fastai와 파이토치가 만나 꽃피운 딥러닝

100

1



실전 딥러닝

작성한 사례도 있습니다. 그러나 딥러닝은 현재





을 도출하지는 못합니다! 가령 딥

러닝 모델에 의학 정보를 결합한다고 한들, 의학적으로 올바른 자연어적 응답을 안정적으로 만

들어내기는 어렵습니다. 실제로는 완전히 틀렸지만 비전문가를 설득할만한 내용을 생성할 수

있어서 매우 위험합니다.

또 다른 우려는 소셜 미디어에서 문맥적으로 적절하면서도 설득력 있는 악의적인 댓글이 지금

껏 본 적 없는 규모와 속도로 생성되어 허위 정보를 전파하고, 불안감을 조성하며, 갈등을 조장

할 수 있다는 점입니다. 현재까지의 추세로 볼 때 자동 텍스트 생성 기술은 텍스트의 자동 생성

여부를 탐지하는 기술보다 항상 조금씩 앞서 있습니다. 가령 텍스트 생성 모델의 사실성을 향

상하는 데 인위적으로 생성된 텍스트를 인식하는 모델이 활용되어, 알고리즘이 탐지하지 못하

는 수준까지 도달하는 것이죠.

반면 딥러닝을 유익하게 활용하는 사례도 있습니다. 예를 들면 텍스트를 다른 언어로 번역하

고, 긴 문서를 짧게 요약하고, 관심 주제를 검색하는 등 다양하게 활용하고 있죠. 불행히도 번

역 및 요약 결과가 항상 올바르지는 않습니다! 그렇지만 딥러닝에 기반한 구글의 번역 시스템

을 포함한 여러 온라인 서비스는 이미 많은 사람이 애용할 만큼 충분히 유용합니다.



텍스트와 이미지를 하나의 모델로 결합하는 딥러닝의 능력은 사람들이 직관적으로 예상하는

수준보다 훨씬 우수합니다. 가령 이미지를 입력받아 영어 자막을 출력하는 모델을 학습시키면, ...