d라이브러리

연립방정식의 기본 개념부터 AI에 적용되는 방식까지 잘 배웠지? 연립방정식으로 AI에 입력된 데이터를 분석할 수 있다는 것만 알았어도 충분해! 그럼 지도형 기계학습의 일종인 ‘회귀’ 방법으로 AI 로봇 아이폴리에서 연립방정식이 어떻게 작동하는지 알아볼까?

1단계 : 데이터 입력하기

아이폴리는 여름이 되자 밤마다 귀뚜라미 울음소리가 들린다는 것을 알아챘습니다. 분명 추운 겨울에는 귀뚜라미 소리를 잘 듣지 못했는데, 날이 따뜻해지면서 점점 들리기 시작했거든요. 특히 무더운 열대야가 극심한 요즘에는 잠을 못 잘 정도라니까요? 
기온과 귀뚜라미 울음소리 빈도의 관계가 궁금해진 아이폴리는 날마다 귀뚜라미 울음소리 빈도를 조사했습니다. 그리고 조사한 자료를 정리하고 데이터로 입력했죠!

2단계 : 입력된 데이터로 학습하기

아이폴리는 조사한 데이터를 토대로 좌표평면에 수많은 점을 찍었습니다. 데이터 사이의 숨어있는 관계를 알기 위해 아이폴리는 데이터를 표현한 점들 사이에 무수한 추세선을 그렸죠. 이 추세선들은 바로 아이폴리가 고안한 기온에 따른 귀뚜라미 울음소리 빈도수 예측 모델이라고 할 수 있습니다. 이 추세선을 일차함수로 나타낼 수 있죠. 그리고 이 모델들은 아이폴리가 조사한 기온에 따른 귀뚜라미 울음소리 빈도수라는 학습 데이터를 통해 얻은 것이죠.

3단계: 학습을 통해 얻은 모델에서 최적의 모델 구하기

아이폴리는 추세선과 실제 데이터 사이의 오차를 추세선 각각에 대해 계산합니다. 이때 오차는 연립방정식의 형태로 나타나죠. 아이폴리는 오차를 계산하고 비교하는 과정에서 추세선과 데이터 좌표 사이의 거리를 의미하는 수많은 연립방정식을 세웁니다. 그리고 컴퓨터에서 연립방정식을 계산하는 방법인 LU 분해법으로 오차를 계산했습니다. 마침내 아이폴리는 모든 오차값을 비교해, 오차값이 제일 작은 적합한 추세선을 찾아냈죠.

4단계: 결과 예측하기

오늘 밤의 기온은 30℃! 열대야가 예정된 날입니다. 아이폴리는 오늘 귀뚜라미가 1분당 몇 회 울음소리를 낼지 자신이 세운 모델을 통해 알아보기로 했죠! 
그 결과, 아이폴리가 예측한 귀뚜라미 울음소리 빈도수는 1분당 197회, 실제 귀뚜라미 울음소리 빈도수는 대략 1분당 197.1회로 거의 일치했답니다! 데이터를 통해 규칙을 찾아냄으로써 앞으로 일어날 상황을 예측할 수 있게 된 거죠.