[딥러닝] 인공지능과 데이터

인공지능 과학 기술은 다음과 같은 프로세스를 통해서  발달하기 시작했다. 데이터를 수집하고 모델을 정립한 뒤 예측을 해보고 만약 내가 원하는만큼 나오지 않는다면 더 많은 데이터를 수집하고, 모델을 수정한 뒤 다시 예측한다.

즉 방대한 데이터는 단순한 수학 공식으로 표현하는 것이 불가능하기 때문에, 자동으로 모델을 찾아내는 과정은 필수이다. 

---

데이터 모델으로 학습하기 떄문에 주어진 응용에 맞는 충분한 다양한 데이터를 충분한 양만큼 수집해야한다. 예로 들어 정면 얼굴만 데이터만 수집할 때 옆 면이나, 약간 잘린 사진을 준다면 매우 낮은 성능을 내지만, 정면 얼굴에 있어 높은 값을 줄 것이다. 즉 추정 정확도가 높아진다. 즉 주어진 응용 환경을 자세히 볼 필요가 존재한다.

하지만 MNIST를 예시로 들자면 2^784만큼의 공간이 있지만 그 공간 안에 겨우 6만개의 데이터만 존재한다. 사실 저 큰 공간 안에 불 필요한 공간도 많다. 

다음과 같은 왜곡된 샘플은 많이 나오지 않기 때문에 사실 불필요한 데이터라 볼 수 있기 떄문이다.

---

 

이제 이런 데이터를 가시화 한다고 가정하면 고차원으로 갈수록 데이터는 가시화하기 힘들다.