그래도 직진

     매일 이용 하는 이메일, 포텔 사이트, 메신저 등 우리 데이터로 가득 찬 시대에 살아가고 있다.  

     이런 시대에 우리 청소년들이 단지 데이터 활용에 그치지 않으려면 데이터에 대해 안목을 넓혀야 한다.

     이 책은 그런 청소년들을 위한 책이다.

     청소년의 눈높이에 맞춰 알고리즘, 인공지능, 메타버스, 블록체인 등 데이터의 발전 과정과 현재의 모습을

     쉽게 설명해 놓았다. 

     데이터가 어떻게 발전 해왔는지, 우리 생활 속 데이터는 어떤 모습인지, 앞으로 데이터가 만들어 갈 세상은 무엇인지

     등에 관련된 내용으로 데이터에 대해서 궁금하다면 읽어보기 좋은 책이다.

     오랜만에 책을 읽어야 겠다는 생각에 도서관에 가서 뭘 읽을지 고르다가

     표지를 보고 이 책을 골랐다.

     채닝 테이텀과 아만다 사이프리드가 커플로 나오는 영화가 나온다는 얘기를 듣고 봐야지 하다가 못봤던 Dear John.

     영화보다 책이 더 재미있을거 같았다.

     원서였지만 앞장을 조금 읽어보니 그렇게 어렵지 않아서 읽게됐다.

​

     직업군인인 존(채닝 테이텀)과 학생인 사바나(아만다 사이프리드)는 해변에서 처음 만났다.

     휴가를 나온 존이 자신의 동네인 노스캐롤라이나에 봉사활동을 하러 온 사바나에게 도움을 주며 가까워지게 된다.

     짧은 시간동안 서로 불타는 사랑을 했고 존이 다시 복귀를 하면서 둘은 장거리 연애를 하게된다.

     1년뒤 다시 돌아오겠다고 약속을 했고 둘은 그렇게 편지로 사랑을 이어나갔다.

     하지만 9.11테러로 인해 존은 사바나와의 약속을 지키지 못하게 되었고 기다리다 지친 사바나는 다른 남자와 결혼을 하게된다.

     결국 둘은 이뤄지지 못하는 듯 했지만 사바나의 남편이 사망하고

     존은 5년전에 사바나가 쓴 'Dear John' 이라고 시작하는 편지에서 사바나의 사랑을 다시 확인하고 그녀에게 달려간다.

​

     스토리는 대략적으로 이렇지만 난 책을 읽으면서 존과 그의 아버지와의 관계에 더 눈이 갔다.

     존을 혼자서 키워온 아버지.

     아버지는 동전을 모으는 것을 좋아했고 그것과 관련된 얘기를 하는 것을 좋아했다.

     하지만 존은 어느순간 아버지와 그런 얘기들을 하는게 싫었고 그뒤로 아버지와의 대화가 없어지면서

     자연스럽게 멀어지게 됐다.

     존은 고등학교를 졸업후 대학교를 가지 않고 여기저기 일을 하면서 친구들과 놀고 술을 마시며 시간을 보내다가

     군대에 입대하기로 마음 먹는다.

     군인이 되고 존은 점점 어른이 되어가기 시작했고 그러면서 느끼지 못했던 아버지의 소중함을 알게된다.

     그러다 사바나로 인해 아버지가 아스퍼거 증후군 인거 같다는 말을 듣게 되고 그 말에 사바나에게 굉장히 분노하는

     존의 모습에서 아버지에 대한 존의 사랑을 느낄수 있었다.

     군대 복귀 후 아버지의 투병 소식을 듣게되어 집으로 온 존은 야윈 아버지의 모습을 보면서 굉장히 슬퍼하지만

     마지막까지 아버지를 살뜰히 챙기는 그의 모습이 참으로 슬프고도 애틋했다.

     군인인 신분으로 자기가 아버지를 챙길 수 없어 보호시설로 아버지를 옮기던 날, 존은 아버지와의 마지막이라는 걸 알았던걸까.

     아버지에게 사랑한다고 말하는 존의 모습에서 눈물이 났다. 그리고 몇 주 뒤 존의 아버지는 돌아가셨다.

     그렇게 아버지와는 이별을 했지만 둘 사이에 가슴 찡한 뭉클함이 있었고 그것이 대 마음속에 참 오래남았다.

​

     몇일전 KBS '슈퍼맨이 돌아왔다' 프로그램의 옛날 영상들을 보다가 우연히 이휘재와 그의 아버지가 나오는 장면을 보게됐다.

     이휘재 아버지가 노환과 수술후 치매 증상으로 TV속 아들 이휘재와 손자들을 알아보지 못하는 장면이었다.

     손자의 재롱에 흐뭇해하는 모습을 본게 엊그제 같았는데..

     좌절해하는 이휘재의 모습이 너무 가슴을 아프게 했다.

​

     아버지,

     단어만으로도 참 슬퍼진다.

     누구보다도 근면성실하신분. 난 그런 우리 아버지를 정말 많이 존경한다.

     같이 사는데도 하루하루 늙어가시는 모습이 보여 가슴이 미어질때가 많지만

     지금 현재 아버지의 건강한 모습에 감사함을 느낀다.

     앞으로 더 많이 웃어드리자. 더 많이 사랑해드리자.

     한창 데이터 분석 공부를 시작하고 읽었던 책인데 너무 쉽게 잘 설명해 놓아서

     노트 정리까지 하면서 읽었다.

     정말 비전공자를 위해 쉽게 설명해 놓았다.

     머신러닝 기법들을 쉬운 예를들어 설명한 책이니 처음 데이터 분석을 시작하는 사람들에게 추천할 만한 책이다.

     CodePen을 돌아다니다가 tim의 Image-Rasterizer 작품을 보고 안 따라 할 수가 없었다.

     정말 친절하시게 tutorial까지 올려 주셔서 쉽게 따라 해 볼 수 있었다.

     Processing은 컴퓨터 프로그래밍의 본질을 시각적 개념으로 프로그래머가 아닌 사람들에게 교육할 목적으로

     뉴 미디어 아트, 시각 디자인 공동체를 위해 개발된 오픈 소스 프로그래밍 언어이자 통합 개발 환경이다.

     여기 들어가서 Processing을 다운받았다. (현재는 Processing 4.0.1 버전까지 나옴)

     다운 받고 Processing - 3.5.4 (뒤에 3.5.4버전을 의미함) 폴더에 들어가면 processing.exe 파일이 보인다.

     processing.exe 누르면 바로 실행이 되면서 밑에 처럼 흰 창이 뜬다. 

     이 창에 원하는 코드를 넣어서 실행시키면 된다. 나는 Tim의 코드를 작성해서 넣었다.

     img에는 비너스 사진을 직접 다운받아서 'venus.jpg' 로 저장하여 사용하였다. (사진 경로 다 적어주어야 한다.)

int age = 34;
PImage img; 

void setup() {
  size(800,800);
  img = loadImage("venus.jpg"); 
  img.resize(800,800);

}

void draw() {
  background(255);
  
  fill(0);
  noStroke();

  
  float tiles = mouseX/10;
  float tileSize = width/tiles;
  
  translate(tileSize/2, tileSize/2);
  
  for (int x = 0; x < tiles; x++) {
    for (int y = 0; y < tiles; y++) {
      color c = img.get(int(x*tileSize),int(y*tileSize));
      float size = map(brightness(c),0,255,20,0);
      
      ellipse(x*tileSize, y*tileSize,size,size);

    }
  }
}

     좌측 상단에 있는 실행 버튼▶을 누르면 짜잔!!!

     마우스를 움직일때마다 그림이 바뀐다. 너무 멋지지 않은가!!

     <참조>

    https://www.youtube.com/watch?v=XO8u0Y75FRk 

    https://tester188.tistory.com/m/25

     나는 동기부여 되는 말이나 글을 좋아한다.

     특히 나의 상황과 맞아 떨어지는 글은 찾아 읽는편이다.

     Data Science Weekly 뉴스레터에서 NLP 관련된 글이라고 생각하고 클릭했는데 한 여성에 대한 글이었다.

     이 글은 NLP 관련일을 하고 있는 Amy Heineike에 대한 글이다. 

     Amy는 NLP 혁명의 최전선에 있는 회사인 Primer 에서 일하고 있는 여성이다. 

     영국에서 태어난 Amy는 어릴적 부터 호기심이 많았고 모든것에 관심이 있었다.

     특히 수학과 과학에 관심이 많았던 그녀는 대학에서 수학을 전공했다.

     하지만 졸업후 뭘 해야할지 확신이 안섰던 그녀는 대학원도 생각했지만 직장을 구해서 일을 하라는 아버지의 조언에 따라

     취업을 하였다. 하지만 Amy는 직장에서 지루함을 느꼈고 자신이 관심이 있는게 뭔지를 찾아야 겠다고 생각한 그녀는

     책을 열심히 읽기 시작했다. 그때 접한 복잡성 경제학(complexity economics : 끊임없이 변화하는 경제 현상의 패턴을

     이해하고 그것에 어떻게 적응해야할지 모색하고 연구하는 학문)이라는 책에 푹 빠졌다.

     그녀는 그 책의 저자가 런던에 거주하고 있다는 것을 알게되었고 무작정 그 저자한테 메일을 보냈다.

     자신의 관심사에 대한 적극적인 표현과 호기심은 그녀에게 정말 멋지고 흥미로운 문제를 연구하는 일에 대한 문을 열 수 있는

     기회를 주었고 그렇게 저자의 회사에서 일을 시작하게 되었다.

     관심있는 분야에서 일을 시작한 그녀는 NLP 관련 일을 7년 넘게 일을 하고 있으며 

     분석가처럼 읽고 쓸 수 있는 합성을 수행할 수 있는 도구를 구축하는 일을 하고 있다고 한다.

     그녀의 일의 핵심 과제 중 하나는 여전히 흥미로운 새로운 결론을 도출하기 위해 데이터를 사용하는 방법을 찾는 것이다.

     여전히 어렵다고 하면서도 언어 작업은 끝없이 흥미롭다는 그녀는 NLP의 앞으로의 발전이 기대된다고 한다. 

     그녀는 말한다.

     세상은 빠르게 변하고 있고 미래가 어떻게 될지 알기 어렵다고.

     그렇기에 자신의 미래가 어떻게 될지 걱정이 되겠지만 괜찮다고.

     그냥 지금 현재 그 자리에서 할 수있는것을 배우면 된다고. 

     나는 앞으로의 그녀의 미래가 기대된다.

     나 또한 대학교때 뭐가 하고싶은지 몰랐다. 대학교 공부가 재미없었다.

     난 수학이 좋았다. 그래서 아르바이트로 시작한 수학 강사 일을 오랫동안 하였다.

     강사 일을 평생 하고 싶지는 않았고 일을 하면서도 무엇에 관심이 있는지, 무엇을 하고 싶은지에 대해 끊임없이 고민하였다.

     그렇게 오랜 시간이 걸려 드디어 찾았다. 내가 어떤일을 하고 싶은지. 

     그래서 난 지금 그 일을 하기위해 열심히 달리고 있다.

     이 길이 맞는지 수도 없이 생각하지만 재밌으니까, 내 가슴을 뛰게 하니까.

     그럼 된거 아닌가. 그렇기에 직진이다.

     몇일전 stable_diffusion 모델을 실제로 사용해보고 딥러닝 텍스트 이미지 모델에 관심이 생겼다.

     구글의 Imagen은 텍스트 입력을 기반으로 이미지를 생성하는 인공지능(AI) 이다.

     텍스트를 입력하면 인공지능이 텍스트에 가장 적합한 이미지를 찾아내 명령대로 이미지를 만들어낸다.

     구글의 Imagen은 텍스트를 이해하는 대형 변환기(transformer) 언어모델(T5)의 성능을 기반으로 정확도와 높은 이미지를

     생성하는 확산 모델을 결합한다.

     Imagen을 통해 텍스트 전용 말뭉치로 사전 훈련된 거대한 언어모델의 텍스트 임베딩이 모델 훈련에 이미지-텍스트 데이터만

     사용하는 것보다 텍스트-이미지 합성에 효과적이라는 것을 발견할 수 있었다.

     4월에 공개한 OpenAI의 DALL-E2 보다 훨씬 나은 성능 보여준다고 한다.

     위의 Imagen 웹사이트에 들어가면 지시 텍스트와 그에 따라 출력된 결과 이미지의 사례가 몇 가지 소개되어있다.

     Imagen은 무한한 창의성의 잠재력을 갖고 있지만 구글은 Imagen을 대중에게 제공하지 않기로 결정했다.

     Imagen은 인터넷에서 정보를 수집하고 학습해 이미지를 생성하기 때문에 고정관념과 편견이 넘쳐날수있고     

     그에 따라 Imagen이 생성하는 이미지에 반영될 우려가 있기 때문이다.

    <출처>

    http://www.popsci.co.kr/news/articleView.html?idxno=11984

    http://www.aitimes.com/news/articleView.html?idxno=144897 

     최근에 친구를 통해서 Stable Diffusion 모델에 대해서 들었다.

     Stable Diffusion은 2022년 스타트업 StabilityAI에서 출시한 딥 러닝 텍스트-이미지 모델이다.

     주로 텍스트 설명에 따라 세부 이미지를 생성하는 데 사용되지만 인페인팅, 아웃페인팅 및 생성과 같은

     다른 작업에도 적용될 수 있다.

     쉽게 설명하면 내가 텍스트로 설명을 하면 이 모델이 그에 맞는 이미지를 만들어 내는 것이다.

     한번 해보고 싶어서 colab으로 모델을 간단하게 돌려봤다.

      https://huggingface.co/CompVis/stable-diffusion-v-1-4-original     

      위 사이트에 들어가서 우측 상단에 Sign-Up 을 눌러서 이메일로 가입을 한다.

      그럼 가입한 이메일 주소로 이메일이 오는데 그 메일을 클릭해서 confirm을 해주어야 회원가입이 끝난다.

      그 다음에 Access Token을 만들어 주어야 하는데 

     로그인을 하고 Setting/tokens 페이지로 찾아들어가서 'New token'을 눌러준다.

      이런 화면이 뜨면 Name은 아무거나 쓰고 Role은 write으로 설정하고 Generate a token 버튼을 눌러주었다.

      그럼 token이 생성되는데 나중에 colab에서 복사해서 사용할 것이다.

      그런 다음 colab으로 들어가서 코드를 돌려보았다.

     1. 먼저 GPU 런타임을 사용하여 이 노트북을 실행하고 있는지 확인한다.

         현재 연결된 GPU는 Tesla T4로 15109MiB 사용이 가능하다.

     2. 그 다음 diffusers==0.3.0과 sciphy, ftfy 및 transformer를 설치한다.

     3. 이 모델을 사용하려면 이 모델의 라이센스에 동의하여야 한다. 여기로 들어가서 라이선스를 읽고 동의하면 수락을 누른다. 

     4. colab이 외부 위젯을 비활성화했기 때문에, 활성화 시켜야 한다. 아래의 코드로 활성화 시킨후 로그인을 진행한다.

    5. notebook_login()을 실행하면 위와 같은 그림이 출력된다. 아까 우리가 받은 token을 입력하고 Login 버튼을 누른다.

      그럼 아래와 같은 결과가 출력된다.

     6. 다음으로 사전 훈련된 가중치(pre-trained weights) 를 로드한다.

     7. 다음으로, 더 빠른 추론을 위해 GPU로 파이프라인을 이동시킨다.

     8. 그럼 이제 출력해보자. prompt 창에 내가 표현하고 싶은 이미지에 대한 설명을 넣는다.

        먼저 예제로 나와있는것 부터 해보았다.

        "a photograph of an astronaunt riding a horse" :  우주 비행사가 말을 타고 있는 사진

     우주 비행사가 말을 타고 있는 사진이 출력되었다. 다시 돌리면 또 다른 그림이 출력된다.

     9. 이번에는 좀 더 디테일하게 설명을 하여 출력을 해보자. 

         "interior design, open plan, kitchen and living room, modular furniture with cotton textiles, wooden floor,

         high ceiling, large, steel windows viewing a city"

        "a cute magical flying dog, fantasy art drawn by disney concept artists, golden colour, high quality,

         highly detailed, elegant, sharp focus, concept art, character concepts, digital painting, mystery, adventure"

     너무 멋지지 않은가? 정말 많은 곳에 활용 될 수 있을거 같다.

     <Reference>

     https://huggingface.co/CompVis/stable-diffusion-v1-4

     https://www.analyticsvidhya.com/blog/2022/09/stable-diffusion-ai-has-taken-the-world-by-storm/

     https://bytexd.com/get-started-with-stable-diffusion-google-colab-for-ai-generated-art/                  

     https://mpost.io/best-100-stable-diffusion-prompts-the-most-beautiful-ai-text-to-image-prompts/    

    "나 걔한테 멀프당했어"

     엥? 읭? 응?

     이게 무슨 뜻인가..

     "멀프 당하다"에서 멀프는 카카오톡의 멀티 프로필의 줄임말로 친구가 자신을 기본 프로필이 아닌 멀티 프로필로

     설정해 놓았을때 쓰는 말이라고 한다.

     멀티 프로필은 내 친구목록에 있는 친구들에게 각기 다른 프로필을 보여줄 수 있는 카카오톡 기능으로

     회사, 동호회 등 목적에 따라 다른 프로필을 사용 할 수 있다.

     나도 회사나 일로 만나는 사람들 따로, 모임에서 만난 사람 따로 각각 다른 멀티 프로필을 사용하고있다. 

     내 기본 프로필은 내 개인 사진이 너무 많은데.. 그런 모습을 친하지 않은 사람에게 보이기 불편할때도 있으니. 

     이럴때 사용하면 편리한 기능인데 만약 친한 친구가 나를 멀티 프로필로 등록 해놓았고 내가 그걸 알게 되었다면,

     즉 멀프 당했다면 기분 나쁠수도 있을거같다.  

     동네에 이사가고 이사오는 사람들이 많아졌다.

     이삿짐 사다리차가 여러대 들어왔고 유심히 사다리차를 보니 훌라후프가 걸려져 있는것을 발견하였다.

     예전부터 궁금했었다. 훌라후프의 용도가 뭘까?              

      내려가서 물어봤다.

      "훌라후프는 사다리차에 무거운 짐이나 가구(침대, 장농, 냉장고 등)를 이삿짐 차에 실을때 무겁기 때문에                       옮기기 힘드니 선반 바닥에 훌라후프를 깔고 그 위에 짐을 올린 다음 방향게 맞게 전후좌우로 회전시켜                         이동을 쉽게 하기위한  도구로 사용된다"

    <몰아 보고 싶어요?> 

         글/이일준(정신건강의학 전문의)

         feature editor KIM EUN HEE

     구독 가능한 OTT (Over The Top : 셋톱박스(Top)를 넘어) 플랫폼이 많아졌다.

     넷플릭스는 정기구독으로 보고 있고 티빙은 보고싶은 프로그램이 있을때 월별 결제해서 보곤한다.

     사실 나는 드라마를 볼때 매주 다음화를 기다리지 못해 종영이 된 후에 1화부터 시작한다.

     즉, 몰아보는 것을 선호하는 편이다.

     그러다 보니 '몰아 보고 싶어요?' 제목을 보고 글을 안 읽을수가 없었다.

     보통 콘텐츠 제공자들은 드라마 방영 시간에 맞춰 일주일에 1-2편씩 콘텐츠를 공개하지만 

     넷플릭스는 전편을 한번에 공개하는 몰아보기 전략을 사용하고 있다.

     개인적으로 최근에 드라마 '모범형사2'를 재밌게 봤는데 티빙에서는 매주 1-2편씩 공개가 되었는데

     넷플릭스는 '모범형사2' 종영 후 전편(1화-16화)을 한번에 공개 했다. 

     이러한 몰아보기 전략에 대해 넷플릭스 CEO 리드 헤이스팅스(Reed Hastings)는

     소비자들이 점점 더 컨트롤의 자유를 원한다고 이야기했다.

     소비자에게 더 많은 자유와 자율을 주는것.

     원하는 시간에 어디서든 시청할 수 있는 환경을 제공하고, 보고 싶은것을 원하는 만큼 볼 수 있는 자유를 원한다는 것이다.

     그렇다면 이런 넷플릭스의 몰아보기 전략이 소비자들에게 컨트롤의 자유를 준 것일까? 

     본문 내용에서 에디터는 질문을 던진다.

     영화 <매트릭스1>의 한장면으로 오라클이 주인공 네오에게 "꽃병을 조심해"라고 한다.

     깜짝 놀란 네오는 뒤돌아보다 꽃병을 건드려 넘어뜨리게 된다.

     그렇다면 꽃병을 깨뜨린 건 네오일까, 오라클일까?

     난 당연히 네오라고 생각했다. 네오가 꽃병을 건드려서 넘어뜨린거니까 네오가 꽃병을 깨뜨린거라고 할 수 있지만

     오라클의 말에 네오가 놀라서 꽃병을 깨뜨리게 된거이기도 하니까 오라클 때문일 수도 있다고 말한다.

     즉, 행동은 네오가 했지만, 그 행동에 대한 통제권은 오라클이 쥐고 있었던 것이라고.

     넷플릭스로 돌아가서 넷플릭스는 시청자들에게 선택의 폭을 넓혀주었지만 이 선택의 폭이 정말 소비자에게 자유를 준것일까?

     넷플릭스를 보느라 할 일을 제대로 못하고, 밤새도록 보느라 잠도 못자고, 그 다음날 일에 지장이 생긴적이 있지 않은가?

     그렇다면 여기서 잠을 못자고, 할 일을 제대로 못하고, 일에 지장이 생기게 한 건, 즉 몰아 보기 했던 그 행동의 주체는

     나일까, 콘텐츠를 제공한 넷플릭스일까? 

     행동의 주체를 찾을 때 중요한 질문 중 하나로 'Cui Bono Question' 이라는 것이 있다고 한다.

     라틴어로  '그것은 누구에게 이익이 되는가?' 라는 뜻이다.

     현대 사회에는 여가 시간이 점점 느는 만큼 어느 기업이 사람들의 시간을 많이 점유하느냐가 기업의 미래 성장성을 좌우한다는

     의견이 있다고 한다. 그렇기 때문에 기업들은 자사 앱에 사람들이 오래 머물도록 애쓴다.

     결국 사람들이 돈을 소비하는 시간은 여가 시간에서 나오기 때문이다. 

     이런 관점에서 몰아 보기 전략은 넷플릭스 안에서 사람들이 오래 머물도록 하는 것 이고 그렇다면 이익이 되는 건

     당연히 넷플릭스 아닐까?

     결론적으로 넷플릭스의 몰아 보기 전략이 시청자들에게 통제력을 준 듯 보이지만 실상은 그렇지 않은것이다.

     더 중요한 문제는 많은 학자들이 넷플릭스의 몰아 보기 전략이 중독, 과잉, 통제력 부족이라는 부정적인 함의를

     지니고 있다고 주장한다.

     넷플릭스는 어떤 전략을 짜면 이용자들이 더 오래 넷플릭스에 머물지를 연구하고 적용하는, 기업의 이익을 최대화 하려는,

     소비자의 중독을 유발하는 집단일 뿐이다.

     갖가지의 전략이 치밀해질수록 어쩌면 미래의 우리는 중독을 유발하려는 기업과의 처절한 사투가 필요할지도 모를 일이다.

     기업들이 우리에게 내어준 자유를 진짜 자유라고 착각하지 말아야 할것이다.