큐:
왜 일반 사용자가 볼 수없는 상황에서 머신 러닝이 그렇게 많은가?
ㅏ:머신 러닝에 대한이 근본적인 질문은 이러한 복잡한 프로그램의 작동 방식과 오늘날 경제에서 어떤 역할을 수행하는지에 대한 다양한 측면을 고려합니다.
머신 러닝 시스템의 저조한 부족을 설명하는 가장 쉬운 방법 중 하나는 숨기기가 쉽다는 것입니다. 이러한 백엔드 시스템은 추천 엔진 등으로 인해 소비자가 머신 러닝이 진행되고 있다는 사실을 잊을 수 있습니다. 모든 최종 사용자가 아는 것처럼 일부 인간은 복잡한 알고리즘을 실행하는 신경망 대신 신중하게 선택을 할 수 있습니다.
그 외에도 머신 러닝에 대한 체계적인 교육이 부족합니다. 부분적으로는 새로운 것이기 때문이며, 부분적으로 전체적으로 STEM 교육에 대한 투자가 부족하기 때문입니다. 사회로서 우리는 일반적으로 기술에 대해 자세히 배우고 우리 인구의 "기술 사제"가되기 위해 핵심 개인을 선택하는 것이 좋습니다. 더 넓은 스펙트럼 전략은 물론 고등학교에서 중등 수준의 세부적인 기계 학습 및 기술 교육을 포함하는 것입니다.
또 다른 문제는 머신 러닝과 관련하여 접근 가능한 언어가 부족하다는 것입니다. 전문 용어는 알고리즘 자체의 레이블에서부터 인공 뉴런에 전력을 공급하고 신경망을 생성하는 활성화 기능에 이르기까지 풍부합니다. 또 다른 좋은 예는 길쌈 신경 네트워크에서 패딩 및 보폭, 최대 풀링 등의 레이어 레이블링입니다. 이 용어의 의미를 실제로 이해하는 사람은 거의 없으므로 기계 학습이 더욱 어려워집니다.
알고리즘 자체는 수학자의 관점에서 쇠약 해졌다. 현대 물리학과 고전 물리학에서와 마찬가지로, 이 분야의 학생들은 알고리즘 함수를 평범한 언어로 만드는 대신 복잡한 방정식을 읽는 기술을 숙달해야합니다. 또한 머신 러닝 정보의 접근성을 떨어 뜨립니다.
마지막으로, 엔지니어조차도 얼마나 많은 기계 학습 프로그램이 작동하는지 완전히 이해하지 못하는“블랙 박스”문제가 있습니다. 이러한 알고리즘의 복잡성과 기능을 확장함에 따라 투명성을 희생하고 평가 및 분석 결과에 쉽게 액세스 할 수 있습니다. 이를 염두에두고 설명 가능한 AI를 향한 큰 움직임이 있습니다. 운영 기계 학습 및 인공 지능에 대한 접근성을 유지하고 생산 환경에서 불쾌한 놀라움을 피하기 위해 이러한 프로그램의 작동 방식을 유지하는 것입니다.
이 모든 것이 오늘날의 기술 세계에서 머신 러닝이 급증하는 이유는 무엇인지 설명하는 데 도움이됩니다.