정보의 의도적 손실과 강제적 복원

언어나 인간의 지능, 사물의 인지를 보고있으면 참 신기한 느낌이 든다.

어떻게 그렇게 짧은 시간에 인지를 하며

그것이 무엇인지 "직관"이라는 표현이 어울릴 정도로 수많은 정보들 속에서 콕찍어 낸다.

인간의 두뇌에 저장가능한 정보가 무한할리는 없지만

거의 무한에 가깝다고 생각될 정도의 복잡도를 가진 처리+저장 장치로서의 뇌는

어떠한 이유로 사물을 추상화 단순화 하는 것일까?

단순히 의사소통을 위한 에너지 소모를 줄이기 위해서 기호로서 단순화 시키는건 아닐텐데

이러한 정보 처리를 위한 의도적인 데이터의 축소/손실 과정 자체가

정보의 바다에서 해답을 얻는데 도움을 준다면

이런 처리 과정 자체가 어떠한 의도를 지니고 만들어진 과정이 아닐까 생각된다.

수많은 연속된 색상의 변화가 있더라도(주변빛에 의한 변화가 있어도) 빨간색이라고 인지를 하며, 

그림자가 지더라도 그림자가 진 부분까지 빨간색의 하나로 인식하고

색이 다른 부분을 그림자로 인식을 한다.

영상 센서를 통해 들어 온 어마어마한 양의 정보는

빨간색 이라는 기호로 치환되며, 그 사이에 의미를 지니지 못한 부분은 손실 된다.

그럼에도 불구하고 최소한의 표현을 통해(구석에 얼룩이 졌다) 손실된 데이터를 상당부분 복구하게 된다.

추상화를 통한 데이터의 손실과

덮어 씌어지는 일부의 경험적 데이터에 의한 원본에 가까운 데이터의 복원

그리고 추상화 되면서 단순화된 데이터를 통한 실제 처리 데이터의 감소는

빠른 처리 시간과, 더 큰 정보의 처리 가능성을 거머쥐게 된다.

컴퓨팅 성능이 올라가면서 과거에는 상상하지 못했던 처리들이 이뤄지고 있고

이런 것들이 정말 지능이라고 해야 할까라는 부분에 고민이 들지만

어쩌면 인간의 생체조직이 해오던 저수준 처리를 이제야 구현해 낸 것이고

더 발전하면 유기화합물로서의 지성체가 아닌 무기화합물로서의 지성체가 발생할 수도 있지 않을까

그리고 구성요소는 다르지만 우리와 대화 가능한 또 다른 신인류를 만들어 내게 되는건 아닐까?

+

가끔 인공지능의 분류기를 보고 있노라면

자신이 가진 어떤 가중치를 통해 차원을 높임으로서 오히려 더 구분이 쉬워지는 경우가 생겨난다.

(SVM-Support Vector Machine)

아직까진 경험에 의한 가중치 정보가 충분하지 않아 현재의 ANN 기반 딥러닝에 밀렸지만

AI에 의한 딥러닝이 강화되고

SVM이 이것과 결합하게 된다면

경험이라는 기반 데이터를 통해 더욱 정확하고 빠른 인간에 가깝거나

인간과 같으나 더 빠른 분류기가 생겨나게 되지 않을까?

+

SVM에 확률분포를 포함하면 어떨까?

일반적으로 여기는 A다, A에있는 한개는 노이즈나 잘못된 데이터 이다. 이런식

만약 데이터가 늘어나면 한개가 노이즈가 아닌 특이점으로 처리될수도 있는 가능성을 지니고

확률 분포로서 A와 B가 겹치더라도 어느정도 분류가 가능하기 용이해지지 않을까?

k-mean 값을 통해 분포와 분산을 계산하고 특정값을 통해 확실한 영역을 기준으로 포함하면 될지도?

C-SVM 이라는게 있네?

[링크 : https://ratsgo.github.io/machine%20learning/2017/05/29/SVM2/]