1.
오늘 처음 듣는 이야기가 있는데,
얼마전부터 유전자 분야랑, 기상학 분야에서 각각 딥러닝을 적용하려는 시도를 해오고 있는데, 딱히 좋은 결과는 안나오고 계속 실패중이라고 한다.
둘 다 다른 사람에게서 이 이야기를 들었는데, 문득 듣고 나중에 생각해보니 이 둘이 뭔가 공통되는 얘기가 있다.
나는 딥러닝이 실패하는 사례가, 굉장히 uncertainty를 고려해야하는 분야 내지 사회과학 분야(얼마전에 이야기한 경제학에서의 실패사례 처럼) 정도만 생각해왔는데,
이 두 경우는, 굉장히 명료할 것 같고, 자연과학이나 공학적인 방법 만으로도 접근이 가능할 것 처럼 보이는 분야라는 것이다.
그런데 알고보니, 이 두 분야도 사실은 굉장히 인위적인 영향력이 크게 작용한다고 한다.
가령 유전자 데이터만 해도, 유전자 맵이라는 개념이 있기는 하지만 사실 뚜렷한 표준 맵이 있다거나(표준 사람이라는걸 정의하지 않듯이) 그런건 아니고 애초부터 특별한 목적을 갖고 샘플링이 되는 데이터라는 것이고
기상 상황도, 자연이 알아서 그대로 돌아갈 것 같지만, 알게모르게 인간의 산업활동 등의 영향을 크게 받는다는 것이다. (한가지
예로, 중국의 산업화 -> 우리나라의 일조량이 점점 줄어듦 -> 습도 증가 -> 외수위 증가와 같은 일이 점점
일어나고 있음. 습도 증가 때문에 올해 무진장 더웠는데 내년에 더 더울거라고......)
엊그제 쓴 불확실성에 대한 똥글이 점점 확신으로 바뀌어간다.
2.
오늘 굉장히 멋진 말도 들었다.
"첨단이 있기 까지는, 수백년, 수천년동안 쌓여온 기초가 있다."
역시 기초가 중요하다. 공감.
'다이어리 > 다이어리' 카테고리의 다른 글
#결론이뭐이러냐 (0) | 2016.10.26 |
---|---|
아무리 토이 데이터여도 생명의 생과 사가 달린 데이터를 다룰 때는 손이 덜덜 떨린다. (내용 없음) (0) | 2016.10.26 |
생각해보니 이거 어디서 많이 본 모습이다. 어쩌라는건지 모르겠다. (0) | 2016.10.26 |
"설명할수 없는 모형은 모형이 아니다" (0) | 2016.10.26 |
꼭 게임이 아니어도, 결국은 적절한 reward만 정의할 수 있다면, state가 바뀌는 상황에 대해서도 기계가 얼마든지 적응하며 좋은 결과를 내는 반복수행을 하게끔 시킬 수 있게 된다는 것이다. (0) | 2016.10.26 |
그래도 이런건 안아깝다. (0) | 2016.10.26 |
딥러닝을 포함한 주류 머신러닝의 또 다른 문제는, 통계적 방법론을 갖다 쓴다고 말을 하고 있지만, 정작 에러텀을 붙이지 않고 그냥 대수적인 처리만으로 접근해서 쓴다는 데에 있다. (0) | 2016.10.26 |
강화학습 이제 어느정도 실습 해볼 수 있을만큼 공부가 된 것 같당. (0) | 2016.10.26 |
애초에 entropy를 계산할 때 median을 이용했더라면 어땠을까 하는 생각이 든다. (0) | 2016.10.26 |
내 첫 딥러닝 관련 논문이 뭘로 어떻게 흐름을 잡아야 할지 떠오른 것 같다. (0) | 2016.10.26 |