머신러닝 썸네일형 리스트형 뉴스 AI 앵커의 등장 로스앤젤레스 스타트업, 채널 1은 AI로 생성된 앵커를 활용한 뉴스 서비스를 개발 중이다. 아담 모삼과 스콧 자비엘스키의 창업으로 나온 이 스타트업은 올해 후반에 AI로 생성된 뉴스를 스트리밍 TV 채널에서 제공할 계획이다. 전 세계적으로 퍼지는 AI 앵커쿠웨이트의 Fedha, 그리스의 Hermes, 한국의 Zae-In 등 세계 각지에서 AI가 생성한 뉴스 앵커들이 등장하고 있다. 그러나 이에 대한 핵심 질문은 시청자들이 인간이 아닌 AI에 의해 전달되는 뉴스를 믿을 것인가이다. 뉴스 앵커에 대한 신뢰의 위기TV 뉴스 프레젠터에 대한 믿음이 최저치로 떨어진 가운데, AI로 생성된 뉴스 앵커에 대한 신뢰도는 미지수다. 뉴스 소비자들은 중립성을 더 이상 원하지 않는 추세, 그리고 소셜 미디어의 영향력을 통해.. 더보기 [머신러닝] 공분산과 왜 중요하지? joint probability distribution 케빈머피 머신러닝 통계뿐만 아니라 머신러닝 개념에서 정말 중요한 공분산에 대하여 알아보고자 합니다. 이 개념은 케빈머피 머신러닝 책에 joint probability distribution (결합확률 분포) 부분에 포함되어있습니다. 확률변수 X 와 Y 사이에 공분산은 X와 Y가 선형으로 연관되어 있는 정도를 측정하는데 공분산은 다음과 같이 정의된다. 공분산이라는 것은 두 확률 변수가 얼마나 함께 변하는지를 측정하는 통계적인 지표이다. 위의 정의에서 보다시피 X가 D 차원의 확률벡터 x 라면 공분산 행렬 Cov(x) 는 다음과 같이 대칭적인 행렬이다. (3.2) 그리고 (3.3) 에서 보이는 행렬은 확률벡터의 각 요소들 간의 쌍별 공분산을 나타내는데 공분산 행렬은 확률벡터의 다양한 구성요소들 간의 관계와 의존성을 확인할 수.. 더보기 [머신러닝] Categorical distribution 범주형 다항분포 캐빈머피 다시금 캐빈머피의 머신러닝 공부를 시작하였습니다. 데이터 사이언티스트 직군의 특성상 공부를 게을리 하면 안되기 때문에 힘들다가도 살아있음을 느끼다가도 재밌다가도 다시 힘들기도 합니다. 그러나 이 과정을 이겨낸다면 뿌듯해지죠. 열심히 해봅시다. Categorical distribution은 이산확률 변수입니다. 위의 (2.88)의 수식이 다소 복잡하게 느껴질수 있으나, • y는 확률 변수, 1부터 C까지 카테고리를 나타냄. • Theta 는 각 클래스에 대한 매개변수 (확률) 이므로 theta c 는 클래스에 대한 확률 • I 는 Indicator function (지시함수) 요정도만 짚고 넘어갑니다. 그 다음 우리가 이제 범주형 분포로 사용하기 시작하는 것은 바로 softmax 함수입니다 여기서 a 는 .. 더보기 이전 1 2 3 다음
