딥러닝이 Gen-AI (생성형 인공지능) 을 가능하게 하는 이유에 대해서 궁금한 것이 많이 없지가 않았는데 내 논리를 좀더 부연해야 될 것같아서 설명함. . 

딥러닝에 대해서는 오류역전파 알고리즘을 쓰는데, 이것에 대해서는

보통 책에서 소개되는 것과 같이 표현되는 객체의 다차원 행렬로의 값에 대해서 원본 데이터와의 값의 차이에 대해 미분을 사용해서 평균값을 구하는 성질이 있음. ㅇㅅㅇ..

(Shape 라고도 함..)

그렇지만 이에 대해서는 노벨 물리학상을 받은 제프리 힌턴(Geoffrey Hinton) 이라는 캐나다의 교수가 창안했다고 하는데,

데이터에 대해서 더 중요한 성질이 있음.

개인적으로 Deep-learning (딥러닝) 에 대해서는 인지지각의 현실에 대해서 정렬(Alignment) 를 학습을 하는 것이라고 생각하게 되었음.

인간이 지각하는 현실에 대해서는 많은 것에 대해서, 사상변환의 처리를 생각을 하면 많은 지각의 특이점(Detail) 은 정렬에 대해서 복잡도를 가짐.

(Mapping 을 말함..)

가장 단순하게는 이러한 정렬의 복잡도가 어떻게 드러나는가? 에 대해서 현실의 지각이 대상에 대해서 최소의 구분이 되는 것이기도 함.

그렇다면, 이러한 가정의 기초 하에서 계산값에 대한 오류역전파의 알고리즘으로

현실의 객체에 대해서 정렬도로써 많은 것을 계산행위로 Numbering 이 가능하기도 함. ㅇㅅㅇ..

그렇다면 Gen-AI (생성형 인공지능) 에 대해서는 여기서 Embedding 이라는 것을 딥러닝(Deep-learning) 의 Network 가 Weight, Bias 로

구분되어서 형성되는 것에 대해서 추가를 한다면 Gen-AI 가 된다고 할 수 있음. (언어에 대해서..)

왜냐하면 인간의 인식에 대해서 분절을 낳는 것에 대해서는 많은 것이 언어의 것으로 Embedding 이 가능하기 때문임. ㅇㅅㅇ.. 

간단히 말해서 Gen-AI 라는 것은, AI 로써 언어의 것에 의해서 지각의 대상(World) 와 언어의 묶음(Langugae) 로써 Network 에 대해,

Weight 와 Bias 에 대한 Network 를 엮어지는 것을 오류역전파 알고리즘으로 학습한 것이 된다는 것임.. ㅇㅅㅇ.. 

그렇다면 지각의 대상(World) 에 대해서, 여기서 더 추가되는 요점은 각각의 엇비슷한 형질에 대해서 인간의 이해에 대해 관성이라는 것이

비슷한 묶음에 대해 현실에 대해 나타나는 것의 일에 있다는 것을 오류역전파 알고리즘에 대해서 사용을 할 수가 있음. 

기본적으로 인간의 인식에 대해서는 Attention 이라는 것에 대해, 이러한 비슷한 묶음의 형질에 대한 감각에 대해서

관성이 나타나는 것에 대해서 

지각의 특이점(Detail) 이 어떻게 정렬(Alignment) 에 대해서 보이는 Point 가 어떻게 Linear 하지 않은 지? 에 대한 차이를 인식을 하는 것이라고 볼 수도 있음.

그래서 Network 에 대해서 Embedding 의 CODE 에 대해서 언어로써 이러한 지각의 World 를 딥러닝(Deep-learnign) 할 수가 있다고 봄.

딥러닝은 이러한 기초적인 인식 하에서 시도된 인류의 방법론이고 Natural 한 것이 인간의 인식에 대해 무엇인가? 를 보이는데 있어서, 상당한 이해를

보여준다고 보여짐. ㅇㅅㅇ.. 

딥러닝은 수학이 들어가는 것이 이러한 형질의 비슷한 묶음에 대해서 현실에서 보이는 인지적 관성에 대한 것을 오차률이라는 것으로 보이기도 하지만,

어느정도 철학적인 대상물을 만들어냈다고 보기도 함. 딥러닝에 의한 Gen-AI 는 대단한 것이 틀리지 않음. ㅇㅅㅇ..