나의 첫 AI 수학

 

 말 그대로 AI 기초 수학 부분을 재미있게 적어낸 책이다.
 다만 슬프게도 수포자인 내가 포기했던 미분을 매우 중요하게 여기고 있다.

 책엔 여러 공식이 나오지만, 전부 가벼운 공식들이다.
 1차 방정식 정도만 알면 읽는데 충분하다.
 즉, 수포자도 앞에 거대한 '수학'이란 글자를 크게 신경 안 써도 된다는 말이다.

 이 책은 간단하게 AI가 무엇인지, 어떻게 변했는지, 변화 과정이 어떻게 이루어지며 그 과정에서 사용된 수학적 기법(물론 간단한 것들로)에 대한 설명이 이어졌다.

 AI에 대해 관심이 있다면 수포자든 누구든 간단하고 흥미롭게 읽을 수 있는 책이다.

 다른 것들은 읽으면서 '그렇구나'하면서 넘길만한 것들인데 다음에 필요할 것 같은 부분은 아래 추가로 남겨둔다.

--------------------------------------------------------------------------------------------------------------------------------------------------

 ●인공지능은 물리적 모방이 아닌 학습 과정에 대한 모방 - 날고 싶다고 새의 날개를 붙이는 것이 아니라 나는 원리를 파악하고 그것을 이용하는것.
● 머신러닝보다 딥러닝 - 머신러닝은 컴퓨터 스스로 학습하는 인공지능의 방법 중 하나. 딥러닝은 '신경망'을 확용한 머신러닝의 한 종류.

● 활성 함수 - 일정 수치 이상이어야 작동하는 함수. 수치 미만까진 아예 작동을 안해 함수로 보면 계단 함수로 그려짐.
● 시그모이드 함수 - 0<x<1이 되는 함수로 한 없이 0이 될 뿐 0이 되지 않아 어떤 값도 미분이 가능한 함수.
● 렐루 함수 - x가 0보다 작으면 0, 아니면 x값을 갖는 함수. 비교적 간단하고 빠르다.
● 쌍곡탄젠트 함수 - 시그모이드 함수와 비슷하지만 -1<x<1의 값을 갖는다.
● 리키렐루 함수 - 렐루 함수의 변형. 음수일 때 작은 기울기를 갖도록 하여 음수일 때도 미분계수가 0이 아닌 함수.

● 입력값에 따라 출력을 0 or 1로 하는 인공신경세포 하나를 '퍼셉트론'이라 한다.
● 퍼셉트론은 AND, OR, NOT을 연산할 수 있다.
● XOR은 퍼셉트론으로 연산이 불가능하다. 따라서 NAND, OR, 앞에 두 값의 출력으로 AND를 하는 3개의 퍼셉트론이 합쳐진 '다층퍼셉트론'이 만들어졌다.
● 값을 입력하는 입력층, 출력하는 출력층, 계산하지만 외부에 노출되지 않는 히든층이 존재한다.
● 히든층에서 계산할 것이 많을 때 계산할 것이 많고 가중치가 같다면 행렬로 계산하는 것이 훨씬 빠르다.

● 대표적인 예측 1차 함수 추론 방법은 '선형회귀분석'이다.
● 평균값으로 '회귀'하려는 경향을 보이기 때문에 선형회귀분석이다.
● 표본을 가지고 선형회귀분석할 때 오차와 오차의 대푯값이 중요하다.
● 오차의 대표값이 최소가 되는 1차함수(직선)을 찾아야 하는데, x값을 1, 1.5 ,2.... 수정하며 확인하는건 매우 귀찮은 일이기 때문에 손실함수 혹은 오차함수라 불리는 것을 사용한다.

손실함수

● 손실함수는 2차함수고, 최소값을 찾는 방법은 '경사하강법'을 사용한다.

PS. 챗지피티도 AI수학을 위해서 대수학, 기하학, 미적분학, 확률론같은 핵심적인 수학적 개념에 대해 확실히 이해하라고 했다고 한다.....