(조금씩 시간날때마다 쓸 예정) (과연 인공지능은 계속 발전해서 자율주행차 언어번역 질의응답 사람처럼대화하기 등등을 척척 해낼 것인가? 아니면 한계에 부딛힐 것인가…)
소프트웨어 테스팅,
George Hotz – Comma.ai The Future of Autonomy:
여기에 소프트웨어 테스팅에 관한 이야기가 잠깐 나온다. 소프트웨어 1.0 에서 에러가 나면 간단히 말하면 블루 스크린이다. 소프트웨어 2.0에서 에러는 딥러닝의 인식률의 실패다. 소프트웨어는 블루스크린으로 가지 않지만 인식을 실패하면 그 결과가 제대로 나오지 않는다.
문제는 양쪽다 테스팅 방법이 그렇게 간단하지 않다는 것이다. 이론적으로는 바둑의 경우의 수처럼 많은 수를 테스트 해야한다. 불가능 하다. 그래서 객체지향 모듈화로 그리고 오랜 시간을 시간을 지나면서 점점 안정화 되어가는 것이다.
Safety critical 한 소프트웨어는 정말 더 심하게 테스트를 해야 한다. 최근 보잉 737 max의 경우를 보면 테스트의 오류로 인한 프로그램의 에러가 얼마나 심각한 결과를 초래하는지 알 수있다.
그런데 이미지넷으로 시작한 딥러닝은 어려 분야로 확장을 하고 있지만 언어번역 자율주행차 등등에서 학습데이타 셋과 테스트 셋 그리고 리얼 데이타 어플리케이션을 어떻게 조화롭게 만들고 테스팅할지 상당히 어려운 과제를 풀어야 한다.
특히 롱테일한 리얼 데이타를 어떻게 충분히 다 반영하고 테스팅 했다고 결론을 낼지가 매우 어려운 문제이다. 그런데 조지 호츠는 그것을 심플하게 접근하고 있는데 과연 좋은 결과를 낼지 궁금하다.
언어번역과 자율주행은 그래서 수많은 사용자들이 테스터로 본의든 아니든 참여하여 수많은 시행착오를 거쳐야 할 것으로 예상된다. 두 분야는 딱히 랩에서 테스팅을 완료할 방법이 없어 보이기 때문이다.
Master Algorithm
Reinforcement learning
A Beginner’s Guide to Deep Reinforcement Learning
Bayesian framework for machine learning
Deep learning
CNN
ImageNet
Language model
Word2Vec
..
Sentiment analysis
Language translation
GPT-3
…
..
