본문 바로가기
반응형

AI · 인공지능974

[알기쉬운 AI - 24] Q 학습 (Q-Learning) 지난번에는 "Q-Learning의 Q는 무엇의 약자인가요?"라는 질문에 대하여, "검정 결과가 유의하다고 판단되는 최소의 FDR(false discovery rate)의 수"임을 알 수 있었습니다. 이번에는 드디어 Q-Learning의 학습 방법에 대해 알아봅시다. 해전 게임 Q-Learning의 구조는 "해전 게임"과 비슷합니다. 이것은 2명이 하는 대전형 게임입니다. 종이에 그림 1(R)과 같이 그리고 상대방이 모르게 자신의 함대를 배치합니다(전함과 순양함과 잠수함 3척의 함대입니다). 상대가 선공이라고 합시다. 상대방이 "3의 C"라고 어뢰를 맞출 위치를 지정해서 공격해 왔을 경우, 거기에 내 함이 있었다면 "명중"이라고 밝히고 내 전함은 침몰합니다. 이번에는 명중이 아니라 S(잠수함)의 주변이므로.. 2020. 4. 4.
[알기쉬운 AI - 23] P 값과 Q 값 Q-Learning의 Q는 무슨 의미? 이 질문에 답하려면 먼저 통계의 P 값 (P -Value)에 대해 알아야 합니다. 우선 P 값의 설명부터 시작합니다. P 값 (P -Value )는 P 값 (P -Value) 이란? 세상에는 "증명하고 싶은 가설"이 많이 있습니다. '세차를 하면 비가 온다'는 등의 가설은 아마 기분 탓일 겁니다. 하지만 "IT 업계에는 B형이 많다"라는 가설은 내심 그런 것 같기도 하고 알아보고 싶은 생각이 듭니다(사실 저도 B형). 통계를 통해서 이러한 가설들을 입증하는 방법이 가설 검정입니다. 한국인의 B형의 비율은 21.9%입니다. 만약 IT기업의 건강 조합에서 B형인 사람들의 통계를 살펴본다면, "IT업계에 B형이 많다"라는 가설이 맞는지 알 수 있을 것 같네요. 이와 같이.. 2020. 3. 25.
[알기쉬운 AI - 22] 강화학습과 도적 알고리즘 강화 학습과 밴디트(도적) 알고리즘 강화 학습은 감독 학습처럼 '해답'이 주어지는 것이 아니고, 보수를 얻기 위해 스스로 배우고 영리해지는 학습법입니다. 바둑이나장기와 같은 게임에서 압도적인 힘을 보여 주므로, "빙상의 체스"라 부르는 컬링을 예로 들어 설명해 봅시다. 컬링은 4명이 한 팀으로 10 엔드 싸움으로 합계 점수가 많은 쪽이 승리하는 스포츠입니다. 엔드마다 선공과 후공이 있어 후공이 유리한 게임입니다. 엔드에서 이기면 다음 엔드는 선공이 되기 때문에 일부러 무승부로 끝내서 후공을 계속한다거나 선공 때는 1점 차이로 일부러 져서 후공을 얻기도 합니다. 이 스포츠는 어떻게 싸워나갈 것인지 전술적인 면이 큰 경기입니다. 일반적으로 컬링은 코치가 있습니다. 8 엔드에서 선공으로 2점 리드시 취해야 할.. 2020. 3. 18.
[알기쉬운 AI - 21] 과학습을 ​​막는 방법 시작하기 인간에게는 ego와 업보가 있듯이, 기계 학습에게는 과학습 이라는 것이 붙어 다닙니다. 숙명이라고 할 수 있지요. 따라서 최근의 신경망 라이브러리는 과학습을 방지하기 위한 몇 가지 기능이 포함되어 있습니다. 이번에는 그중에서 대표적인 것을 3가지 소개합니다. 1. 정규화 (Regularization) 과학습의 원인은 특정 학습 데이터로만 학습을 지나치게 해서 미지의 데이터에 대한 오차(일반화 오차)가 역으로 증가해 버리는 것입니다. 이를 방지하기 위한 정규화는 한마디로, "극단적이라 생각되는 의견은 듣지 않는다"는 것입니다. 즉, 모델을 복잡하게 하는 가중치는 그 양에 따른 페널티를 부여하여 모델이 복잡해지지 않도록 하는 것입니다. 정규화는 일반적으로 다음의 두 가지가 이용되고 있으며, 이 두 .. 2020. 3. 14.
구글이 양자 머신러닝 라이브러리 'TensorFlow Quantum'을 공개 Google은 워털루 대학, 폭스 바겐, 기밀 연구 기관 'X'와 공동으로 양자 머신러닝 라이브러리 TensorFlow Quantum (TFQ)을 공개했습니다. TFQ는 양자 컴퓨팅과 머신러닝 연구 커뮤니티를 결합하여 양자의 구조를 모델링하기 위한 도구입니다. TensorFlow Quantum : A Software Framework for Quantum Machine Learning Google AI Blog : Announcing TensorFlow Quantum TensorFlow Quantum 2020. 3. 8.
AI는 판타지 세계에서 롤 플레잉이 가능할까? 3개의 요점 ✔️ 최첨단의 AI가 판타지 세계에서 롤 플레이할 수 있는지를 검증 ✔️ 판타지 세계를 소재로 한 텍스트 어드벤처 게임의 데이터셋을 생성 ✔️ BERT는 어느 정도 인간답게 행동할 수 있지만, 앞으로의 발전이 더 기대 Learning to Speak and Act in a Fantasy Text Adventure GameA Hierarchical Location Prediction Neural Network for Twitter User Geolocation Jack Urbanek, Angela Fan, Siddharth Karamcheti, Saachi Jain, Samuel Humeau, Emily Dinan, Tim Rocktäschel, Douwe Kiela, Arthur Szlam,.. 2020. 3. 7.
GAN이 생성한 데이터는 무엇? 3개의 요점 ✔️ GAN은 bias를 유지할 뿐만 아니라 악화시킨다 ✔️ GAN은 학습 데이터의 분포를 학습하지 않았다 ✔️ 사람과 AI 양쪽에서 평가해도 같은 결과를 도출 Imperfect ImaGANation : Implications of GANs Exacerbating Biases on Facial Data Augmentation and Snapchat Selfie Lenses written by Niharika Jain , Alberto Olmo , Sailik Sengupta , Lydia Manikonda , Subbarao Kambhampati (Submitted on 26 Jan 2020) Subjects : Machine Learning (cs.LG) ; Computer Vision a.. 2020. 3. 1.
AI가 애니메이션을 고화질로 변환, HD는 4K로, 풀HD는 8K로 주식회사 라디우스5는 AI에 의해 애니메이션을 고화질로 변환할 수 있는 서비스 'AnimeRefiner'의 출시를 발표했습니다. 이 AI 모델은 애니메이션을 가로 x 세로 4배 크기의 고해상도로 변환할 수 있습니다. AnimeRefiner | AIがアニメを4Kサイズに変換・リマスタリング AnimeRefinerはアニメを綺麗に高解像度化することができるAIです。 どのようなアニメでも縦4倍、横4倍に高解像度化することができ、 まるでそのサイズで制作されたかのような美しい映像に変換することが可能です。 Deep learningを用いた独自の技術で開発を行っており、これまでの技術とは比較にならないほど美しく、アニメを高解像度化できます。 animerefiner.com 라디우스5는, AI와 사람(화가)의 특성을 살린 하이브리드 전신 일러스트 제작.. 2020. 2. 19.
렌더링을 응용한 이미지 세분화 'PointRend' 3 개의 요점 ✔️ CG의 렌더링 기술을 이미지 세분화에 응용 ✔️ 위치에 따라 샘플링 밀도를 변화시켜 정확도가 낮은 픽셀만 중점적으로 예측하는 'PointRend' 제안 ✔️ 연산량의 증가를 억제하면서 인스턴스 경계의 분류로 고정밀화 실현 PointRend : Image Segmentation as Rendering written by Alexander Kirillov, Yuxin Wu, Kaiming He, Ross Girshick (Submitted on 17 Dec 2019) subjects : Computer Vision and Pattern Recognition (cs.CV) 이미지 세분화(segmentation)는 자동운전 등에도 응용되는 중요한 연구 분야입니다. 기존의 세분화 방법은 입력 .. 2020. 2. 18.
모든 딥페이크를 간파하는 'Face X-ray', Microsoft가 해결한 SOTA기술이란? 3개의 요점 ✔️ 합성된 얼굴 이미지의 흔적에 주목한 범용적인 딥 페이크 탐지 모델을 제안 ✔️ 합성된 흔적을 효율적으로 찾는 Face X-ray라는 특징정보를 도입 ✔️ 학습 시 딥 페이크 데이터를 필요로 하지 않는 자기 지도 학습을 실현 Face X-ray for More General Face Forgery Detection written by Lingzhi Li, Jianmin Bao, Ting Zhang, Hao Yang, Dong Chen, Fang Wen, Baining Guo (Submitted on 31 Dec 2019) subjects : Computer Vision and Pattern Recognition (cs.CV) 최근 특정인의 얼굴을 다른 사람의 것으로 대체한 얼굴 위조 기술.. 2020. 2. 15.
반응형

티스토리툴바