머신러닝 모델은 구조가 너무 복잡해서 안을 들여다볼 수도 없고, 모델을 이용해 예측 값을 구해도 도대체 왜 그런 값이 나왔는지 알 수 없다는 특징이 있습니다. 내부가 촘촘하게 연결된 신경망 모형은 더욱 알 수 없어서 블랙박스 모형이라고도 합니다.

그런데 여러분, 모델 내부를 살펴보고 해석도 할 수 있는 기법들이 꾸준히 연구되어 왔다는 사실을 아시나요? 특히나 도무지 왜 때문에 그런 결과물을 내놓는지 알 수 없는 LLM이 끊임없이 등장하는 요즘, 모델을 이해하고 개선할 수 있게 도와주는 방법들이 엄청 활발하게 연구되고 있다고 합니다.

그런 연구를 누가 하고 있을까요? 물론 수학자들이죠! 지난 시간에 이어서 응용 수학 전공자 맷수달님을 모시고, 함께 이야기 나누었습니다!

────────────────────────

■ 유튜브에서 보기
https://youtu.be/nEkzbVrU1dQ

■ 팟빵에서 듣기
http://www.podbbang.com/ch/1771386?e=24926544

────────────────────────
● 유튜브 | https://www.youtube.com/dataholic4
● 팟빵 팟캐스트 | http://bit.ly/dataholic
● 애플 팟캐스트 | https://apple.co/2M3yFyc
● 페이스북 | https://www.fb.com/dataholic4