페이페이 리

발언은 출처 원문에 있는 문장 그대로예요. 한국어는 저희가 옮겼고, 원문 보기를 누르면 영어 원문이 나와요.

• 교육자 지원

  “제가 걱정하는 건 교사들과 일부 부모님들이에요. 오늘날 우리 사회, 특히 실리콘밸리가 그들에게 제대로 된 도움을 주지 못하고 있다고 생각하거든요. 우리는 그들을 잊고 있어요.”

  원문 보기원문 접기

  What I worry about are teachers and some parents, because I think our society today, and especially Silicon Valley, are not doing them a service. We're forgetting about them.

  저희 풀이그녀는 인공지능 시대에 사회가 교사와 부모의 요구를 소홀히 하고 있다는 우려를 표명해요.

• 역발상적 집중

  “우리는 알고리즘에만 집중하던 다른 모든 사람들과는 다른 길을 택했고, 데이터가 필요하다고 말했어요.”

  원문 보기원문 접기

  we took a departure from everybody else who are really focusing only on algorithm and said that we need data.

  저희 풀이그녀는 자신의 연구실이 왜 알고리즘에서 대규모 데이터 수집으로 초점을 옮겼는지 설명해요.

• 변곡점 포착하기

  “연구 커뮤니티에서는 이 정도로 급격한 변화가 일어날 때 그것이 변곡점임을 직감해요.”

  원문 보기원문 접기

  we know in the research community when something this drastic happens, it means a inflection point.

  저희 풀이페이페이 리는 2012년 이미지넷 대회에서 발생한 오류율의 급격한 하락에 대해 이야기했어요.

• 인간 기억의 한계

  “익숙한 범주라 하더라도 1,000가지 사물 클래스의 패턴을 모두 기억하는 것은 그리 쉬운 일이 아니에요.”

  원문 보기원문 접기

  retaining the patterns of 1,000 object classes, even if some classes you're familiar is not that easy.

  저희 풀이그녀는 똑똑한 대학원생들조차 대규모 데이터셋에 라벨을 붙일 때 왜 실수를 하는지 설명했어요.

• AI의 성공 공식

  “기본적인 비결은 변하지 않았어요. 이제 트랜스포머라는 더 강력한 신경망 알고리즘이 있고, 인터넷에는 훨씬 더 많은 데이터가 있을 뿐이에요.”

  원문 보기원문 접기

  the recipe hasn't changed, now we have an even more powerful neural network algorithm called Transformer, but we have even more data on the internet

  저희 풀이그녀는 알고리즘과 데이터 그리고 컴퓨팅 파워의 결합이 어떻게 인공지능의 발전을 주도하는지 설명했어요.

• AI와 인간 학습의 차이

  “엄청난 양의 데이터를 통해 학습하는 오늘날의 AI 알고리즘과 인간이 진화해 온 방식 사이의 차이점을 짚어보고 싶어요.”

  원문 보기원문 접기

  But I do want to point out that departure between today's AI algorithm that is learned with a humongous amount of data versus how humans have evolved.

  저희 풀이페이페이 리는 아이들이 인공지능에 비해 얼마나 적은 사례만으로도 학습하는지에 대해 이야기했어요.

• AI의 조합적 창의성

  “AI는 아주 많은 것을 학습했기 때문에 정보를 매우 창의적인 방식으로 결합할 수 있어요.”

  원문 보기원문 접기

  Because AI has learned so many things, it can combine information in highly creative way.

  저희 풀이인공지능이 패턴 합성을 통해 특정한 형태의 창의성을 보유하고 있음을 인정했어요.

• 주체성을 위한 배움

  “배움을 통해 사람은 더 통제력을 갖게 돼요. 배움으로써 시도하는 것을 덜 두려워하게 되고, 주체성과 존엄성을 유지할 수 있어요.”

  원문 보기원문 접기

  By learning, one feels more in control. By learning, you're less scared of trying, and by learning, you retain that agency and that dignity

  저희 풀이비기술 분야의 사람들도 왜 인공지능 기술에 대해 배워야 하는지 설명했어요.

• 동기부여의 수학적 구현

  “이런 것들을 수학적으로 설계할 수 있어요. 동기부여라고 부르든, 머신러닝 세계에서 말하는 '목적 함수'라고 부르든, 특정 요소들을 수학 안에 구현할 수 있는 거죠.”

  원문 보기원문 접기

  So you could build this in the mathematics. So certain things, whether you call it motivation, or in machine learning world, we call them objective functions, you can build certain things into math.

  저희 풀이동기 부여와 같은 인간의 특성이 어떻게 머신러닝의 목표로 번역되는지 묘사했어요.

• 의인화 경계하기

  “인간으로서 너무 의인화하다 보면 그걸 긴박함이나 동기부여라고 부를 수도 있겠지만, 사실 이건 알고리즘에 설정된 다른 종류의 목표일 뿐이에요.”

  원문 보기원문 접기

  as a human, if you anthropomorphize it too much, you might call it urgency or motivation, but the truth is this is just a different kind of objective for the algorithm.

  저희 풀이인공지능의 행동은 사실 수학적 목표에 불과하다는 점을 명확히 했어요.