핵심은 어떤 수를 찾는 것입니다. 앞에서 임의의 어떤 수를 무작위로 넣어서 찾는 것이 AI가 학습하는 방법이라고 소개했습니다. 이제 위의 식을 만족시킬 수 있도록 어떤 수를 찾을 때 까지 무작위로 넣어 봅니다. 식을 만족하는 어떤 수가 있다면 무식한 방법이라고 해도 언젠가는 찾을 수 있겠지만 애초에 식을 만족하는 어떤 수가 존재할 수 없다면 아무리 임의의 수를 넣어 보는 과정을 반복해도 결국 찾지 못할 것입니다. 문제가 복잡할 수록 어떤 수를 찾기는 더 어렵습니다. 예를 들어, 더 다양한 재료의 값이 입력되거나, 맛이 있거나(1) 없는(0) 재료들의 조합이 아주 다양하다면 모든 조건을 만족하는 하나의 어떤 수가 존재하지 않을 가능성이 큽니다. AI가 예측해야 하는 현실 문제는 아주 복잡할 것이므로 하나의 어떤 수로는 해결이 안되는 것이 어찌보면 당연합니다. 그래서 AI 과학자들은 이런 문제를 해결할 몇 가지 아이디어를 생각해 냈습니다.
하나의 어떤 수로 모든 사례를 충족시킬 수 없을때 가장 먼저 생각할 수 있는 방법은 어떤 수를 하나만 정하는 것이 아니라 다양하게 설정하는 방법입니다. 즉 식….를 아래의 식처럼 바꿔서 생각할 수 있습니다.
3X어떤 수_1 + 5X어떤 수_2 +1X어떤 수_3 +2X어떤 수_4 = 1
8X어떤 수_1 + 6X어떤 수_2 +3X어떤 수_3 +4X어떤 수_4 = 0 <수식 3>
이렇게 어떤 수를 더 다양하게 찾는 방식으로 바꾸면 이전 방식에서는 찾을 수 없었던 어떤 수를 이제는 찾을 수 있을지도 모릅니다. 물론 계산해야 하는 양은 훨씬 더 늘어나긴 하지만, 어떤 수1, 2, 3, 4를 찾아 AI를 구현할 수 있다면 그 정도 수고는 해 볼 가치가 있습니다. AI가 어떤 문제라도 정확하게 예측할 수만 있다면, 어떤 수가 많아지는 것은 문제가 안됩니다. AI를 사용하는 사람도 어떤 수가 몇개인지는 신경쓰지 않을테니까요. 하지만 문제가 복잡하면 어떤 수의 종류를 늘리는 것만으로도 해결이 안될 수 있습니다. 즉 식을 만족하는 어떤 수 1, 2, 3, 4를 찾지 못하는 경우죠. 그래서 또 다른 방법을 생각해 냅니다.
이번에는 계산 과정을 조금 더 복잡하게 만들어서, 어떤 수에 대한 단서를 더 많이 제공합니다. 단순한 한두 개의 식만으로는 어떤 수를 정확히 찾기 어려우니 다양한 방식으로 입력 데이터를 조합하거나 변형한 식들을 여러 개 만들어서 하나의 어떤 수가 아니라 여러 상황에 잘 맞는 어떤 수들의 조합을 찾고자 하는 것입니다.
예를 들어, 앞에서 ‘맛이 있는 경우(1)’를 판단하는 하나의 조건식이 있었다면, 이제는 아래처럼 여러 개의 식을 더해서 하나의 새로운 조건으로 바꿔볼 수 있습니다.
[3X어떤 수_1 + 3X어떤 수_2 + 3X어떤 수_3 + 3X어떤 수_4] +
[5X어떤 수_1 + 5X어떤 수_2 + 5X어떤 수_3 + 5X어떤 수_4] +
[1X어떤 수_1 + 1X어떤 수_2 + 1X어떤 수_3 + 1X어떤 수_4] +
[2X어떤 수_1 + 2X어떤 수_2 + 2X어떤 수_3 + 2X어떤 수_4] = 1 <수식 4>
이렇게 서로 다른 방식으로 가공된 입력을 조합해 식을 구성하면, 단순한 한두 개의 조건만으로는 파악하기 어려웠던 어떤 수들에 대한 힌트를 더 많이 얻을 수 있습니다. 즉, 계산식을 다양하게 만들면 만들수록, 어떤 수를 찾아낼 실마리가 풍부해지는 셈입니다.
이 방법의 핵심은 ‘정답에 가까워질 가능성을 높이기’입니다. 실제로 어떤 수를 구할 수 있는지, 그런 수가 존재하는지는 미리 알 수 없기 때문에, 과학자들은 가능한 많은 조건을 실험적으로 조합해보며 정답 후보들을 좁혀나가는 방식을 사용합니다. 수학적으로 증명된 절차가 있는 것도 아니고, 모든 데이터에 완벽히 맞는 어떤 수를 미리 알 수도 없기 때문에, 계산 과정 자체를 확장해서 힌트를 최대한 많이 끌어내는 것이 중요한 전략 중 하나입니다.
출처: https://diseny.tistory.com/entry/15-어떤-수를-찾아라
[의미를 이해하는 통계학과 데이터 분석:티스토리]