메타버스에서 데이터 축적을 왜 하는 지 (강화학습)

보통 인공지능 공부는 이렇게 시작한다.
알파고와 이세돌 9단의 대결을 보고 단순하게 코딩인데 어떻게 저게 가능하지? 라는 질문에서...
그런데 인공지능을 처음 공부하게 되면 강화학습 보다는 딥러닝부터 시작 한다.
단순히 개념 이해가 쉽고 가르치는 사람도 쉽게 가르치기 때문이다.

돌고 돌아 드디어 강화학습을 배우게 된다.
강화학습은 계속 환경과 피드백을 주면서 새롭게 공식을 업데이트 한다.
물론 강화학습도 결국 이미 패턴화 되있는 것만 할 수 있다.
달라 보일 수는 있지만 결국에는 데이터에 원하는 패턴을 찾는 것 이다.

강화학습에서는 모델 베이스 과 모델 프리 라는 방식이 있는데
모델프리는 간단하게 실제 데이터만 쓰는 것 이고
모델은 시뮬레이션이나, 가상 데이터를 쓰고 추가적으로 실존 데이터를 쓰면서 현실에 맞게 튜닝 한다.
어떻게 보면 튜닝 단계는 transfer learning과 유사 하다라고 할 수 있다.
결론적으로 메타버스의 궁극적인 목적은 모델 베이스를 위한 데이터 축적 이다.
그래서 나는 현실의 한부분도 제대로 대변 할 수 없는 현재의 메타버스 플랫폼은
그져 허상이고 앞으로 자금 세탁과 절세 그리고 작전이 끝나면 자연스럽게 가치가 제로에 수렴 할 것 이라고 하는 것 이다.
그래서 우리가 기다려야 할 것은 게임엔진이나 시뮬레이션 회사들이 메타버스 플랫폼을 만들 때 이다.

그때가 진짜 투자 시기 이다.