[주택금융연구원] 알파고의 학습방법과 공사 활용 방안

 

 

 

■ 알파고는 정책망(Policy network)과 가치망(Value network)이라는 2개의 심층신경망(Deep Neural Network)을 활용한 딥러닝 기법 사용

 

 

■ 인공신경망(Artificial Neural Network, ANN)

 

- 두뇌의 구조를 모방한 최적화 방법론

 

- 단순한 구조의 인공뉴런들을 연결하여 복잡한 문제를 해결

 

- 인공신경망에 관한 이해는 향후 인공지능 이해를 위한 초석

 

 

■ 인공신경망 연구의 강점 및 활용 방안

 

- 수많은 데이터를 분석하여 일정한 규칙을 발견하고, 이에 따라 분류·예측하는데 강점

 

 

 

- 공사 업무 가운데 관련된 자료의 크기가 방대하고, 독립변수와 설명변수간의 관계가 이론적으로 명확하지 않은 경우 기계학습 적용을 통해 예측 정확도 향상을 기대해 볼 수 있음

 

① 주택담보대출: 채무자 정보에 따른 조기상환 및 부도 위험군 분류

 

② 주택보증: 보증 사고 확률 추정 및 위험군 분류

 

③ 주택연금: 기대수명 예측

 

 

■ 연구의 한계 및 활용상의 주의점

 

- 계산이 필요한 모수가 많아 과최적화 문제가 발생 가능하며, 이로인하여 외표본 예측 오차가 커질 우려가 있음

 

- 투입 자원 대비 결과의 효용성이 떨어질 가능성 존재

 

 

 

 

** 출처: [주택금융연구원] 알파고의 학습방법과 공사 활용 방안

** 문서:

이슈16-5(05.18)_알파고의_학습방법과_공사_활용방안_(김형준_연구위원).pdf