[음악] 우리는 어떻게 기계학습에 대해 알게 되었을까요? >> 이것은 흥미롭습니다. 제가 이전의 모듈 수업에서 말씀 드렸듯이, 저는 로봇에 대해 관심이 많았기 때문이 이것을 시작했습니다. 저는 정말 로봇을 만들고 싶었고, 로봇을 만들기 위해서는 기계공학에 대해 알아야 한다고 생각했죠. 따라서 저는 기계공학을 공부하기 시작했고, 곧 로봇을 만드는 데 있어서 어려운 것은 로봇의 뇌이며, 그것은 저를 다시 컴퓨터 과학으로 이끌었습니다. 그런 다음 저는 인공지능의 어려운 부분은 데이터를 이해하는 것이라는 것을 깨달았고, 그것은 저를 기계학습에 관심을 갖도록 만들었죠. 그래서 저는 기계학습에 대한 PhD를 땃습니다. 그것이 로봇에 대한 저의 작은 여정이었고, 데이터와 기계학습에 대해 흥분했던 사람의 여정이었습니다. 여러분은 어떻습니까? >> 비슷하지만 다른 여정입니다. 저는 Issac Asimov를 그저 읽으면서 이 일생의 영감들을 만들어 로봇을 만든 것이 아닙니다. 하지만 결국 저는 실제로 로봇들과 같이 일하고 있었죠. 하지만 저를 정말 기계학습에 끌리게 만든 것은 제가 특정 타깃을 추적하는 어플리케이션을 보았을 때입니다. 이것은 비행기와 같은 물체들을 추적하는 앱이였죠. 비행기는 날아가면서 전략적 행동을 통해 추적당하는 것을 피하려고 합니다. 하지만 여기에서 이슈는 이 시스템이 매우 높은 기술력으로 조작되는 것으로 여러분이 이 비행기의 물리적인 구조를 알고 이것이 오른쪽으로 턴하는 전략적 행동을 보이고 나서 다시 왼쪽으로 턴할 것이나느 것을 안다는 것이죠. 이것이 비행기가 직선으로 날거나 착륙할 때의 물리적인 구조를 말합니다. 따라서 여러분은 이렇게 시스템의 물리적 구조 기반이 이미 알려진 이런 모델들을 만들 것입니다. 이것들은 모두 다른 모드들입니다. 하지만 이것은 여러분이 보지 못했던 어떤 행동을 하고, 시스템은 이것이 빠르게 오른쪽 왼쪽 오른쪽 왼쪽 이렇게 반복해서 턴 하는 것을 수용하려고 할 것입니다. 하지만 물론, 그것이 무엇이 일어나고 있었는지를 전부 보여주는 것은 아닙니다. 따라서 저는 거기에 모델의 파라미터를 실제로 배우는 더 나은 방법이 있다고 생각했습니다. 이것은 우리가 직접 규정한 모델에 대해 실제로 얼만큼 믿을 수 있는지에 대한 부분을 점유하고 배치할 것인지에 대해서 말이죠. 그리고 이것은 이런 타입의 상황들에 좀 더 튼튼합니다. 그것이 저를 기계학습과 통계학에 관심을 갖게 만들었습니다. >> 맞습니다. 보시다시피 저는 기계공학과 출신이고 데이터와 기계학습에 빠졌습니다. 전기공학과 출신이고 비행기들을 추적하고, 기계학습에 빠졌습니다. 하지만 오늘날, 이것은 매우 신나는 것 중 하나인데 왜냐하면 우리는 모든 분야의 사람들이 기계학습에 관심을 갖게 되는 것을 보기 때문입니다. 우리는 물리학자들이 데이터에 대해 열광하는 것을 봅니다. 우리는 생물학을 공부하는 사람들을 봅니다.
We see people in biology. >> 사회과학, 철학도 마찬가지죠. >> 모든 분야에서, 수학, 우리는 통계학을 배웁니다. 우리는 과학을 배우죠.
>> 예술도요. 우리는 항상 예술에 대해 언급하길 좋아하죠. >> 맞습니다.
제가 Carnegie Mellon에 대해 이야기 했을 때, 거기에는 제 기계학습 수업을 듣는 예술과 학생들도 있었습니다. 그리고 내부에 기계학습을 사용하는 멋진 아트 프로그램을 설치했죠. 그것은 꽤 놀라웠습니다. 우리는 심지어 제 친구와 함께 기계학습을 사용하는 아트 프로그램을 만드는 수업을 가르쳤습니다. 따라서 우리는 서로 다른 배경을 가진 다양한 사람들을 만나고, 삶을 스테이징하고, 데이터 과학에 대해 생각해보고, 기계학습에 대해 생각하고, 지능형 어플리케이션을 만들었습니다. 그것들은 모두 데이터에 대한 열정을 가지죠. 멋진 일입니다. >> 이것은 멋집니다. 우리는 이렇게 모든 대화의 마지막을 마무리하게 될 것입니다. 저것은 멋집니다. 이것은 멋집니다. >> 이것은 멋집니다. [웃음]
>> 다음 수업에서 뵙죠. >> 멋져요. [웃음] [음악]