스팀잇: 사과는 떨어지는데 달은 왜 안 떨어질까? (딥 러닝)
알파고
요새 딥 러닝이 유행이고 잘 발달되고 있다고 합니다. 그 결과가 이세돌 프로를 바둑에서 이긴 알파고입니다. 알파고는 구글이 몇년전 합병한 Deepmind라는 회사에서 개발되었습니다.
Deepmind에서는 컴퓨터가 벽돌게임을 하는 것을 개발했는데 그것을 구글에서 보고 알파고를 생각했다고 합니다.
내가 이해한 알파고는 컴퓨터에게 사람이 알고 있는 지식이나 정보를 기본적으로 전달도 하지만 행동의 패턴을 전달하는 겁니다. 이론이나 설명이 필요 없는 겁니다.
사람들이 어떤 행동을 할 때 본능적으로 하기도 하고 생존하려고 하기도 합니다. 그런데 그런 행동들이 DNA를 통해서 전달 되었을 겁니다. 그렇다는 것은 이론적으로는 설명이 불가하지만 살아가는데 필요하고 이론이나 정보보다 더 정확할 수도 있다는 겁니다.
아마존과 구글에서 만들고 있고 가정용 비서 알파고들은 사람들의 패턴을 학습하고 그것에 따라서 사람들을 편하게 해주게 구성되어 있다고 합니다.
거인의 어깨 위에서
아이작 뉴튼경은 나무에서 사과가 떨어지는 것을 보고 만류인력과 중력을 발견했다고 하는데 항상 의문이 있었습니다. '사과가 떨어지는 것을 보고...모든 사람들이 사과가 떨어지는 것을 보았을텐데...'
내 생각에는 아이작 뉴튼은 다음 질문을 던졌을겁니다.
'왜 사과는 떨어지는데 달과 별은 고정되어 있을까?'
사과뿐만 아니고 무게가 있는 것은 모두 떨어집니다. 그런데 열외가 있다면 무슨 이유일까요?
패턴이라는 것이 있는데 패턴을 벗어나는 경우는 무슨 이유인지?
만류인력을 발견하고 상을 받은 아이작 뉴튼은 이렇게 말했다고 합니다.
'자신은 인류라는 거인의 어깨 위에 올라섰을 뿐이라고!' 아이작 뉴튼 전에 수 많은 과학자들이 고민을 하고 자료를 준비했을 겁니다.
'그래도 지구는 돈다'는 말을 했다는 갈리레오도 일조를 했을 것이고.
이론 전에
열역학 법칙은 증기기차가 나온 이후에 이론이 나왔고,
경제이론도 저가거리가 만들어진 이후에 등장했고,
에디슨이 전기를 발명하고 난 후 전기자장등 이론이 등장했고...
이론이라는 것은 뒷북을 치는 것인지도 모르겠습니다. 전문가 집단은 미래를 볼 수는 없고 과거를 잘 설명하는 구룹입니다.
Buy Low Sell High: 펀더멘탈이 좋은 회사 주식을 구입해서 장기 투자를 하라는 이야기 입니다. 워렌 부펏이 사용하는 방법입니다.
대신 요새 잘 사용하는 방법론은
Buy High Sell Higher 입니다.
아마존 주식을 1000불일 때 비싸서 못샀는데 지금은 1500불을 넘었습니다.
이 방법을 사용하려면 지금까지 자신이 가지고 있던 습관과 편견을 버려야 합니다. 회사를 믿어야 하고 떨어질 때 사는 겁이 아니고 올라갈 때 사는 겁니다. 움직이지 않을 때는 기다리는 겁니다.
스팀잇
스팀잇 코인 가격이 100불이 될 것을 믿어야 합니다.
믿는다면 천천히 매집을 할 수 있습니다. 아니면 오를 때까지 기다리는 것도 방법입니다. 그렇지만 오를 에너지를 제공하고 대세를 만들려면 기다리기도 해야 하지만 열심히 해야 합니다.
닥글을 하는 겁니다. 닥치고 글을 쓰고 여유 돈 있으면 코인 구입하고. 그런데 스팀잇을 믿지 못한다면 할 수가 없겠죠!
몇달 스팀잇하고 평가 비슷한 글을 자주 봅니다. 이런 이야기를 해주고 싶네요 나도 130일 밖에는 되지 않았지만 뭐를 제대로 이해하고 감을 잡으려면 적어도 3년은 해야 한다고 그리고 전문가가 되려면 10년을 해야 하고.
내가 지금까지 경험한 성장 패턴 (딥 러닝)
시장에는 항상 새로운 성장 에너지 재료가 필요합니다. 20년전에는 인터넷 2020년에는 블록체인, AI 등입니다.
사람들은 자랑하고 싶고 광고하고 싶고 페이스북 같은 SNS가 필요합니다. 블록체인과 암호화폐에서는 스팀잇이 었으면 좋겠고
주식이 성장할 때 세 번의 주기를 거치고. 암호화폐는 지금 두번째 성장기를 기다리고 있는 것 같고 시간은 2-3년이 필요할 것 같고 (블록체인 기술의 성숙기간). 두번째 성장기에는 쭉쟁이들은 빠지고 좋은 회사만 성장을 하고
성장을 하기 바로 전에는 시장에서는 곡소리가 나고 그 곡소리가 끝나고 많은 사람들이 떠났을 때 시작을 하고
딥 러닝에 대해서 읽고 싶으시다면 아래 글을 참조해 주십시요
https://blog.naver.com/thomaslee101_792/221304646582 딥 러닝에 대해서 (위키피디아에서)
