[음악] 주어진 여러분의 기계학습에 대한 멋진 역사적 관점은- >> 당신은 제가 늙었다고 하시는 건가요? >> 저는 당신을 나이든 사람이라고 말하고 있습니다. >> 항상 이렇습니다. >> [웃음] 저는 여러분이 저에게 미래에 대한 작은 관점을 알려 줄 수 있을 지 궁금합니다. >> 음, 현재에 대해서 이야기해보죠. >> 알겠습니다. >> [웃음]
>> 저는 그것을 받아들이죠. 우리는 현재에 대해 이야기할 수 있습니다. 그는 항상 모든 것들을 굉장히 길고 상세하게 만듭니다. 그러니 그저 현재애 대해서 이야기합시다. 우리는 결국 미래에 대해 이야기하게 될 것입니다. 걱정마세요. >> [웃음]
>> 자 시작하죠, 현재에 대해서. 기계학습의 상태는 어떻다고 생각하시나요 Carlos? >> [혼선] 저는 솔직히 오늘 기계학습에 대해 매우 들떠있습니다. 오래되었다는 것, 그것은 당신이 기계학습에 대해 오랫동안 일해왔다는 것이죠. 하지만 오늘, 제가 웹 앱을 열 때마다 이것은 내부에서 기계학습을 사용합니다. 그리고 그것은 꽤 멋진일이죠. 그리고 저는 제 전화기를 꺼냅니다. 제 전화기가 어디있죠? 여러분은 항상 전화기를 가지고 있습니다. >> 실제로 저는 지금 제 전화기를 갖고 있지 않습니다. >> 그녀는 항상 전화를 하고 있죠. 아무튼, 여러분이 전화기를 꺼낼 때, 그리고 그것을 사용할 때마다 거기에는 내부의 클라우드에서 기계학습을 사용하고 서포트하는 시스템이 있습니다. 그것은 매우 멋진 것이죠. 그리고 디바이스는, 이것을 보세요. 제게 이 시계가 있습니다. >> 꽤 세련되었죠.
>> 이것은 멋진 시계입니다. 저의 행동들을 추적하고, 제가 달리고 있을 때나 자전거를 타고 있을 때를 알죠. >> 그가 잠을 자고 있거나 자고 있지 않을 때도 압니다. 누가 아기와 잠을 덜 잤나요? [웃음]
>> [웃음] 그래요. 그것은 멋진 시계입니다. 이런 모든 것들에 대해서 이것은 모두 기계학습을 사용하고 있습니다. 따라서 우리는 기계학습의 위대한 힘이 오늘날 사용되고 있음을 알고 있습니다. 하지만 저는 우리는 아직 기계학습이 할 수 있는 것의 아주 일부만을 보았다고 생각합니다. 미래에는 기계학습이 어떻게 사용될 것으로 보이시나요? 여러분이 제게 말해주세요. >> 제 생각 말인가요? 저는 이것이 Carlos에게 유용할 수 있는 많은 방법으로 사용될 것이라는 것을 압니다. 그는 운전하는 것을 싫어하기 때문이죠. 물론, 거기에는 이미 자동주행이라는 것이 있습니다. 스마트카는 아니구요. >> 그들은 또한 영리합니다. >> 그들이 똑똑한가요? 제 생각에는 그들은 꽤 똑똑합니다. 이것은 자동주행 자동차입니다. 스마트카는 브랜드이죠. 그것은 제가 말하고자 하는게 아닙니다. 저는 이런 작은 자동차들은 말하는게 아닙니다. 제 말은 스스로 주행하는 [웃음] 자동차 말입니다. >> 그것은 저에게 매우 유용할 겁니다. 전 운전을 아주 싫어하기 때문이죠. 저는 자전거 타는 것만을 좋아합니다. 따라서 저는
>> 자동주행 자전거가 필요합니다. >> 아뇨, 아뇨, 저는 제 자전거를 운전하는 것을 좋아합니다. >> [혼선] 그것은 여러분이 정말 정말 나이가 들었을때를 위한 것입니다. [웃음]
>> [혼선] 따라서 저는 그것에 대해 이야기할 것입니다. 하지만 제가 점점 나이가 드는 것에 대해 생각하면, 저는 기계학습이 어떻게 여러분의 개인 약에도 영향을 줄 수 있을 지 생각해봅니다. 여기서 질문은, 제가 어떤 질병이나 컨디션 문제로 의사를 찾아갔을 때 Emily가 받는 처방과 제가 받는 처방이 완전히 똑같은 이유는 무엇일까요? 제 말은, 우리는 다른 사람이고 다른 생활을 하고, 몸의 유형도 다릅니다. 보시다시피요. 그리고 여전히, 약의 경우 우리는 똑같은 처방을 받고 있습니다. 말이 안되죠. 처방은 제가 누구이고 무엇을 하고, 얼마나 오랫 동안 앉아있고, 제 DNA의 형태에 따라 맞춰져야만 합니다. 그리고 기계학습과 함께 우리는 그것을 매 순간 할 수 있을 것입니다. 이것은 최고로 멋지고, 저는 꽤 기대하고 있습니다. >> 그것은 매우 최적화되어 있으며, 그것은 좋은 것입니다. 이것은 매우 멋지지만, 어렵조. 이것을 하는 것은 매우 매우 어렵습니다. 데이터는 매우 시끄럽습니다. 왜냐하면 거기에는 어떤 의사가 이런 기록들을 적고 Carlos의 건강 상태에 대해 노트를 하고 저와 비교합니다. 그리고 거기에는 많은 분실된 데이터들이 생기는데 왜냐하면 Carlose는 어떠면 그의 마지막 체크를 건너 뛰었을 수도 있고 아니면 의사가 뭔가 깜빡 했을 수도 있죠. 아니면 의사가 어떤 것들 잘못된 엔트리에 입력했을 수도 있습니다. 우리의 기계학습 알고리즘은 이런 복잡하고 시끄러운 데이터를 분석할 수 있습니다. 개인에게 맞춤형으로 약을 처방하기 위해 말이죠. 저는 이것을 가능성으로 생각합니다. 저는 이것이 매우 멋지다고 생각하지만,
>> 이것은 어렵습니다. 우리가 이야기했던 이 모든 것들 말입니다. 자동주행 자동차부터 개인에게 맞춤형으로 약을 처방하는 것까지 말이죠. 이것은 어려운 일입니다. 하지만 미래에는 이것은 저에 대해 최적화를 시켜줄 것입니다. 세상이 저에게 맞춤형이 될 것이라는 거죠. >> [웃음]
>> 제 말이 이해되시나요? >> Carlos를 위한 대망의 목적 [웃음]
>> [웃음] 저와 Emily도 마찬가지죠. 그녀 역시 그녀만의 세계를 가질 수 있습니다. 오늘날 우리가 웹으로 가서 물건을 살 때, 우리는 다른사람들과 매우 유사한 경험을 겪게 됩니다. 하지만 세상은 더 똑똑해지고, 더 많은 데이터가 수집되며, 우리가 이 모든 종류의 노이즈가 들어 있는 데이터에 대해 튼튼한 알고리즘을 사용할 때 우리는 우리에게 있어 매우 고유한 그런 경험을 하게 될 것입니다. idiosyncratic이라고 하죠. 그리고 우리는 기술이 발달함에 따라 점점 덜 고생하게 될 것입니다. 기술이 우리에게 적응할 것이죠. 이것은 매우 멋진 일입니다. >> 동의합니다. 저는 그것이 매우 신나는 목표라고 생각합니다. 그리고 저는 그것이 기계학습이 가고 있는 하나의 방향이라고 생각합니다. 하지만 저는 정말 멋진 또 다른 것은 우리가 지금 할 수 있는 것들조차 대신 해주고 있다는 것입니다. 하지만 데이터가 들어오면서 그것들을 하고 있는 것은, 실시간으로 그리고 복잡하고 다른 타입의 데이터 세트를 기반으로 모든 정보들을 같이 입력하는 것이죠. 그리고 어쩌면 이것은 여전히 제품들을 추천하고 있는 것일 수 있습니다. 우리가 과거에 이미 했던, 하지만 다른 유형의 데이터를 가지고 말이죠. 이 빠르고 신속한, 온라인 유형의 환경에서 그리고 이런 유형의 예측값을 만들기 위해 피드백을 받고 결합됩니다. >> 그렇네요. 여기에서의 주제인 현세적인 데이터에 대처하는 것은 위치 데이터와 같은 공간적인 데이터와 같습니다. 다른 종류의 이 모든 데이터 세트들, 이미지, 비디오, 오디오, 센서 데이터 등 이 서로 다른 데이터 소스들을 실시간으로 통합하는 것은 가장 큰 과제 중 하나입니다. 그리고 제가 보기를 기대하는 것은 거기에는 많은 기계학습 작업이 있고 이런 다른 유형의 데이터들에 대한 혼선을 막으려고 노력하는 알고리즘들이 많이 개발되었다는 것이죠. 그리고 그것은 지금 다루기에 매우 멋진 주제입니다. >> 그렇죠. >> 물론입니다. >> 우리는 그것이 여러분을 매우 기대하도록 만들길 원합니다. 저희도 마찬가지구요. >> 네, 정말 흥분되네요. 물론, 우리가 개발한 메소드들은 이런 대량의 데이터 세트들을 스케일 해야합니다. 다른 종류의 데이터를 통해서 말이죠. 이것은 매우 유용할 수 있어야 하고, 여러분이 데이터를 분석할수록 더욱 튼튼해 집니다. 솔직히 말해서, 시스템에 접속하고 이것을 사용할 수 있게 되기 위해서 기계학습에 대한 PhD를 꼳 딸 필요는 없습니다. 따라서 여기서 일종의 숙제는 우리는 이러한 알고리즘들과 메소드를 튼튼하게 만들 수 있어야 합니다. 넓은 범위의 사람들, 비록 그들이 가장 이론적인 배경을 가지진 못했지만, 그들은 가장 똑똑한 것을 만들 수 있고, 기계학습을 사용하는 가장 멋진 응용 프로그램들을 만들 수 있습니다. 그것은 저에게 있어 매우 흥분되는 일이기도 합니다. >> 정말 그렇습니다. [음악]