알아가는 즐거움

테크놀러지리뷰 사이트에서 인공지능 관련 기사를 몇 개 발견했다. 나로서는 도저히 안 읽을 수 없게 만드는 제목들이다.

Google and Microsoft Talk Artificial Intelligence

구글의 피터 노빅(Peter Norvig)과 마이크로소프트의 에릭 호비츠(Eric Horvitz)에게 인공지능 관련 질문을 던지고 두 사람이 대답한 내용을 기사에 간단히 정리해놓았다. 두 명이 함께 인터뷰를 하다보니 일부러 다른 사람이 말한 내용과 중복되지 않게 얘기한 것 같기는 한데, 암튼 학습에 사용할 레이블링된 데이터가 없는 경우에 기계학습이 어렵지 않냐는 질문에, 한 사람은 Active Learning을, 다른 한 사람은 Reinforcement Learning을 해결책으로 제시한다. 최근에 본 인공지능 데모 중에 인상깊었던 것을 물으니, 한 사람은 Unsupervised Learning을 (구체적으로는 말하지 않았다. 근데 이것도 학습 데이터 부족에 대한 대안이 될 수 있겠다.), 다른 사람은 Apprentice Learning (learning by example)을 언급하면서, 조종사를 관찰함으로써 스스로 비행하는 법을 배우는 헬리콥터를 예로 든다. [계속 읽기]

양수 lambda가 인자(parameter)로 주어졌을 때 랜덤 변수 X가 다음과 같은 확률을 가지면 푸아송 분포(Poisson Distribution)를 따른다고 한다.

이렇게 수식으로만 보면 매우 복잡하고 어려운 것 같으니까, Poisson 분포가 무엇을 의미하며 어떻게 쓰이는지를 살펴보자. [계속 읽기]

이전 글에 이어서 간단한 확률 문제에 도전해보자.

어떤 프로야구팀이 있다. 전적을 살펴봤더니 날씨가 맑은 날의 승률은 0.75였고, 에이스인 Kim이 선발로 나왔을 때의 승률은 0.6이었다. 전체 승률이 0.5라고 할 때, 맑은 날 Kim이 선발 등판했을 때 이길 확률은 얼마일까? [계속 읽기]

A: 심심해 보이는데, 간단한(?) 수학 문제 하나 풀어볼래?
B: 그 도전, 받아주지.
A: 한 부부에게 자식이 둘 있는데, 그중 하나가 아들이래. 그럼 다른 한 명이 아들일 확률은?
B: 흥, 그걸 문제라고 내? 당연히 1/2이지.
A: (그럴 줄 알았다는 듯 고소한 목소리로) 훗.. 과연 그럴까? [계속 읽기]