IT 트렌드(1)

머신러닝과 딥러닝의 차이

머신러닝의 하위분야가 딥러닝으로, 딥러닝이외의 머신러닝 분야를 머신러닝이라고 부르기도 한다.
머신러닝에 비해 딥러닝이 더 많은 데이터를 필요로 한다. 그리고 많은 양의 행렬 곱셈을 해야하기 때문에 많은 숫자의 GPU가 필요하다. 딥러닝의 훈련시간이 훨씬 많이 필요한 이유이기도 하다.
머신러닝은 Feature Engineering(변수 가공) 과정이 필요한 반면에, 딥러닝은 이 과정까지 스스로 학습한다. 다시 말해, 머신러닝은 Feature(변수)를 직접 식별해서 코딩해야하는 반면, 딥러닝은 특징을 선정하는 부분까지 한꺼번에 학습해서 인간이 찾아낼 수 있는 Feature(변수)보다 더 좋은 Feature(변수)를 찾아낸다.
머신러닝은 문제를 해결할 때 여러 step으로 쪼개서 접근하는 반면, 딥러닝은 end-to-end 방식으로 문제를 해결한다.
머신러닝은 결과를 해석하기가 상대적으로 쉽다. 반면에 딥러닝은 좋은 성능을 발휘하더라도 왜 잘되는지 해석하기가 힘들다. (어떤 뉴런 레이어가 만들어졌는지, 이들 뉴런 레이어가 전체적으로는 무엇을 하고 있는지 알기 힘들다.)

메타버스(디지털 기술로 현실을 초월해 만들어낸 세계)

아마존, 월마트의 버츄얼 피티룽(Virtual Fitting Room) 서비스가 주목할 만하다.
버츄얼 피팅룸이란 고객이 애플리케이션에 본인 사진을 올리면, 본인의 모습을 복제한 가상의 아바타에 원하는 옷을 골라 입혀보고 구매할 수 있는 증강현실(AR) 기반 서비스이다. 온라인에서 옷쇼핑시 문제가 되는 사이즈 불일치 문제와 같은 배송 후 불만족 문제를 사전에 방지할 수 있다.
포트나이트에서 BTS 콘서트를 열거나, 마인크래프트에서 버클리 대학의 졸업식을 하고 수업을 듣는 경우도 있고, 동물의 숲에서 미국 대통령 선거 유세와 같은 예시가 있다. 현실과의 연결고리, 수익 창출 2가지 관점에서 기존 리니지, WOW와의 차이점이 있다고 할 수 있겠다. 로블록스에서는 개인이 게임 콘텐츠를 직접 만들어 이용할 수 있는 권한을 팔기도 한다.
메타버스 공간으로 출근하게 된다면, 정확하고 정량적인 평가를 받게 될 것이다. 따라서 구성원들이 게을러 질까봐 걱정하기보다는 냉혹하고 숨막히는 평가로 인한 걱정을 해야 할 것이다.
영화, 건축설계, 상품 디자인, 수술 및 대형 시뮬레이션 등에 사용될 수 있다.
방대한 데이터처리, 실시간 데이터 송수신이 필요하기에 aws, azure 같은 클라우드 서비스가 중요성이 커진다. 그리고 그래픽 처리 관련 기술도 중요해진다. 엔비디아의 메타버스 공간을 만들 수 있는 플랫폼 옴니버스나 유니티의 시뮬레이션 프로그램이 메타버스 시대를 맞아 부각되고 있다.
네이버 제페토는 자신의 모습을 본딴 아바타를 만들어 조종한다. ‘빌드 잇기능’으로 다양한 공간을 직접 제작하고 꾸밀 수 있으며 친구를 이 공간에 초대해 같이 놀고 수다 떨 수 있다. 연예기획사가 소속 연예인들의 아바타를 배치해서 공연도 하고 팬들이 찾아오면 같이 사진도 찍을 수 있다. 개인이 옷을 직접 디자인해서 팔아 수익을 얻을 수도 있다.
메타버스는 공간 제약(물리적 제약)이 없이 무한정 확장할 수 있다. 팬덤이 많은 엔터산업, 게임산업이 주축이 되고 있다. 패션 업계에서도 자사 제품을 디지털화해서 팔기도 한다. 이외에도 심지어는 메타버스 속 부동산을 거래하기도 한다.