현재 패턴 인식 이미지 인식 음성이나 얼굴 인식 그리고 자동화 운전 등등등….뭐 이런거 학습시키는건 잘 알쟎아요. 그리고 솔직히 이 학습이라는 개념 자체가 우리가 뉴메리컬 캘큘레이션이라는 수치해석에서 전에는 초기치 주고 에러와 참값 비교해서 두번째로 초기치 바꾸어서 돌려주고 … 이 과정을 수렴할때까지 반복해주고…..이 과정과 사실 다를바가 없는데…좀 달라졌다면 이 아이터레이션에 백프로퍼게이션이 들어간다는거 정도? 그래서 자동으로 알아서 아이터레이션 할수있도록……근데 근본적으로 이걸 인간이 하는 학습과 같다고 봐야 할지는 잘 모르겠고요.

근데 포아송 방정식 라플라스 방정식 슈레딩거 방정식 중력 방정식….이런거는 어떻게 학습시키는지 아나요? 이런 이야기는 한번도 안들어봐서 인공지능이 과연 과학의 기본 원리를 학습할 능력은 있는지 궁금하네요. 물론 방정식을 코딩화해서 집어넣어주면 아웃풋은 시킬수 있겠지만 그걸 학습이라고 하지는 않지요. 뭐 이것도 슈뢰딩거 방정식을 모텔로 코딩해주고 현상의 관측치 줘서 피드백이용해서 모델을 더 정교하게 파라미터를 찾아가는것을 학습이라고 한다면 …. 글쎄 그건 좀 아니지 않나요? 이걸 학습이라고 한다면 학습의 개념을 너무 뻥튀기 해서 쓴다는 생각이 드는군요.

사실 이 질문은 “그럼…학습이라는건 어떻게 정의하느냐?” 하는 근본적인 질문으로 귀결되긴 하지만….그거 대충 몰라도 우리 감으로 뭘 말하는지 아는거 아닌가요? 그러고 보면 패턴인식과 슈뢰딩거 방정식의 근본 차이는 패턴인식에는 특별한 방정식이 존재 하지 않는다는거?