유전알고리즘으로 만들어진 AI의 작동방식은 누구나 알것이다

1. 랜덤하게 생성된 규칙을 가진 개체를 수천개 만들어서

2. 제일 높은 점수를 가진 개체만 남기고 

3. 그 개체들의 복사본을 만들어서 변이를 준다

4. 1번으로 돌아간다

이 방식은 어떠한 환경에도 적응할수 있다는 매우 훌륭한 장점이 있지만

https://www.science.org/doi/10.1126/sciadv.1500921

https://medium.com/analytics-vidhya/journey-of-gradient-descent-from-local-to-global-c851eba3d367

생물이 가진 최대 단점인 적응도의 골(fitness valley) 또는 지역 최소점(local minima) 현상으로 대표되는 학습지연에 빠져버리기 쉽다는것이다.

이것에 대한 자세한 내용은 

https://youtu.be/fnrpQuSgy-Q?si=DNX8KzHbTHHZukKj&t=245

이 영상이 잘 설명하고 있으니 참고하자

그리고 근본적으로 생물의 알고리즘이지 사람의 알고리즘이 아니라는점도 있다

아무튼 유전알고리즘이 만들어내지 못한 인간지능을 구현하기 위해

그냥 처음부터 신경의 작동원리를 모방하여 AI를 만들기로 했는데

작동방식을 정리하면
1. 무작위로 연결된 뉴런집합체를 만든다. (이 뉴런들은 단순히 두개의 값을 비교하여 차를 반환한다)

2. 입력에 따라 뉴런들을 활성화 시키고 출력된 값에 따라 행동시킨다. 

3. 결과에 따라 보상이나 처벌을 준다. 보상은 활성화된 뉴런들에 가중치를 주고 처벌은 가중치를 감소시킨다.

4. 1번으로 돌아간다

인공신경망또한 근본적인 작동방식은 유전알고리즘과 비슷하다

차이점은 유전알고리즘은 개체를 바꿔가면서 찾아내지만

인공신경망은 이미 정답인 개체가 존재하며 그 개체를 찾아내는 작업만 진행할 뿐이다

https://www.hani.co.kr/arti/science/science_general/755976.html
단순히 차를 반환하는것은 동작의 최소단위를 구현하기 위함일뿐이라 필요에 따라 다른 함수로 교체해도 된다

가령 마인크래프트를 예로 들어보자 초기에는 레드스톤과 레드스톤 토치만으로 모든 회로를 구현했지만 현재는 회로밀도를 높이기 위해 리피터나 비교기들을 섞어가며 사용하는것과 같다

그러므로 위의 차반환은 일종의 한개의 트랜지스터일뿐이라 각종 유용한 연산으로 치환해도 된다

더 많은 복잡도를 원한다면 다층레이어를 구성하면 된다

레이어의 출력을 다시 입력으로 받아서 처리하는것이다

예를들어 위와같은 차반환만 들어있는 방식은 말그대로 차만 반환하기 때문에 사칙연산의 결과값을 얻어내기 위해서는 다층구조가 필요하다.

https://www.youtube.com/watch?v=ScIrkTgwQiI

이 동영상은 전에 만들었던 한개의 레이어로 무작위로 배치된 뉴런들이 외부 자극을 받아 활성화 되고

보상에 따라 연결이 강화되거나 약화됨으로서 자연스레 정답인 뉴런들만이 남는것을 보여준다

https://www.kidsdiscover.net/brain-development.php

참고로 인간의 뇌도 시냅스 가지치기라고 하여 이것과 동일한 작용이 일어난다

사실 당연하다

왜냐하면 인공신경망이 인간의 뇌를 모방해서 만든것이기 때문이다

인간의 뇌는 이 비활성화 된 세포들도 에너지를 소비하기 때문에 일부를 불활성정도가 아니라 아예 제거를 해버린다

때문에 사람의 경우 부정피드백이 너무 많이 들어오면 우울증같은 기능장애를 유발한다고 한다.

근데 사실 이건 AI도 마찬가지라 피드백을 어떻게 줄지 잘 설계해야한다.

그리고 인간의 경우는 긍정피드백은 미엘린이 담당한다

수초 혹은 말이집이라고도 하며 전달속도를 늘리고 신호를 증폭시킨다.

즉 가중치가 증가된다

이러한 작동원리로 인하여 뉴런 하나하나의 결과값은 영향이 거의 없고 집합의 결과에 영향을 받기 때문에 일부분이 손상되어도 문제없이 작동한다.

인간의 뇌는 20%만 쓴다는 말도 들어봤을것이다.

위와같은 과정을 거치기에 당연히 일부만 활성화 되어야 정상이고

모든 뉴런세포가 활성화 되면 동일한 출력을 내뿜기만 하는 뇌전증에 불과하게 된다.

그런데 보다시피 레이어는 처리에 한계가 있다.

가령 특정 오브젝트의 개체를 인식하여 오브젝트의 위치에 따라 처리하게 하려는데

출력이 하나뿐이므로 서로 간섭을 일으킨다

때문에 이 레이어들을 엮어서 집합체를 만드는데 이것을 모델 혹은 네트워크라고 한다

모델에서는 각 레이어의 결과값을 입력값으로 받아 재처리할수 있다

따라서 오브젝트를 인식하거나 단어를 인식하여 처리하는등의 고차원 처리가 가능하다

위의 경우는

1. 위치를 판별하는 레이어

2. 화상을 인식하는 레이어

3. 움직임을 담당하는 레이어

이렇게 3개의 레이어가 필요하겠다

인간의 뇌도 이와같은 처리경로를 거친다

https://thebrain.mcgill.ca/flash/a/a_02/a_02_cr/a_02_cr_vis/a_02_cr_vis.html

https://www.waece.org/cd_morelia2006/ponencias/stoodley.htm

시각을 1차적으로 처리후 What경로와 Where경로를 거쳐 다른 레이어로 전달된다

그런데 인공신경망에는 커다란 단점이 있는데 보상과 처벌에 따라 학습되는것이기 때문에

그것을 판별할 시스템이 필요하다는 점이다

이것때문에 시각데이터에 라벨링 하는 과정이 들어가며 이것은 오로지 사람손으로 이루어진다

그래서 오토라벨링을 만드려고 애를 쓰지만 오토라벨링 또한 그것을 판별해줄 데이터는 사람손으로 만들어야 한다

생물의 경우는 정상적인 보상회로를 갖춘 생물만 살아남으므로 문제되지 않는다. 

그래서 최근에 개발되는것은 시뮬레이션 게임을 만들어서 그곳에서 학습시키는것이다.

그런데 인공신경망 또한 local minima문제를 가지고 있다

인간의 경우엔 두개의 뇌가 각기 판단후 뇌량을 통해 보강함으로서 상쇄시키려 한다

이 문제는 다수의 모델을 운용함으로서 해결할수 있다

툴 링크 : https://ahzkwid.booth.pm/items/5463945

Wiki : https://github.com/ahzkwid/AhzkwidAvatarTools/wiki/%ED%95%9C%EA%B5%AD%EC%96%B4

https://www.youtube.com/watch?v=5YQ2eYrmqUE

InsertMaterialTool

마테리얼 일괄 세팅툴

원터치로 바리에이션 마테리얼들을 넣어준다

단, 마테리얼의 이름을 추적하는 방식이기 때문에 변경될 마테리얼의 이름이 동일해야한다

https://www.youtube.com/watch?v=fh6q-XwBJJ8

Prefab NameReplaceTool

프리팹 이름 일괄세팅

변경될 이름을 Key 넣고 Value에 치환될 값을 넣으면 된다

https://github.com/ahzkwid/AhzkwidAvatarTools/assets/64906101/0db76c25-d4c0-48e7-8ac5-36b24f833570

BBOX(BoundsBox) 일괄세팅

Anchor Override Tool

Anchor Override 일괄세팅

먼저 캐릭터의 Anchor를 확인한다

Root와 Anchor를 할당한다

Run을 누른다

다른툴과 혼용가능한것만 적음

그 외에는 위키 참조
Wiki : https://github.com/ahzkwid/AhzkwidAvatarTools/wiki/%ED%95%9C%EA%B5%AD%EC%96%B4

갑자기 158400원 메세지 와서 뭔가 했는데 어도비 포토샵 1년치 자동갱신이였음