좀
더 똑똑하고 다채로운 모습을 보여주는 소프트웨어를 만들어보라고 한다면 나는 쉽사리 기계 학습을 활용한 시스템을 떠올리게 된다.
경험을 통해 개성을 발달시키고 특정한 주위 환경에 적절히 대응하려면 학습은 필요 불가결한 요소다. 그런데, 기계 학습은 그
환상적인 장점만큼 문제점을 많이 가지고 있다. 아니, 본디 기계학습으로 이루고자 했던 목표를 만족시킬 만 한 방법론이 아직
없다는 것이 큰 문제이다. 아래는 기계학습을 활용하는데 있어 발생하는 문제점을 나열해 놓은 것이다.
- 기계학습 시스템이 잘못된 내용을 학습하기 쉽다. 잘못 학습한 시스템은 전혀 사용자가 원치 않는 반응을 하게 될 것이다.
- 기계학습 기법은 원하는 결과를 성취하기 위해 조율하거나 변경하기가 어려울 수 있다. 예를 들어, 다양한 학습 상황에 알맞는 적합성 함수(fitness function)를 선정하기도 어려울 뿐더러 후에 이를 변경하기는 더욱 어렵다.
- 신경망과 같은 학습 시스템은 수정, 시험, 디버그하기가 너무 어렵다.
기계학습을 적용하려면 신중하게 적재적소에 적절한 학습 기법을 통해 적용하여야 할 것이다. 즉, 적용하고자 하는 문제 영역의 특성을 �