줄 알게 되면 무엇이 가능해지는지 이 동영상을 보자. 조유진(Yoo-jin Cho)이라는 분이 바이올린 협주곡을 연주하는 장면이다. 협주곡이라면 독주자(soloist)와 오케스트라가 함께 연주한다는 뜻인데, 오케스트라는 어디에 있을까? 바로 컴퓨터 속으로 들어갔다.

위의 링크는 Music Plus One이라는 프로젝트의 데모 영상이다. [계속 읽기]

지난 몇 달 동안은 CACM에 관심이 가는 기사가 거의 없었는데, 이번 8월호는 볼거리가 아주 풍성하다. 물론 기준은 내 마음대로.

Mechanism Design Meets Computer Science – Gary Anthes

풍선찾기 대회가 있다. 다양한 지역에 커다랗게 떠 있는 10개의 풍선을 가장 먼저 찾으면 400만 원의 상금을 받는다. 여러분이라면 어떻게 하겠는가? [계속 읽기]

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]