삼단논법 편집하기

이동: 둘러보기, 검색

경고: 로그인하지 않았습니다. 편집을 하면 IP 주소가 공개되게 됩니다. 로그인하거나 계정을 생성하면 편집자가 아이디(ID)으로 기록되고, 다른 장점도 있습니다.

편집을 되돌릴 수 있습니다. 이 편집을 되돌리려면 아래의 바뀐 내용을 확인한 후 저장해주세요.
최신판 당신의 편집
40번째 줄: 40번째 줄:
 
톰 미첼(Tom Mitchell)은 "컴퓨터 프로그램이 작업 종류 T와 성능 지표 P에 대하여, 경험 E가 늘수록 성능이 향상될 때 경험 E로부터 학습한다고 말한다"라고 머신러닝을 정의했다. 이는 지능을 어떤 영역 혹은 분포의 문제들에 대한 해결책의 성과의 기댓값으로 평가하는 관점과 합치한다. 그래서, 머신러닝에서 가장 기본적으로 사용되는 성능 지표인 정확도는 테스트 오차로부터 구해지며, 테스트 오차는 일반화 오차의 근사치를 얻기 위한 것이고, 일반화 오차는 데이터의 확률 분포함수를 알고 있다는 가정하에, 그 분포에 따른 예측값과 실제값과의 오차의 기댓값이다. 머신러닝의 일반적 정의는 범위를 좀 더 좁혀서 귀납 학습을 의미한다. 즉, 기존 경험이나 데이터를 분석하여 일반적인 규칙을 추출하는 것이다. 그렇기 때문에 경험이 쌓이고 데이터가 쌓일수록 좀 더 잘 맞아떨어지는 일반적인 규칙을 찾아낼 수 있게 된다.
 
톰 미첼(Tom Mitchell)은 "컴퓨터 프로그램이 작업 종류 T와 성능 지표 P에 대하여, 경험 E가 늘수록 성능이 향상될 때 경험 E로부터 학습한다고 말한다"라고 머신러닝을 정의했다. 이는 지능을 어떤 영역 혹은 분포의 문제들에 대한 해결책의 성과의 기댓값으로 평가하는 관점과 합치한다. 그래서, 머신러닝에서 가장 기본적으로 사용되는 성능 지표인 정확도는 테스트 오차로부터 구해지며, 테스트 오차는 일반화 오차의 근사치를 얻기 위한 것이고, 일반화 오차는 데이터의 확률 분포함수를 알고 있다는 가정하에, 그 분포에 따른 예측값과 실제값과의 오차의 기댓값이다. 머신러닝의 일반적 정의는 범위를 좀 더 좁혀서 귀납 학습을 의미한다. 즉, 기존 경험이나 데이터를 분석하여 일반적인 규칙을 추출하는 것이다. 그렇기 때문에 경험이 쌓이고 데이터가 쌓일수록 좀 더 잘 맞아떨어지는 일반적인 규칙을 찾아낼 수 있게 된다.
  
머신러닝의 한계로, 기계 학습은 귀납 추론에 기반해 기존의 경험이나 데이터를 더 잘 설명하는 규칙을 찾아내려는 시도일 뿐 찾아낸 규칙이 확실히 맞다 거나 최적이라는 보장이 없다. 아이러니하게도 그렇기 때문에 기존에 알지 못했던 새로운 일반적인 규칙이나 원리를 찾아낼 수 있고, 얼굴 인식과 같이 복잡한 작업을 빨리 처리할 수 있다. 이는 인간의 지식 체계에도 동일하게 적용된다. 가령, 고전역학은 이 세상의 모든 물리적 현상을 설명하는 것처럼 보였고 한때 세상 사람들은 절대 진리로 여기기도 했다. 그러나, 이는 상대성 원리에 의해 부정확하다는 것이 드러났고, 그 이후 양자역학에 따라 또다시 부정확하다는 것이 드러났다. 머신러닝뿐만 아니라 인류가 오랫동안 쌓아 올린 놀라운 지식 체계들도 결국은 불완전한 귀납 학습에 크게 의존하며, 확실히 맞는다는 보장이 없고, 그래서 틀렸었다. 경험이 쌓일수록 좀 더 세상을 잘 설명할 수 있는 원리를 고안해낼 수 있을 뿐, 우리에게 절대 진리의 보장은 주어지지 않았다.<ref name="포공신"></ref>{{자세히|머신러닝}}
+
머신러닝의 한계로, 기계 학습은 귀납 추론에 기반해 기존의 경험이나 데이터를 더 잘 설명하는 규칙을 찾아내려는 시도일 뿐 찾아낸 규칙이 확실히 맞다 거나 최적이라는 보장이 없다. 아이러니하게도 그렇기 때문에 기존에 알지 못했던 새로운 일반적인 규칙이나 원리를 찾아낼 수 있고, 얼굴 인식과 같이 복잡한 작업을 빨리 처리할 수 있다. 이는 인간의 지식 체계에도 동일하게 적용된다. 가령, 고전역학은 이 세상의 모든 물리적 현상을 설명하는 것처럼 보였고 한때 세상 사람들은 절대 진리로 여기기도 했다. 그러나, 이는 상대성 원리에 의해 부정확하다는 것이 드러났고, 그 이후 양자역학에 따라 또다시 부정확하다는 것이 드러났다. 머신러닝뿐만 아니라 인류가 오랫동안 쌓아 올린 놀라운 지식 체계들도 결국은 불완전한 귀납 학습에 크게 의존하며, 확실히 맞는다는 보장이 없고, 그래서 틀렸었다. 경험이 쌓일수록 좀 더 세상을 잘 설명할 수 있는 원리를 고안해낼 수 있을 뿐, 우리에게 절대 진리의 보장은 주어지지 않았다.<ref name="포공신"></ref>
  
 
==== 기계추론 ====
 
==== 기계추론 ====

해시넷에서의 모든 기여는 다른 기여자가 편집, 수정, 삭제할 수 있다는 점을 유의해 주세요. 만약 여기에 동의하지 않는다면, 문서를 저장하지 말아 주세요.
또한, 직접 작성했거나 퍼블릭 도메인과 같은 자유 문서에서 가져왔다는 것을 보증해야 합니다 (자세한 사항은 해시넷:저작권 문서를 보세요). 저작권이 있는 내용을 허가 없이 저장하지 마세요!

취소 | 편집 도움말 (새 창에서 열림)