학습 가능한 코의

학습 가능한 코의 작성법을 이해하는 것이 획기적인 혁명이었다. 사실 Ӓ 개념 자체는 Ӓ다 새로운 것은 아니다. -택-토 게임을 하는 법을 '운' 코는 1960년대에 도널 치가 처음으로 만어냈다. 하만 기계 학습의 정한 힘은 최Ӕ 어서야 주류에 편입غ었다. 예전과 달라 점은 이제 코가 로하고 학습할 수 있는 풍부한 디털 환경이 마련غ었다는 것이다. 예를 어, 온라인상에 수많은 디털 이이 ॔아면서 개와 고양이의 사을 ҳ별하는 시각 인식 소프웨어가 만어졌다. 하향식 코딩 식으로는 해낼 수 없었던 것이다. 코가 학습, 변경, 개, 변이 이라면 어느 시점부터는 오리널 코 작성자를 놀래킬 만한 일을 일도 모른다. 코가 갑자기 창의력을 휘할 수도 있는 일이다. 결Ҵ, 창의성은 새롭고 놀랍고 가치 있는 무언가를 만는 것이라고 정의할 수도 있다. 하향식 코딩 식은 놀라움을 줄 수 있는 요인에 한계가 있었다. 이제 변화하고 있는 코는 얼마 우리에게 놀라움을 선사할 수 있다. Ӓ러나 참신하다고 해서 시 가치가 있는 것은 아니다. 문화적, 역사적, 개인적으로 매우 한ة 점이 있어야 가치가 생긴다. 내가 쓴 시가 개인적으로는 내게 큰 가치가 있을 수 있만, 더 넓은 세상에서는 아무 가치 없는 것으로 여겨 수 있다. 머신 러닝이 실제로 게임 체인저가 수 있는 부분이 로 거기에 있다. 우리에게 가치 있는 일에 관한 학습 데이터를 제공한다면, 데이터의 핵심 표를 식별하여 우리가 가치를 는ف 것과 유사하다고 인식한 내용에 대해 더 노력을 기울이도록 할 수 있다. 마이크로소프와 델프 공과대학 연ҳ은 렘브란의 Ӓ림 346점을 분석하고 렘브란를 별하게 만는 점이 무엇인 파악하는 알고리્을 만었다. 이 학습 창의성이 놀라운 점은 난데없이 뭔가가 튀어나온다는 사실이다. 과정의 목적은 단순히 렘브란의 Ӓ림을 인식하는 것이 아니다. 이 프로Ӓ램을 이용해 렘브란만큼은 아니더라도 렘브란 학Ү에서 운 사람만큼의 설력을 전달할 수 있는 Ӓ림을 새로 Ӓ려내는 것이 목표였다. 하만 우리가 원하는 것은 단순한 모작이 아니다. 우리는 혁신을 원한다. 하만 많은 사람은 Ӓ것을 불가능한 일이라고 여긴다. 우리가 이해하는 시스템의 범위 내에서 기계가 작ز해야 한다면, 어떻게 Ӓ 테ف리를 벗어나 우리에게 새로운 무언가를 보여줄 수 있을까 창의적인 코를 만기 위해 노력을 기울이다 보면 흥로운 부산물을 얻기도 한다. Ӓ 하나는 새로운 것으로 변모하게 만는 원인을 이해하기 위해 인간처럼 우리를 몰아붙인다는 것이다. 인과학자 마가렛 보덴은 창의성에는 세 가 종류가 있다고 확인했다. 첫 ૩는 탐ҳ적 창의성이다. 여기서는 누ҵ가가 게임의 칙을 정하고 ӓ단으로 어붙인다. 이런 면은 컴퓨터가 매우 뛰어난 것 같다. ف ૩는 융합적 창의성이다. 이전에는 관련 없던 ف 세계를 합성하여 새로운 무언가를 만어 내는 것이다. 예를 어 다른 ف 문화ӂ의 요리 스타일을 결합해 빚어낸 60 / Jaguar Magazine

Tech 퓨전 요리라가 음악, 회화, 건축, 심어 Ӗ쓰기에서도 이와 비슷한 창의적 융합이 일어난다. 이러한 융합이 기술혁신으로 이어 수 있는 법을 이해하는 일은 창의적 코딩의 견본이 어준다는غ 점에서 흥롭다. AI 연ҳ원 프랑수아 파셰는 플로우 머신(Flow Machine)이라고 부르는 이 프로세스를 포착하려고 했다. 먼저 한 장르의 기본 스타일을 분석하고 칙을 학습한 다음, 완전히 다른 데이터 합에 적용한다. 이 법으로 기계는 쉔베르크 스타일의 12음 기법 음악을 r학습s할 수 있었다. Ӓ런데 이 기계가 같은 스타일로 블루스를 연주할 것을 요청 는다면 » Jaguar Magazine / 61