집 - AtMAN

ATMAN에 오신 것을 환영합니다

MES - CRM - SCM - ERP EIS - BI

서비스

Global IT Service 전문기업 ATMAN에 오신 것을 환영합니다. ATMAN은 글로벌 최고의 서비스와 품질을 지향합니다.

에이트맨

Global Excellence 지식과 기술의 비즈니스 컨설팅 서비스

스마트팩토리

ATMANULER와 함께 스마트 공장이 되십시오!

재봉 팹

스마트 팩토리와 비즈니스가 되자!

아트마눌

MES ∙ CRM ∙ SCM ∙ ERP ∙ EIS ∙ BI ATMANEULER by WEB ∙ Mobile ∙ IoT device & AI와 함께하는 Smart Company

판매 활동 Fab

Global Excellence의 CRM 솔루션

인간 팹

Global Excellence의 HRM 솔루션

새로운 & 알아채다

ML & AI

가설 중심의 사고방식

과학적으로 사고하는 능력, 조직내에서 발생하는 문제를 해결하는 능력, 셜록홈즈가 사건을 해결하는 능력들은

모두 올바른 사고과정思考過程의 다른 말들이다.과학자는 어떤 새로운 현상이

현실세계에서 관찰되면, 추가적인 사례를 발견해내기 위하여 노력하지 않는다. 새로운 현상이 발생한 것은 이미 사실Fact이기 때문이다. 추가적인 데이터를 수집하는 대신 과학자는 그때부터 생각하기를 시작한다. 과학자의 이러한 "생각하기"는 물리학에서 활용되는 강력한 도구 중 하나이다. 이것을이라고 한다. 이것은 그저 머리 속에서 생각하기만 했지, 현실에서는 이루어진 적이 없는 실험이다.

관찰된 현상을 발생시킨 원인은 무엇일까?

생각하고 생각하고 또 생각하고 머리 속에서 사고실험을 거듭한다. 마침내 가장 그럴 듯한 원인을 추론해 낸다. 바로 원인'가설'을 만들어 내는 것이다. 그리고 자기가 추론해낸 원인이 만약 맞다면 그로부터 초래되는 또 다른 결과가 현실세계에서 분명히 존재할 것이기 때문에 그것을 찾아내기 위해 노력한다.

만약 그가 예상했던 추론했던 원인으로부터 발생할 것이 분명한 또 다른 결과가 현실세계에서 관찰된다면 그가 추론해 내었던 원인(가설)은 이론으로 명명되고, 관찰되지 않는다면 최초의 가설을 폐기하고 새로운 원인(가설)을 추론해내는 과정을 반복한다.

과학적사고

헬리가 혜성이 도래할 것을, 맥스웰이 전자기파를, 아인슈타인이 중력효과로 인해 빛이 휘어질 것이라 예측할 수 있었던 것은 이러한 사고과정의 결과이고 인류는 이로부터 지금의 문명을 이룰 수 있었다.

이것이 어찌 과학에만 적용될 것인가? 이것이 어찌 과학자들만의 전유물이 되어야 할까? 비즈니스 현장에서 발생하는 수많은 사건과 해결해야 하는 문제와 과제들, 이 또한 다를 바 없을 것 같다. 단지 그러한 사고과정이 부재할 뿐이다.

아인슈타인에게 노벨물리학상을 안겨준 이른바 광양자 가설과 관련된 스토리는 이러한 올바른 사고과정思考過程의 전체를 보여주는 적합한 케이스라고 할 수 있다. 과학적이고 셜록홈즈식이고 수학적인 사고의 과정을 전형典型적으로 보여준다. 광전효과 실험과 흑체복사 연구로부터 관찰된 그때까지의 과학으로는 설명되지도 않고 이해되지도 않는 새로운 현상을 아인슈타인이 멋지게 해결하는 이야기이다. 아인슈타인의 케이스를 통해서 과학적 사고과정과 셜록홈즈의 사고과정 그리고 수학적 사고과정이 다를 바 없이 같은 것이란 것을 또한 확인해 본다.

본 시리즈는 이 전체의 과정에 대한 이야기이다.

Science

신경세포체, 뉴런Neuron과 체화(體化)

신경계의 단위로 자극, 흥분을 전달한다. 신경세포체(soma)와 동일한 의미로 사용하기도 하고, 신경세포체와

거기서나온 돌기를 합친 개념으로 사용하기도 한다.뉴런의 기본 기능은 자극을 받았을 경우 전기를

발생시켜 다른 세포에정보를 전달하는 것이다. 이렇게 발생하는 전기 신호를 활동전위(活動電位: action potential)라고 한다. 뉴런은 크게 세 가지 부분으로 나눌 수 있다. 핵이 있는 세포 부분이 신경세포체이며 다른 세포에서 신호를 받는 부분이 수상돌기(樹狀突起: dendrite), 그리고 다른 세포에 신호를 주는 부분이 축색돌기(軸索突起: axon)이다. 돌기 사이에 신호를 전달하는 부분은 시냅스(synapse)라고 한다. 뉴런은 그 역할에 따라 감각뉴런, 연합뉴런, 운동뉴런의 세 종류로 나눌 수 있다. 또한 돌기가 몇 개 나와 있느냐에 따라, 즉 뉴런의 형태에 따라 종류를 나누기도 한다.

우리가 무엇을 보고 배우고 학습하는 명백하고도 유일한 목적은 그것을 내 것으로 하기 위해서이다. 머리 속 관념으로서만 갖고 있는 것이 아니라 내가 그것을 현실세계에서 사용하기 위해서이다.

따라서 우리는 완전한 내것으로 하기 위해 그것을 "훈련"한다. 짧은 시간내에 취하고자 한다면 그리고 그것이 텍스트 형태의 지식이라면 보고 또 보고 문제를 풀어보기도 해서 완전한 내것으로 한다. 아니면 집중적인 노력 없이 긴 시간에 걸쳐 쌓이고 쌓여서 어느 순간 그것을 얻을 수도 있다.

"머리가 아니고 가슴으로 안다, 몸으로 안다, 내공"이라는 표현들은 그것이 내것으로 체화_體化 되었을 때 가능한 표현들이다.

그것이 정신적인 것이든 육체적인 것이든, 완전히 내것으로 된다는 것은 뇌과학의 연구에 따르면 신경세포체, 뉴런이 두뇌 속에서 네트워크를 형성한 것에 다름아니다. 뇌과학이 밝혀낸 관점에서 완전히 내것으로 된다는 것은 물리적인 것에 다름아니다.

Science

기업경영의 불확실성과 주관적 확률

의사결정은 과거에 대한 것이 아니라, 본질적으로 미래와 관련이 있는 것이다. 한편 미래의 본질은불확실성에

있다. 따라서 의사결정은 불확실성에 대한 그 어떠한 것이다. 불확실성이란 예측불가능

성을 의미하고 이는임의적임을의미한다.

이런 예측불가능성에 대한 임의성은 다른 형태의 임의성으로도 표현이 가능하다. 그것은 확률분포상에 표현된 임의성이다. 동전 한 개를 100번 던지고 나타나는 앞면의 수를 세어본다고 하자. 당신이 이러한 확률실험을 하는 이유는 던지는 데 사용된 동전이, 균형 잡혀 있지 않다고 판단(추론)하고 결정하기 위해서 이다. 나타난 앞면의 수가 90번 또는 15번이라는 것이 동전이 균형잡혀 있지 않다는 것을 보여주는 통계적 근거라고 믿는 것은 합리적인 일이다.

그러나 이와 같은 통계적 추론을 하기 위한 경계선을 어디에 그어야 할까? 나타나는 앞면의 수가 77번인가, 65번인가 아니면 55번인가? 이는 균형이 잡혀있는 동전의 앞면이 나타날 수 있는 확률분포를 알지 못하고서는 동전을 100회 던져서 얻은 표본으로부터 우리는 어떠한 결론도 도출할 수 없다.

ML & AI

인공지능시리즈 개관

2016년 3월 9일 구글 인공지능(AI) 알파고_AiphaGo를 상대로 바둑기사 이세돌이 패배한 충격적인 일대 사건이

벌어졌다.평소에 바둑을 두지 않는 사람, IT업계와 아무 관련이 없는 사람, 인공지능은

영화나 만화 속에서나 등장하는 소재라고

생각하는 사람들도 이 건에 주목했다. 이 과정은 다큐멘터리에 그대로 담겨져 있다.

AiphaGo는 인공지능의 핵심기술인 딥러닝에 의해 구현된 것으로 이세돌과의 대국 이후 일반 대중에게 딥러닝에 대한 관심을 촉발시킨 계기가 되었다. 한편 인공지능 기술로 머신러닝_{Machine Learning, 기계학습}이란 것 또한 대중에게 인식되기 시작하였는데 인공지능과 머신러닝, 딥러닝의 관계는 다음과 같이 정리될 수 있다.

인공지능의 큰 범주 안에 머신러닝이 속하고, 머신러닝의 일부분이 딥러닝으로 분류된다. 비유하자면 인공지능은 일반 음식, 머신러닝은 그보다 조금 더 고급진 음식, 딥러닝은 최고급 스테이크 요리에 해당된다. 따라서 인공지능의 꽃은 딥러닝이라 할 수 있다. 그렇다고 딥러닝을 제외한 머신러닝의 다른 기술들이 쓸모 없다는 것은 아니다. 단지 상황에 어떤 기술을 적용할 것인가에 대한 선택이 다를 뿐이다. 우리가 일상에서 매일 접하는 메일공간에서 스팸메일을 걸러내는 기술에 머신러닝 기술의 일종인 나이브베이즈 알고리즘이 대표적으로 적용된다.

본 시리즈에서는 딥러닝과 인공지능 기술의 저변에 깔려있는 베이즈추론에 주목하고자 한다. 딥러닝의 기초는 인공신경망_{Neural Network}이다. 최근 인공신경망을 진화시킨 베이지안 신경망_{Bayesian Neural Network}모델이 주목받고 있지만 인공신경망과 베이즈추론 그 자체에 집중한다.

누구나 인공지능에 대해 이야기 한다. 내 페이스북 뉴스피드에도 인공지능 내용들로 도배가 되고 있다. 신문에도 인공지능 관련 기사가 상당면을 차지하고 전자제품에도 인공지능이라는 용어가 들어가야 잘 팔린다. 사업계획서에도 인공지능이라는 단어만 들어가면 투자를 받을 수 있다는 농담까지 있다. 이 정도면 거품 논란이 나올 법도 하지만 인공지능 특히 딥러닝은 하루가 다르게 놀라운 결과물들을 세상에 내놓으며 스스로 증명해가고 있다. 또한 많은 인공지능 소프트웨어 라이브러리들이 나와서 일반 소프트웨어 개발자까지도 누구도 인공지능을 쉽게 사용할 수 있는 세상이 되고 있다. 그러나 한때 인공지능이 '박사'들만의 전유물이던 시대가 있었다. 이 인공지능 기술들의 이론구조가 대단히 수학적이고 전문적이기 때문에 일반인들과 일반 소프트웨어 개발자에게는 이론적으로는 그야말로 넘사벽이기 때문이다.

그러나 본 시리즈가 일반 개발자들을 위한 글이라면 주로 파이썬, 아나콘다, 텐서플로우, 케라스 같은 라이브러리와 소스코드 조각들에 대한 내용으로 채워지겠지만 여기서는 소프트웨어 개발자가 아닌 일반 직장인들, 비즈니스인들을 위한 글이므로 소프트웨어적이 아닌 인공지능의 내용 자체를 탐구_{이 기술들이 어떤 스토리로 구성되고 돌아가는지를}하려는 것에 주 목적이 있다. 다소 수학적이고 전문적인 내용이 있겠지만, 그러나 일반 비즈니스인이 충분히 이해하고 접근가능하도록 상식적인 내용들로 전개될 것이므로 전혀 걱정할 필요는 없을 것이다.

[AtMAN Solution] 1 - Introduce AtMAN Solution (NEW)

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Laoreet eu, convallis elementum a sollicitudin semper integer in tortor. Ac pellentesque diam fermentum nisl, maecenas. Nibh turpis arcu eu aenean. Nibh pellentesque tincidunt vel, velit. Consequat duis pellentesque ac id et urna, adipiscing turpis urna. Facilisis convallis vitae dui laoreet iaculis velit dignissim magna. Lacus cursus cursus enim rhoncus, sed tempus fringilla sit. Dignissim sapien, a mattis molestie nulla libero at eu adipiscing. Volutpat, quisque nisl, cursus aenean pulvinar purus posuere.