프로그래밍 갤러리에 AI 관련 기술적 분석 게시물을 올린 것이 많았는데 AI 설계에 대해서 간략히 생각이 들어서 보충함.

ㅇㅅㅇ.

AI 에 대해서는 그것이 Attention 에 대해서 Spectrum 을 맞춰놓는 것에 대해서, Random 을 기준으로 끝임없는 Feedback(되물음) 의 훈련을 컴퓨터로

거쳐놓은 것이 있어서 Attention 에 대해서 실재와 같은 결과물이 가능하기도 함. 

그렇지만 AI 에 대해서는 기본적으로 Deep learning 의 기계학습으로 형성이 된 것이어서, 이에 대해서는

기본적으로 Parameter 의 네트워크(Network) 가 신경망으로 작용한다고들 함. 

그렇지만 이러한 Parameter 에 대해서는 Attention 에 대해서 Strong/Weak 의 단위로 눈매김되는 Parameter 로 유형을 나눠서 학습을 하는 것이 적당함. 

왜냐하면 Attention 의 Spectrum 에 대해서는, 이러한 Parameter 의 List 에 대해

감상되는 Strong-Weak 의 List 로 Spectrum 이 개 or 고양이 처럼 인식에 작용을 하기 때문임. 

ㅇㅅㅇ.

그렇지만 이러하게 Parameter 를 Strong-Weak 의 Identity 로 나눠서 학습을 해도 그 모양에 대해서 Random 의 성질이 퀄리티에 대해서 있을 수가 있음. 

이러한 퀄리티의 차이에 대해서는 Identity 의 각각의 결과물에 대해서 퀄리티가 평균적으로 보장이 될 수가 없을 수도 있는데, 이에 대해서는

Parameter 를 늘리는 것 외에 특징(Feature) 에 대한 Embedding 이 필요함. 

and-or-not 에 대해서 Exist/Not Exist 의 Embedding 이 있는 것에 대해서 Strong-Weak 가 Parameter 하나의 Identity 에 대해서 작용을 하기 때문임.

ㅇㅅㅇ.. 

이에 대해서는 인간의 뇌의 Attention 이라는 것이 생각보다 논리적 의사를 띈다는 가정이 필요로 하기는 함. ㅇㅅㅇ

그래서 AI 에 대해서는 이러한 각각의 Parameter 의 Identity 에 대해서 Blender(혼합자) 의 Strong-Weak 로 Attention 에 대해서 논리적으로 결과물을 구현할 수 있음. 

그런데, AI 에 대해서는 개념적으로 여러가지 AI 가 각기 있을 수 있고, 이에 대해서는 

기본적으로 수사학적인 의미에서, and-or-not 으로

어떠한 Domain 에 대한 Strong-Weak 의 Identity 가 and-or-not 으로 붙는 것에 대해서 Table 이 있기에 Testing 으로 설계 데이터가 가능하기도 함. ㅇㅅㅇ..

AI 개발자라고 하는 것의 정의가 이러한 것으로도 타당하다고 봄. 

AI 개발자로써 AI 는 Domain 에 대해서 이렇게 설계될 수 있음! ㅇㅅㅇ..