인공지능-데이터 인식속도 향상을 위한 방법

차원의 저주
데이터의 크기가 클 수록 더 정확한 결과를 얻을 수 있으나, 그만큼 더 많은 시간이 걸리는데, 데이터의 크기가 증가할 수록 시간은 기하급수적으로 증가한다.
이를 두고 차원의 저주라고한다.
예) 오목은 실시간으로 ai처리가 가능하지만, 바둑은 경우의 수가 너무 많아, 실시간 처리가 불가능하다.

데이터 처리속도 향상을 위해서는 차원의 저주를 풀어야한다.

1안)이미지인식의 경우, 이미지를 특정방향, 특정 순서대로 crc나 해시값으로 변경하는 방법
특정방향이나, 순서등은 경험적으로 학습해야한다.
crc나 해시값은 보통 4바이트이므로, 무수한 중복되는 경우의 수가 발생하나, 여러개의 조건을 조합해서 사용하면, 현실적으로 문제는 없을것으로 예상된다.

예) 이미지에 있는 것이 동그라미인가?
안쪽 또는 바깥쪽 동그라미 영역의 점들의 평균이 0에 가까우면, 동그라미라고 볼 수 있다.
동그라미 영역은 학습해야하고,
평균값은 배경색상에 따라 달라지므로,
동그라미를 구성하는 선의 색상이나, 동그라미가 아닌 부분의 색상값과의 차이가 어느정도 있어야한다.
이는 데이터를 주고, 기계학습으로 해당 해시함수를 찾을 수 있다.

여러가지의 경우의 수가 있으므로, 많은 해시함수와 많은 결과값이 필요하다.

해시함수에 영역정보도 포함될까?

요약:해시함수를 찾음으로써 처리속도를 향상 시킬 수 도 있을것이다.