|
:: 게시판
:: 이전 게시판
|
- PGR21 관련된 질문 및 건의는 [건의 게시판]을 이용바랍니다.
- (2013년 3월 이전) 오래된 질문글은 [이전 질문 게시판]에 있습니다. 통합 규정을 준수해 주십시오. (2015.12.25.)
통합규정 1.3 이용안내 인용"Pgr은 '명문화된 삭제규정'이 반드시 필요하지 않은 분을 환영합니다.법 없이도 사는 사람, 남에게 상처를 주지 않으면서 같이 이야기 나눌 수 있는 분이면 좋겠습니다."
16/11/06 08:00
멀미는 낮은 프레임과 낮은 그래픽 때문만은 아닌거 같아요. 제가 3D 멀미가 정말 심각하게 있는 사람인데, 그래픽 아무리 좋아도 똑같이 있더군요.
16/11/06 08:23
대놓고 드러나지 않아서 잘 안찾아지는것일지도 모르겠지만,
말씀하신 그런 노동집약적인 일들에 대해서는 엄청나게 시도하고 있을겁니다. 지금 이순간도 여기저기 딥러닝을 접목하는 논문들도 부지기수로 쏟아져 나오고 있습니다. 그리고 실제로 산업현장에 접목이 잘 되는것들은 하나둘씩 세상에 나오고 있는것이고요. 그런데, 그렇다고, 인건비를 획기적으로 줄이고 퀄리티는 비약적으로 상승하는 그런 일은 안일어날겁니다. 기술혁신에도, 일종의 에너지 보존법칙이니 유머에서 나오는 또라이보존법칙이니. 하는거라고 불릴만한 게 동작합니다. xx만 하면 엄청 좋아질것 같고 비용도 엄청나게 줄일수 있을것 같은데, 실제로는 안그렇고 대개는 다른데서 발목을 잡힙니다. 여러가지 씨름한끝에, 결국은 조금 개선되는 정도에서 마무리되는게, 반드시 그렇다고 선언해도 별 무리없을 정도로 대부분입니다. 딥러닝이 지금은 가장 각광받고 있고, 뭐든지 하기만 하면 다 될것이고 시간문제인것처럼 생각하는 경향이 있지만, 이것도 어느 시점에서는 딥러닝 방법론으로 감당이 안되는 인공지능개발에 있어 본질적인 한계가 파악될거라 생각합니다. 그렇게 뭔가 발전이 지지부진 해지고 그러다가 전혀 엉뚱한데서 뭔가 터져서 우와 하고 몰려가고 뭐 그렇게 되고, 그런식으로 발전하더군요.
16/11/06 08:46
글쎄요 이번의 기술혁신은 기존의 기술혁신과는 차원이 다른것 같습니다 카이스트 교수 국내 인공지능 관련 최고 권위자중 한분인 김대식 교수는 10년뒤 일자리의 70%가 없어질거라 예측했습니다 심지어 1년전에요 http://www.ajunews.com/view/20151006151945916
16/11/06 09:12
저는, 일이십년전에 소위 최고전문가들이 미래에 관하여 이야기했던것중에 현재 얼마만큼 이루어졌는지 되돌아 보고, 딱 그만큼만 그분들의 말씀을 신뢰합니다.
저또한 딥러닝이 평범한 기술이라고 생각하지 않습니다. 우리 삶을 상당부분 바꿀것은 틀림없는 변화가 올것은 틀림없습니다. 자동차가 우리삶을 바꾼것 정도는 바꿀것이다가 제가 예측하는 최대치입니다다만, 거기까지 가기는 힘들다고 보고있고, 딥러닝 기술이 사회에 미치는 영향이 스마트폰과 자동차 사이에 위치한 정도로 보고있습니다. 저도 10년후를 기다리고 있으니 십년후에 다시 딥러닝이 얼마나 세상을 바꾸었는지 이야기해보면 재미있을것 같습니다. 아마 그때까지 피지알도 남아있을겁니다.
16/11/06 10:43
스마트폰과 자동차 사이?...이 영상을 보면 생각이 싹 바뀌실 겁니다 https://www.youtube.com/watch?v=CqGxWMW55Z4
16/11/06 11:24
대중강연에 무슨 특별한게 있겠습니까?
어떤 기술이 가지고 있는 한계점을 감추고 장미빛으로 이야기 해줄수 있어야 대중의 관심 한가운데 있을수 있으니 나름의 가치가 있는 내용입니다만, 이미 인접분야 연구자들에게는 잘 알려져서 새로울게 없는내용들입니다. 비교적 상품화가 쉬운 이미지필터같은 경우에는 벌써 제품화가 되고있는것으로 알고 있습니다. 무엇보다도 딥러닝이 패러다임 쉬프트라고 할만한 근본적으로 새로운 기술을 기반으로 한게 아닙니다. 이미 1980년대부터 인공지능 관련되어 붐이 있었고, 20년 전에 딥러닝의 본질적인 신경망 관련 이론들은 다 만들어졌습니다. 별볼일 없어서 십수년째 지지부진하다가 이제와서 각광받는것은 다른게 아니라 그 사이에 하드웨어의 계산능력이 비약적을 발전했기 때문입니다. 제가보기에도 딥러닝이 세상을 많이 바꿀것은 명백합니다. 그래서 저를 포함해서 수많은 사람들이 관심이 있죠. 하지만 몇가지 잘되는 사례를 보고 인문학적인 감수성으로 미래를 전망한 모습들은 그 상당수가 현실성 없는것들이 대부분입니다. 원래 기술팽창기에는 단점이 잘 안보이기 때문에 지금 당장 어떤 한계에 부딪칠지는 명확하지는 않지만, 예를들어, 무어의 법칙을 대변되는 컴퓨팅파워의 지수적인 향상에 제동에 걸리면 당장 현재의 딥러닝 기술의 전망에도 차질이 생길겁니다. 만에하나 그런 시기가 일찍 오면 그리고 컴퓨팅 파워에대한 의존도를 해결하는게 늦어지면, 저는 딥러닝 기술이 스마트폰이 세상을 바꾼것 조차도 못이룰 가능성도 있다고 봅니다.
16/11/06 16:44
앗 죄송합니다. 제가 강연시간을 착각했군요. 사과드립니다. 시간을 언급한 부분은 수정했습니다.
다만 대중강연이고 그다지 특별한 내용은 없는것은 마찬가지입니다.
16/11/06 08:55
이게 super-resolution을 어떤 방식으로 구현해 내느냐 하는 얘기인데, (기존의 convolution을 이용한 edge detection에서 약간 나아간 것) 사실 딥 러닝이 없었을 때에도 필터를 디자인하여 어찌어찌 해 나가던 것들입니다. 뇌와 비슷한 구조다 뭐다 하는데, 제가 생각하기로는 (사람마다 이게 좀 달라서) 딥 러닝이라는 방법론의 가장 큰 소득은 비선형적 계산의 부작용을 최대한 줄여냈다는 점에 있는 것 같습니다. 그렇다고 하더라도 엄청난 혁신에 속한다는 것은 확실합니다.
16/11/06 09:38
목표에 따라 많이 다른데요. 인풋과 아웃풋이 잘 정의된 문제에 대해 반복적인 작업을 줄이는 정도라면 가능합니다. 근데 그 이상으로 가면 딥러닝을 통해 디테일을 메꾸는 것도 결국엔 모델과 트레이닝 셋이 필요한 일인데, 이걸 만드는 것도 보통 일이 아닙니다. 고로 박사급 인력의 연구 비용을 들일 가치가 있을 정도의 잘 정의된 문제 이상을 풀기는 쉽지 않구요. super resolution 역시 그 중 하나라 잘 푸는 것일 뿐, 특화된 문제에 대해서는 아직 풀어야 할 것들이 아주 많이 남아 있습니다.
이를테면 라푼젤의 애니메이션을 만든다고 할 때 어떤 것을 학습셋으로 써야 할까요? 이전까지는 없었던, 비현실적으로 긴 머리카락을 지닌 캐릭터인데요. 캐릭터마다 다른 뉘앙스와 애니메이션적인 과장은? 사실 이 것도 인공지능 기반의 애니메이션 합성이 성숙한 상태라는, 아주 낙관적인 가정 하의 이야기이고, 제가 아는 한 인공지능과 애니메이션의 접합은 아직 초보적인 단계에 머무른 분야입니다... 게다가 아티스트의 의도라는 것을 마법과도 같이 파악해서 적당한 결과물을 내놓는 것은 가능성 자체가 의심되는 지점이기도 하고요. 대부분의 비용은 이런 디테일에서 소모되기 때문에 당분간은 쉽지 않을 것이라고 봅니다.
16/11/06 10:27
Generative model에서는 비슷한 걸 많이 연구하고 있죠
하지만 아직 산업에서 사용되기에는 난점들이 있어서 시간은 어느정도 걸릴거 같네요
16/11/06 12:03
딥러닝으로 샘플을 생성하는 방법을 학습시킬 수 있습니다.
예를 들어 딥러닝으로 그림이나 사람 얼굴 등을 그리게 하는 연구도 이미 있습니다
16/11/06 11:44
인류의 노동은 본능이죠. 노동집약적인 분야가 바뀌게 될 것입니다. 예전엔 모두 공장일을 하다가 지금은 모두 마트일을 하듯이 말이죠.
정말 물리적인 업무가 인간의 손을 벗어나게 된다면 그 외의 정신노동 업무 분야의 일자리만 남고 해당분야에서 비즈니스가 생기겠지요.
16/11/06 11:44
언젠가는 될 수 있다고 봅니다만..
현재 공개된 기술 수준이 인풋/아웃풋 정하고 신경회로망 모델링 후 데이터 때려박았더니 결과가 좋더라 하는 수준이라 그게 언제가 될지는 모르겠네요. 신경회로망 모델링 시 특정 구성요소가 어떤 역할을 하는지는 공개되어있지 않습니다. 다만 구글이나 테슬라 같은 업체 내부적으로는 연구가 많이 이루어져서 공개하지 않을 뿐 알고있다고 하더군요. 고로 구글같은 대기업 쪽에서 관심을 가지고 많은 투자를 하면 말씀하신 미래가 코 앞에 있다고보고 그게 아니라면 정말 머나먼 미래에는 될 수도 있다고 봅니다..
16/11/06 15:18
사실 아무도 예측하기 힘들죠.
ai의 한계가 어느 정도인지 알 수가 없으니까요. 생각보다 빠를수도 있고 아니면 아예 불가능할수도 있습니다.
|
||||||||||