알아가는 즐거움

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]

저자들의 설명에 따르면, 작자 미상의 글이 있을 때 그 글의 내용이나 스타일 등을 통해서 저자에 대한 정보를 추측하는 것을 Authorship Profiling이라고 한다. 저자로 추정되는 여러 후보를  중에서 한 명을 콕 집어내는 Authorship Attribution과 달리, Authorship Profiling은 저자의 성별이나 나이 따위의 개인적인 특성을 추측하려는 것이다.

이런 게 왜 필요할까? 가령 어느 익명 게시판에 갔더니 특정 상품에 대해 부정적인 리뷰가 넘쳐난다고 생각해보자. 회사 관계자라면 그 상품을 나쁘게 평가한 소비자들이 주로 남자인지 여자인지, 청소년인지 장년층인지 궁금하지 않을까? [계속 읽기]

LaTeX에서 참고문헌을 만들거나 인용하는 방법은 한국 Tex 사용자 그룹의 위키에 잘 정리되어 있다. (BibTeX, 참고문헌 만들기, 참고문헌 인용) 하지만, 진짜로 아무 것도 모르는 초보자에게는 자세하고 정확하지만 어려운 설명보다 다소 미흡하고 심지어 오류가 좀 있더라도 간단하고 쉬운 설명이 더 도움이 될지도 모른다. BibTeX와 bib 파일에 대해 공부한 바를 여기에 남겨 두는 이유다. [계속 읽기]