Page 149 - 인공지능 수학 교과서

3 1 단어 ‘에너지’에 해당하는 임베딩 벡터 c =(1, 0.9)에
두 단어 ‘게임’, ‘도움’에서 3 : =a : 이
20 10
므로 대하여 세 벡터 c, a, b 를 각각 좌표평면에 나타낸
1 20 점을 C, A, B라 할 때,
a=3× × =2
10 3 CA=(1-1)^2+(0.8-0.9)^2=0.01
이때 빈도수의 총합은 CB=(1.2-1)^2+(1.3-0.9)^2=0.2

c=3+2+5+6+2+2=20 따라서 CA < CB 이므로 단어 ‘에너지’는 문장 A에
따라서 abc=2× ;4!;× 20=10 더 가깝다고 판정할 수 있다.
(2) 댓글의 상대도수를 성분으로 하는 벡터는
{;2£0; , ;1¡0; , ;4!; , ;1£0; , ;1¡0; , ;1¡0; } 또는 생각해 보기 본문 42쪽

(예시 답안)
(0.15, 0.1, 0.25, 0.3 0.1, 0.1)
• 문장 A: 인공지능을 탑재하지 않은 로봇이 단순히
문제 4
정해진 기능만을 수행하는 것에 비하여 인공지능을
(1) a+b=(1, 2)+(2,-1)=(1+2, 2+(-1))
탑재한 로봇을 학교 현장에 도입한다면 사람의 말을
=(3, 1)
이해하고, 인공지능 알고리즘에 따라 최적화된 맞춤
(2) a-b=(1, 2)-(2,-1)=(1-2, 2-(-1))
형 정보를 시각화하여 제공할 수 있다.
=(-1, 3)

• 문장 B: 학교의 교육 활동과 생활에서 로봇을 활용

(3) 2 a=2(1, 2)=(2×1, 2×2)=(2, 4)
한다면 학교의 수업이나 동아리 등의 활동에서 큰
위의 벡터들을 좌표평면 위에 점으로 나타내면 규모의 탐구를 수행할 수 있음은 물론 인공지능과
다음 그림과 같다. 로봇이 상용화될 미래에 보다 더 익숙하게 다가갈
y 수 있는 계기가 될 수 있다.
(2, 4)
4

(-1, 3) • 문장 C: 예를 들어 외국어로 된 기사나 논문과 같은 교
3
육용 텍스트 자료를 벡터로 나타내면 자료를 시각화하
거나 각 성분에 대응하는 한국어로 변환하여 번역을 할
1 (3, 1)
수 있는데 인공지능 알고리즘을 활용하면 더 자연스럽
-1 O 2 3 x
고 완성도 높은 교육용 정보를 생산할 수도 있다.
문제 5
문장 A, B의 단어 임베딩 벡터들에서 대응하 스스로 정리하기 본문 43쪽
는 성분끼리의 평균을 성분으로 갖는 벡터를 ➊ 단어 임베딩 벡터를 이용하면 벡터의 차원을 줄이고

각각 a, b라 하면 의미가 비슷한 단어는 비슷한 벡터 공간에 위치하여



a_1+a_2+a_3  벡터의 연산을 통해 단어들 사이의 관계를 보여줄

a=
3 수 있다.
0.6+1.3+1.1 0.9+0.5+1 ➋ 단어 임베딩 벡터들의 각 성분의 평균을 구하면 한

={ , }
3 3
문장을 대표하는 벡터를 구할 수 있고, 다른 임베딩
=(1, 0.8)
벡터와의 거리를 계산하여 문장 또는 단어가 얼마나


b_1+b_2+b_3 

b= 비슷한지 파악하기 쉽다.
3

➌ 텍스트를 시각화하면 숫자로 나열되어 한눈에 파악
0.8+1.3+1.5 1.6+1.5+0.8
={ , }
3 3 하기 힘든 자료의 경향성 또는 상대도수 또는 빈도
=(1.2, 1.3) 수를 쉽게 파악할 수 있다.
정답 및 해설 147