한빛미디어

최근 챗GPT로 대화하는 기술을 읽었습니다

제가 읽은 한빛미디어의 두번째 챗GPT 서적, 챗GPT로 대화하는 기술을 읽었습니다.

인공지능 전문가가 쉬우면서도 심도있게 원리를 이해시켜주고, 챗gpt를 비롯하여 다양한 생성ai 개요와 접근접을 알려주는 초심자용 책이라고 할 수 있습니다.

특히 인공지능 전문가인 박해선 저자님의 인사이트가 돋보이는 챗GPT로 대화하는 기술입니다.

머신러닝과 딥러닝에 조예가 깊은 박해선 저자님이 쓴 챗GPT로 대화하는 기술에서 인상 깊은 부분을 살펴보겠습니다.

챗GPT로 대화하는 기술에서 인상 깊은 내용은 다음과 같습니다

먼저 인공신경망에 대해서 설명하는 부분입니다.

인공 신경망이란?
사실, 딥러닝은 인공 신경망Arificial Neural Network이라는 알고리즘을 대표하 는 용어입니다. 즉, 딥러닝과 인공 신경망을 같은 의미로 생각해도 무방합니 다. 인공 신경망의 구조는 단순하지만, 이를 레고 블록 쌓듯 여러 겹 쌓으면 복잡한 모델로 확장할 수 있습니다. 이것이 인공 신경망이 가진 강력한 능력 중 하나죠.
머신러닝이 특정 알고리즘을 의미하는 것이 아닌 것처럼, 딥러닝도 특정 알고 리즘을 콕 집어 지칭하지 않습니다. 예를 들면 피드 포워드 신경망fed formaud Ncural Network, FNN, 합성곱 신경망Conoluion Neural Netwont. CN, 순환 신경 망tecurrent Neural Network, RNN 등이 모두 딥러닝에 해당합니다.

챗GPT는 방대한 데이터로부터 학습하여 모두의 만능 비서가 되었다고 설명되어 있습니다. 이것은 인공지능이 전문적인 정보부터 논리적인 답변까지 사용자의 요구에 맞춰 대답할 수 있는 능력을 갖췄다는 것을 의미합니다. 또한, 딥러닝과 인공 신경망의 관계가 설명되어 인공 신경망을 여러 겹으로 쌓아 복잡한 모델로 확장할 수 있는 강력한 능력을 가지고 있다고 설명한 부분은 쉽게 이해할 수 있었습니다.

정답에 가까운 값을 점진적으로 찾아가는 기법을 경사 하강법gradient descent이라고 부릅니다. 인공지능은 곱셈 접시 게임을 많이 할수록 능숙해집니다. 인공지능의 기초적인 알고리즘인 경사 하강법은 이게 전부입니다.

여기서 인상적인 부분으로는 인공지능이 경사 하강법(gradient descent)이라는 기법을 사용하여 정답에 가까운 값을 점진적으로 찾아가는 능력을 갖고 있다는 내용입니다. 이는 곱셈 접시 게임을 통해 인공지능이 경험을 쌓을수록 능숙해지고, 경사 하강법이 인공지능의 기초적인 알고리즘임을 언급하고 있습니다. 또한, 이 알고리즘이 복잡한 문제를 해결하는 데 놀라운 성과를 보일 수 있다는 부분은 저에게는 신기했습니다.

곱셈 쟁반에는 여러 개의 곱셈 접시가 담겨 있습니다. 이 쟁반을 순환 신경망 에서는 셀이라고 부릅니다. 여러 개의 유닛을 한 데 모으면 셀이 되는 것이죠.

첫 번째 곱셈 쟁반이 출력한 값은 다음 번 계산에 입력으로 재사용됩니다. 즉, 출력이 순환되어 자기 자신에게 다시 전달됩니다.

이런 구조적인 특성 덕분에 순환 신경망은 순서가 있는 데이터, 즉 언어나 시계열 데이터tme series에서 뛰어난 성능을 보입니다. 이전에 처리한 결과가 다 음 계산에 재사용 되므로 순서에 대한 패턴을 학습할 수 있는 것이죠.

여기서 인상적인 부분으로는 순환 신경망(RNN)의 구조와 특성에 대한 설명입니더. 순환 신경망은 순서가 있는 데이터, 특히 언어나 시계열 데이터와 같은 데이터에서 뛰어난 성능을 보입니다.

이전에 처리한 결과가 다음 계산에 재사용되며, 이를 통해 순서에 대한 패턴을 학습할 수 있다는 것이 강조되고 있습니다.

순환 신경망은 곱셈 접시를 사용하여 설명되며, 여러 개의 곱셈 접시를 담고 있는 쟁반이 셀이라고 부르며 출력이 순환되어 자기 자신에게 전달된다는 내용이 포함되어 있습니다.

또한, 이 부분에서 인공 신경망의 기본적인 구조와 원리를 단순하게 설명하고 있습니다. 이처럼 인공지능 원리를 쉽게 이해하면서 챗GPT와 대화하는 기술을 학습할 수 있는 책입니다.

(출처 : https://edutech-lab.tistory.com/138)