글 수 97

추론이 가능한 딥러닝인 Relational Networks

조회 수 2573 추천 수 0 2017.06.11 00:47:26


 

http://v.media.daum.net/v/20170609160000725

 

 

 

알파고에 이어 딥마인드가 또 엄청난 일을 해내었습니다. 지금까지 보통 딥러닝은 입력이 무엇인지 판단하거나 분류하는데 초점이 맞추어져 있었습니다. 이때 입력 전체의 정보를 그대로 사용하기 때문에 입력과 출력은 1:1로 매칭됩니다. 이에 반해 관계형 네트워크는 입력을 부분으로 나누어 서로간의 관계를 고려하여 판단을 합니다. 그래서 보다 유연하게 사용될 수 있고 복잡한 추론도 가능합니다.

 

예를 들어 위의 사진에서 각 물체들 사이의 관계에 대한 사실을 학습하고 자연어로 된 질문에 추론을 통해 올바른 답을 낼 수 있습니다. "큰 구체의 왼쪽에 있는 갈색 금속의 왼쪽에 있는 원통의 크기는?"이라는 질문을 이해하기 위해서 "갈색 금속은 큰 구체의 왼쪽에 있다", "원통은 갈색 금속의 왼쪽에 있다"라는 두가지 사실을 조합하여 추론을 해야합니다.

 

앞으로 이런 기술이 더욱 발전하면 상식을 가지고 인간과 비슷한 일반적인 사고를 할 수 있는 인공지능이 나올지도 모르겠습니다.

 

엮인글 :

사지방컴

2017.07.30 18:23:01
*.194.42.202

CNN + LSTM에 이어 새로운 RN까지 ㅎㄷㄷ RN도 공부해봐야겠습니다.

깊은바다

2018.02.04 06:07:00
*.68.247.188

계속 새로운 기술이 쏟아져 나오는데 따라가기가 너무 벅차네요 ㅠㅠ

List of Articles
제목 글쓴이 날짜 조회 수
End-To-End Memory Networks - 자연어 질문에 대답하는 모델 [2] 깊은바다 2017-08-21 782
딥러닝 RNN으로 구현한 챗봇 깊은바다 2017-08-01 6283
추론이 가능한 딥러닝인 Relational Networks [2] 깊은바다 2017-06-11 2573
단어를 벡터로 변환하는 Word2Vec 깊은바다 2017-05-04 900
딥러닝으로 챗봇 만들기 깊은바다 2017-05-03 2636
구글의 딥러닝 대화 알고리즘 깊은바다 2016-03-25 2717
글쓰는 법을 배우는 신경망 깊은바다 2016-03-25 1329