<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by June Oh on Medium]]></title>
        <description><![CDATA[Stories by June Oh on Medium]]></description>
        <link>https://medium.com/@juneoh?source=rss-d0ad987a7bcf------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/0*uwundtaujlhT4P1j.</url>
            <title>Stories by June Oh on Medium</title>
            <link>https://medium.com/@juneoh?source=rss-d0ad987a7bcf------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Tue, 17 Nov 2026 08:10:58 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@juneoh/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Windows용 FastText 바이너리들]]></title>
            <link>https://medium.com/@juneoh/windows%EC%9A%A9-fasttext-%EB%B0%94%EC%9D%B4%EB%84%88%EB%A6%AC%EB%93%A4-727829b010a?source=rss-d0ad987a7bcf------2</link>
            <guid isPermaLink="false">https://medium.com/p/727829b010a</guid>
            <category><![CDATA[nlp]]></category>
            <category><![CDATA[python]]></category>
            <category><![CDATA[machine-learning]]></category>
            <dc:creator><![CDATA[June Oh]]></dc:creator>
            <pubDate>Sat, 16 Mar 2019 02:00:33 GMT</pubDate>
            <atom:updated>2019-03-16T02:38:19.689Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/945/1*DjXFtGQyUtXuw2-FDpeTxQ@2x.jpeg" /></figure><blockquote>Library for efficient text classification and representation learning.</blockquote><p>Facebook AI Research 팀의 <a href="https://fasttext.cc/">FastText</a>는 macOS와 Linux 환경에서의 설치를 전제합니다. 물론 Windows에서도 <a href="https://github.com/facebookresearch/fastText/issues/548">여러 과정을 거쳐 직접 빌드</a>가 가능하나, 바쁘고 각박한 현대 사회에서 이렇게 직접 Visual Studio를설치하고 빌드 환경을 꾸리다가는 암에 걸려 병원 신세를 지기 쉽상입니다.</p><p>만성적으로 수면부족에 시달리는 우리를 위해, 살신성인의 정신으로 한 몸 바쳐주신 고마운 분들의 노고를 짧게나마 소개드립니다. 다만 64bit의 Windows에서만 작동이 확인되었습니다.</p><h4>1. CMD에서 바로 쓸 수 있는 EXE 바이너리</h4><p><a href="https://github.com/xiamx/fastText">xiamx/fastText</a></p><p><a href="https://github.com/xiamx/fastText/releases">Releases 페이지</a>에 가서 최신 빌드의 ZIP 파일(fasttext-win64-latest-Release.zip)을 받고 압축을 풀기만 하면 끝입니다. 커맨드 창을 열어서 해당 폴더로 이동하면, 다음과 같이 사용할 수 있습니다.</p><blockquote>fasttext.exe skipgram -input data.txt -output model</blockquote><p>위 예제 명령어는 macOS/Linux 환경의 다음 명령어에 해당합니다.</p><blockquote>./fasttext skipgram -input data.txt -output model</blockquote><h4>2. Python에서 import 할 수 있는 패키지</h4><p><a href="https://github.com/facebookresearch/fastText/tree/master/python">FastText의 공식 Python 바인딩</a>이 <a href="https://pypi.org/project/fasttext/">PYPI에 올라가 있기는 하지만</a>, 설치 시 직접 빌드가 필요합니다. 이를 방지하고자 Cython으로 미리 빌드된 별도의 바이너리 <a href="https://pypi.org/project/fasttext-win/">fasttext-win</a>이 PYPI에 올라와 있습니다.</p><p>PIP이 준비되었다면 커맨드 창(또는 Anaconda Prompt)를 열고 다음 설치 명령어를 차례대로 실행해주시면 됩니다.</p><blockquote>pip install cython</blockquote><blockquote>pip install fasttext-win</blockquote><p>이제 Python으로 다음과 같이 사용할 수 있습니다.</p><blockquote>import fasttext</blockquote><blockquote>model = fasttext.skipgram(‘data.txt’, ‘model’)</blockquote><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=727829b010a" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[AWS에 PyTorch 작업환경 꾸리기]]></title>
            <link>https://medium.com/@juneoh/aws%EC%97%90-pytorch-%EC%9E%91%EC%97%85%ED%99%98%EA%B2%BD-%EA%BE%B8%EB%A6%AC%EA%B8%B0-e77e77d5dd44?source=rss-d0ad987a7bcf------2</link>
            <guid isPermaLink="false">https://medium.com/p/e77e77d5dd44</guid>
            <category><![CDATA[deep-learning]]></category>
            <category><![CDATA[visual-studio-code]]></category>
            <category><![CDATA[aws]]></category>
            <category><![CDATA[pytorch]]></category>
            <category><![CDATA[nlp]]></category>
            <dc:creator><![CDATA[June Oh]]></dc:creator>
            <pubDate>Thu, 12 Jul 2018 19:02:00 GMT</pubDate>
            <atom:updated>2018-07-13T13:40:14.358Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/383/1*uoRHlU1JoWH4mfmAyavSWw@2x.jpeg" /></figure><p>구글의 AutoML 연구를 보면 막대한 컴퓨팅 파워로 연구개발 인력을 일부 대체할 수 있다는 생각인 것 같지만, 불행히도 우리는 연산력도 자본도 그렇게 많이 가지고 있지 않습니다. 그래픽카드를 사기 위해 은행 대출 심사를 기다리는 동안 잠시 사글세를 살 곳이 필요할 것 같습니다. 다행히도 자애로운 제프 베조스 아저씨가 무료 또는 저렴한 가격으로 가상 서버를 빌려주고 있다고 합니다.</p><h3>인스턴스 생성하기</h3><p>아마존 웹 서비스(<a href="https://aws.amazon.com/">https://aws.amazon.com</a>)에 계정을 만들고 접속하면, 예전보다 많이 깔끔해진 화면을 감상할 수 있습니다. 여기서 더 나아가기 전에, 지역이 서울로 되어있도록 미리 확인해줘야 합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*G6kOFdAMs-bpVI8KU7kXtw.png" /><figcaption>우리 인스턴스는 미국 가 있어! 곧 돌아오실 거라구!</figcaption></figure><p>같은 화면에서 솔루션 구축 &gt; 가상 머신 시작을 눌러 인스턴스 생성을 시작합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*OzppkmowyV6OtKY6_sADnA.png" /></figure><p>씨앗이 될 이미지를 선택해야 하는데, 빠른 시작 카탈로그에서 고르거나 커뮤니티 AMI 등에서 미리 준비된 이미지들을 사용할 수 있습니다. 저는 나의 AMI &gt; 나와 공유됨에서 따로 공유받은 이미지를 선택합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*x0reRCvy8l0DjkSTv4njjQ.png" /></figure><p>이제 가상 하드웨어 사양을 선택할 차례입니다. 비록 GPU는 없지만 가입 후 1년간 무료로 제공되는 t2.micro를 사용할 수도 있고, 이번 달 용돈이 조금 넉넉히 남았다면 GPU가 장착된 p2 계열을 고를 수도 있습니다. 설레는 마음으로 검토 및 시작을 누릅니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*pPgGHiJVaPTyjEOIMR7r-g.png" /></figure><p>시작하기 전에 세부 설정을 검토해야 합니다. 저장공간 용량 등을 바꿀 수 있습니다. 정말로 시작하기 위해 시작을 누릅니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*UC5mZ6RclRowhH9Lw6s8Og.png" /></figure><p>정말로 시작하기 전에 아직도 한 단계가 더 남았습니다. 전에 아마존 전자책 계정을 삭제할 때도 탈퇴를 누르면 정말 탈퇴 이전에 할인 옵션을 보여주던데, 아마존의 심리적인 전략 중 하나가 아닌지 잠깐 고민해본 뒤 새 키 페어를 생성합니다. 다운로드 받은 키 파일은 소중히 보관해두고, 인스턴스 시작을 누릅니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*OmBdfRCD2OQEIgL536pVzQ.png" /></figure><p>이제 정말 정말 인스턴스가 시작되고 있습니다! 이어지는 화면에서 인스턴스 보기를 누르고 조금 기다리면, 방금 생성한 인스턴스에 반가운 초록불이 들어옵니다. 작업 공간이 될 인스턴스의 생성이 완료되었네요. 오른쪽 아래의 퍼블릭 IP 주소를 익혀둘 필요가 있습니다.</p><p>만들었으니 한 번 들어가봐야겠습니다. 사용하시는 SSH 클라이언트로, 없을 경우에는 PuTTY 설치 후 접속해주시면 됩니다. 주소는 위의 퍼블릭 IP로, 사용자명은 ubuntu로, 인증은 아까 받은 키 파일을 사용하면 됩니다.</p><ul><li><a href="https://docs.aws.amazon.com/ko_kr/AWSEC2/latest/UserGuide/AccessingInstancesLinux.html">SSH를 사용하여 Linux 인스턴스에 연결</a></li><li><a href="https://docs.aws.amazon.com/ko_kr/AWSEC2/latest/UserGuide/putty.html">PuTTY를 사용하여 Linux 인스턴스에 연결</a></li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*5OdvYCQs1zqnqnzX4n8Qxg.png" /><figcaption>접속 성공!</figcaption></figure><h3>VSCode로 원격 코딩하기</h3><p>VIM을 잘 꾸며놓으면 웬만한 IDE 부럽지 않게 사용할 수 있습니다. 조금 늦기는 했지만, 작년 배포된 v8부터는 비동기 문법 검사도 지원합니다. 물론 Emacs도 존중합니다. 이제 적당한 텍스트 에디터만 갖춰진다면 Emacs는 훌륭한 운영체제로서 거듭날 것이라 믿습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*DeABGSvbzlCbQfuzHq-puQ.png" /><figcaption>https://code.visualstudio.com</figcaption></figure><p>하지만 요새는 Atom, SublimeText, VSCode 등 예쁘장하게 생긴 편집기들이 주가를 올리는 것 같아 한번쯤은 대세에 편승해보기로 합니다. PyCharm은 원격 기능을 사용하려면 돈을 내라고 하니 그래픽카드용 대출 심사가 끝날 때까지는 기다려야 할 것 같고, 하드웨어의 명가인 마이크로소프트에서 만든 VSCode를 한 번 사용해보겠습니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*3AmSglLlOmLJEi9xM3MpWA.png" /></figure><p>마이크로소프트가 리눅스에서도 돌아가는 프로그램을 만들었다는 사실에 격세지감을 느끼며 설치를 마치고, 좌측 위에서 다섯번째인 네모난 아이콘을 눌러 Extensions 화면으로 들어갑니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*SqCXmRAW_81gYeYjt05VTQ.png" /></figure><p>추천 패키지로 Python이 바로 나옵니다. 코드 자동 완성, 하이라이팅 등 편리한 기능들을 제공해준다고 합니다. 끌린다면 초록색 Install 단추를 눌러 설치해줍니다. 단추가 참 작네요.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*5dPabMg8lKaqjYSqziczmg.png" /></figure><p>추가로 목록에서 SSH FS를 검색해서 설치한 뒤, Reload를 눌러 VSCode를 다시 시작합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*dxejFb8lGXjzVNK5dfnH8g.png" /></figure><p>이제 연결 정보를 설정합니다. File &gt; Preferences &gt; Settings를 열고 오른쪽 User Settings를 다음과 같이 바꿔줍니다. 단 host의 값은 인스턴스의 퍼블릭 IP 주소를, privateKeyPath의 값으로는 아까 고이 모셔둔 키의 경로를 적어주면 됩니다.</p><pre>{<br>    &quot;sshfs.configs&quot;: [<br>        {<br>            &quot;name&quot;: &quot;PyTorchNLP&quot;,<br>            &quot;root&quot;: &quot;/home/ubuntu&quot;,<br>            &quot;host&quot;: &quot;13.125.205.139&quot;,<br>            &quot;username&quot;: &quot;ubuntu&quot;,<br>            &quot;privateKeyPath&quot;: &quot;/home/june/downloads/PyTorchNLP.pem&quot;<br>        },<br>    ],<br>}</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ndwWNA0Rv3t4Ne9O2pxo7g.png" /></figure><p>왼쪽 맨 위의 문서 아이콘을 눌러 탐색기로 빠져나오면, 사이드바에 SSH FILE SYSTEMS라는 섹션이 생긴 것을 보실 수 있습니다. pytorchnlp 항목을 오른쪽 클릭해서, Connect as Workspace folder를 실행합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ZTZuJbwIZ-k8SXosi7MrTQ.png" /></figure><p>짜잔! 이제 신나게 작업할 준비가 되었습니다!</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=e77e77d5dd44" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[PyTorch, PyCharm, Windows 10]]></title>
            <link>https://medium.com/@juneoh/pytorch-pycharm-windows-10-4598c25afe37?source=rss-d0ad987a7bcf------2</link>
            <guid isPermaLink="false">https://medium.com/p/4598c25afe37</guid>
            <category><![CDATA[pytorch]]></category>
            <dc:creator><![CDATA[June Oh]]></dc:creator>
            <pubDate>Thu, 10 May 2018 12:20:44 GMT</pubDate>
            <atom:updated>2018-05-14T11:42:19.024Z</atom:updated>
            <content:encoded><![CDATA[<p>PyTorch도 이제 0.4 버전부터 Windows 환경을 공식 지원하게 되었습니다. 이 글에서는 Anaconda를 사용하여 PyTorch 0.4(CPU) 공식 버전을 Windows에 설치하고, 이를 인기있는 통합개발환경(IDE)인 PyCharm와 연동하는 방법을 설명합니다.</p><h4>1. Anaconda 설치</h4><figure><img alt="" src="https://cdn-images-1.medium.com/proxy/1*vNEonM8DxFgeCvFFMcQSyw.png" /></figure><p><a href="https://www.anaconda.com/download/">Anaconda 웹사이트</a>에서 설치 파일을 다운로드 받아 설치를 진행합니다. 3.6 버전을 권장합니다.</p><h4>2. PyTorch 설치</h4><figure><img alt="" src="https://cdn-images-1.medium.com/proxy/1*HMlLULteLb71Mtp4etH0Uw.png" /></figure><p>설치된 Anaconda Prompt를 열어 다음 명령어를 입력합니다. 자동(-y)으로 pytorch라는 이름(-n)의 가상환경을 만들고, pytorch라는 채널(-c)에서 pytorch-cpu를 받아 설치하라는 내용입니다. (수정: `create`을 빼먹었네요.) (수정2: 혹시 `mkl` 패키지 관련 의존성 오류가 난다면, `conda update conda`로 Conda를 최신화해주신 후 다시 해보시면 됩니다.)</p><pre>conda create -y -n pytorch -c pytorch pytorch-cpu</pre><h4>3. PyCharm 설치 및 설정</h4><figure><img alt="" src="https://cdn-images-1.medium.com/proxy/1*U4lRitiGwF_kmhnXtgfYdw.png" /></figure><p><a href="https://www.jetbrains.com/pycharm/download/">PyCharm 웹사이트</a>에서 PyCharm Community 버전의 설치 파일을 다운로드 받아 설치를 진행합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/proxy/1*3fPVrZjH01-IbxDppkkGwQ.png" /></figure><p>이후 설치가 완료된 PyCharm을 실행하여 새로운 프로젝트를 생성합니다. 이름은 pytorch라고 짓고, 위에서 설정해놓은 Conda 가상환경과 연동시키기 위해 Existing interpreter을 선택하고, ... 단추를 눌러 설정 창을 엽니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/proxy/1*zR57tbfU6mi1s4MISYPsBw.png" /></figure><p>좌측에서 Conda environment를 선택하고, Interpreter 경로를 수동으로 지정해줍니다. 위의 순서를 그대로 따라오셨다면, 가상환경의 Python interpreter 실행 파일은 C:\Users\{사용자명}\Anaconda3\envs\pytorch\python.exe에 위치해 있습니다.</p><p>설정을 완료하고 프로젝트를 생성하면, 곧 PyCharm의 편집기 화면이 열립니다.</p><h4>4.Test!</h4><figure><img alt="" src="https://cdn-images-1.medium.com/proxy/1*9_YtBXC4vqZI6IErO2UTng.png" /></figure><p>PyTorch가 설치된 가상환경과 잘 연결되었는지 보기 위해, 편집기 화면의 왼쪽 아래에 있는 Python Console을 클릭하여 엽니다. PyTorch가 잘 불러들여지는지 확인합니다.</p><pre>import torch</pre><p>초기에는 시간이 몇 초 걸릴 수 있지만, 별 오류가 없다면 설치 및 설정은 모두 완료되었습니다.</p><h4>Bonus</h4><p>이후에 해당 가상환경에 새로운 Python 패키지를 설치하고 싶으시다면, Anaconda Prompt를 열고 다음 명령을 실행하면 됩니다.</p><pre>conda install -n pytorch 패키지명</pre><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=4598c25afe37" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[물리주의에 대한 비판 논증]]></title>
            <link>https://medium.com/@juneoh/%E1%84%86%E1%85%AE%E1%86%AF%E1%84%85%E1%85%B5%E1%84%8C%E1%85%AE%E1%84%8B%E1%85%B4%E1%84%8B%E1%85%A6-%E1%84%83%E1%85%A2%E1%84%92%E1%85%A1%E1%86%AB-%E1%84%8C%E1%85%AE%E1%84%8B%E1%85%AD-%E1%84%87%E1%85%B5%E1%84%91%E1%85%A1%E1%86%AB-%E1%84%82%E1%85%A9%E1%86%AB%E1%84%8C%E1%85%B3%E1%86%BC-4f16debfa9db?source=rss-d0ad987a7bcf------2</link>
            <guid isPermaLink="false">https://medium.com/p/4f16debfa9db</guid>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[철학]]></category>
            <category><![CDATA[인공지능]]></category>
            <dc:creator><![CDATA[June Oh]]></dc:creator>
            <pubDate>Wed, 25 Apr 2018 14:22:46 GMT</pubDate>
            <atom:updated>2018-04-25T14:46:25.953Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/proxy/1*uApomU6vcPpIQ6OqjqSB3g.jpeg" /></figure><p>(이 글은 강의에 제출하기 위해 작성되었습니다. 저의 시각을 온전히 반영하지 않으며, 소개된 두 논증에 대한 반론들은 쉽게 검색이 가능하기에 지면 상 언급하지 않습니다.)</p><p>물리주의에서는 모든 과학의 명제를 물리학의 명제로 환원할 수 있다고 본다. 심리철학의 심신문제에서 이는 결국 정신이 물리적인 작용들로 설명될 수 있음으로 확장되며, 스스로 사유하는 인공지능 프로그램의 구현 가능성을 의미하게 된다. 그러나 이는 인간의 자유의지를 부정하고 개인의 윤리적 책임을 말소시킨다는 점에서 심신이원론과 괴리되어 비판의 대상이 되는데, 이 글에서는 그러한 물리주의에 대한 비판 논증 중 두 가지를 소개한다.</p><h4>존 썰(John Searle), 중국어 방</h4><p>강 인공지능(strong AI)과 약 인공지능(weak AI)이라는 개념을 제시한 존 썰은, 다음과 같은 사고실험을 통해 스스로 생각하는 디지털 컴퓨터가 불가능함을 주장한다. 중국어로 된 질문을 넣으면 중국어로 된 답변을 되돌려주는 방이 있다. 밖에서 언뜻 보기에는 이 방 안에는 중국어를 이해하는 사람이 있다고 생각할 수 있지만, 사실 방 안에는 중국어를 하나도 모르는 미국인과 영어로 된 입출력 설명서만이 존재한다. 중국어 문자의 의미는 하나도 모르는 그는 그저 설명서의 지시대로, 주어진 모양의 질문 문자열에 해당하는 답변 문자열을 되돌려주고 있을 뿐이다. 어떤 이야기가 오가는지 전혀 알 수 없는 이 미국인은, 중국어의 구문론을 갖고 있을지언정 그 의미론을 이해한다고는 전혀 볼 수 없는 것이다.</p><p>존 썰은 동일한 논리로 튜링 실험을 공격한다. 어떠한 프로그램이 사람의 입력에 적절한 답변을 출력한다고 해서, 그 프로그램이 해당 질문에 대한 이해를 하고 있다고 볼 수 없다는 것이다. 프로그램 역시 단순한 물리적인 명령어들의 집합에 불과하기에, 그 명령어들이 아무리 상세하고 방대하더라도 결국 진정한 의미의 이해와는 다르며,이해 없이는 결국 생각도, 정신도 성립할 수 없다. 중국어 방 논증을 통해 존 썰은 스스로 생각하는 강 인공지능의 허구성을 주장한다.</p><h4>토마스 네이글(Thomas Nagel), 박쥐가 된다는 것</h4><p>존 썰이 지식에 대한 이해의 불가능성을 논지로 삼았다면, 토마스 네이글은 의식에 대한 이해, 즉 역지사지(易地思之)의 불가능성을 통해 물리주의를 반박한다. 그는 인간이 박쥐의 의식을 저울대에 두고, 이 둘의 서로를 이해할 수 있는지 묻는다. 지능의 차이를 받아들여 박쥐는 인간을 이해할 수 없다고 할지라도, 인간은 과연 박쥐를 이해할 수 있는가? 음파로써 주위의 환경을 파악하는 박쥐의 고유한 감각기관을 인간은 갖고 있지 않다. 설령 의수의 발달로 인간에게 박쥐의 감각기관을 이식할 수 있다고 하더라도, 박쥐로서 태어나 일생을 박쥐로서 경험한 박쥐를 인간은 결코 온전히 이해할 수 없다는 것이 토마스 네이글의 주장이다.</p><p>비록 토마스 네이글 본인이 감각질(qualia)이라는 개념을 직접 언급하지는 않지만, 이를 통해 그의 논증을 더 상세하게 이해될 수 있다. 감각질이란 각 존재의 의식 중 그 존재에 고유한 주관적인 경험을 가리킨다. 이러한 고유하고 주관적인 경험을 물리적인 사실들로 환원하고, 이를 다시 다른 주관적인 의식으로 하여금 이해케 하는 것이 불가능하다는 것이 물리주의에 대한 토마스 네이글의 반론인 것이다.</p><h4>결론</h4><p>비록 물리주의를 비판하지만, 존 썰과 토마스 네이글의 논증이 인간처럼 행동하는 인공지능의 구현 가능성 자체를 부정하지는 않는다. 그러나 이들은 그러한 인간적인 행동들이 인간의 정신과 이어지는 부분에서 물리주의가 가진 한계를 지적한다. 결국 튜링 실험 역시 특수한 환경에서의 제한된 검증일 뿐이며, 인간처럼 행동한다는 명제와 인간의 정신을 가진다는 명제는 동치가 아니라는 것이다. 정신을 물리적인 구성으로 낱낱이 환원시키지 못하는 현재의 물리주의는 심신이원론에 대해 어떠한 논리적 우위도 가지지 못한다는 것이 이 두 논증이 갖는 의의이다.</p><h4>참고 문헌</h4><ul><li>“물리주의”. 한국 브리태니커 온라인. 2018. Web. <a href="http://premium.britannica.co.kr/bol/topic.asp?article_id=b08m1023a">http://premium.britannica.co.kr/bol/topic.asp?article_id=b08m1023a</a>.</li><li>Nagel, Thomas. “What Is It Like to Be a Bat?”. The Philosophical Review. 83 (4): 435–450. 1974. Print.</li><li>Searle, John. “Minds, Brains and Programs”. Behavioral and Brain Sciences. 3 (3): 417–457. 1980. Print.</li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=4f16debfa9db" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Windows 10에서 PyTorch, KoNLPy, Mecab 설치하기]]></title>
            <link>https://medium.com/@juneoh/windows-10-64bit-%E1%84%8B%E1%85%A6%E1%84%89%E1%85%A5-pytorch-konlpy-mecab-%E1%84%89%E1%85%A5%E1%86%AF%E1%84%8E%E1%85%B5%E1%84%92%E1%85%A1%E1%84%80%E1%85%B5-4af8b049a178?source=rss-d0ad987a7bcf------2</link>
            <guid isPermaLink="false">https://medium.com/p/4af8b049a178</guid>
            <category><![CDATA[nlp]]></category>
            <category><![CDATA[자연어처리]]></category>
            <dc:creator><![CDATA[June Oh]]></dc:creator>
            <pubDate>Sun, 22 Apr 2018 06:45:49 GMT</pubDate>
            <atom:updated>2018-04-25T14:47:15.953Z</atom:updated>
            <content:encoded><![CDATA[<h3>Windows에서 PyTorch, KoNLPy, mecab-ko 설치하기</h3><p>(수정: 글을 올린 시점 이후인 2018–04–25에 배포된 <a href="https://github.com/pytorch/pytorch/releases/tag/v0.4.0">PyTorch v0.4.0</a>부터는 공식적인 Windows 지원이 추가되었습니다. 그러나 KoNLPy와 mecab-ko 사이의 호환에는 여전히 WSL 환경이 필요합니다.)</p><p><a href="https://pytorch.org/">PyTorch</a>는 Windows 환경을 아직 공식 지원하지 않습니다. 하지만 peterjc123이라는 개발자 한 분이 Windows용으로 컴파일해놓은 바이너리가 존재하고, 작년 여름 즈음부터는 GPU 연산도 지원하게 되었습니다.</p><p>그러나 안타깝게도 한국어 자연어 처리 패키지인 <a href="http://konlpy-ko.readthedocs.io/">KoNLPy</a>와 형태소 분석기인 <a href="https://bitbucket.org/eunjeon/mecab-ko">mecab-ko</a>가 Windows에서는 서로 호환되지 않는 문제가 있습니다. 따라서 이 글에서는 Windows 10(64bit)에 추가된 WSL(Windows Subsystem for Linux)을 통해서 Windows에 Ubuntu를 설치하고, 그 위에 PyTorch 및 KoNLPy, mecab-ko를 설치하는 법을 설명하려 합니다. 단, WSL에서는 아직 GPU 연산을 지원하지 않는 문제가 있다는 점은 양해해주시길 바랍니다.</p><h4>Ubuntu 설치</h4><p>시작 메뉴에서 <strong>Windows 기능 켜기/끄기</strong>를 검색하여 열고, Linux용 Windows 하위 시스템을 체크한 뒤 확인을 눌러 WSL 환경을 설치합니다. 재부팅이 필요합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/proxy/1*o00I3T8mrdOGZLMOEuiduA.png" /></figure><p>다시 시작 메뉴에서 이번에는 <strong>Microsoft Store</strong>를 열고, <strong>Ubuntu</strong>를 검색하여 설치합니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/proxy/1*6immUwBrdl5RH_IVtVsoWQ.png" /></figure><p>이제 시작 메뉴에 생성된 Ubuntu 아이콘을 클릭하여 Bash shell을 실행시키고, 최초의 사용자 계정을 등록하면 설치는 끝납니다.</p><figure><img alt="" src="https://cdn-images-1.medium.com/proxy/1*tkqQqd9p-O1IoqM3SD1DOQ.png" /></figure><h4>A. Conda, PyTorch, KoNLPy, mecab-ko 한방에 설치</h4><p>바쁘신 분들을 위해 <a href="https://github.com/kh-kim/nlp_preprocessing/blob/master/setup.WSL.sh">Ubuntu 설치 이후의 과정을 자동화한 스크립트</a>를 만들어 놓았습니다. 그냥 Bash shell에서 다음 명령어만 실행해주시고, 중간에 비밀번호만 한번 입력해주신 후 기다려주시면 설치가 완료됩니다.</p><pre>bash &lt;(curl -s <a href="https://raw.githubusercontent.com/kh-kim/nlp_preprocessing/master/setup.WSL.sh)">https://raw.githubusercontent.com/kh-kim/nlp_preprocessing/master/setup.WSL.sh)</a></pre><h4>B. 하나씩 설치</h4><p>아직 shell에 익숙하지 못하신 분들은, 한 단계씩 따라가며 과정을 이해해보시는 것도 좋습니다.</p><h4>Miniconda 설치</h4><p>PyTorch는 패키지 및 가상환경 관리자인 <a href="https://conda.io/">Conda</a>를 통한 설치를 권장합니다. 이를 위해 Conda의 라이트 버전이라고 볼 수 있는 Miniconda를 설치하려 합니다.</p><p>Bash shell을 열고, 재부팅하면 비워지는 리눅스의 임시 디렉토리로 이동합니다.</p><pre>cd /tmp</pre><p>Miniconda 설치 스크립트를 다운로드 받습니다.</p><pre>curl -o miniconda.sh -O  <a href="https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh">https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh</a></pre><p>다운로드된 스크립트 파일(miniconda.sh)을 실행할 수 있도록 권한을 설정합니다.</p><pre>chmod +x ./miniconda.sh</pre><p>사용권 자동 동의 옵션으로 ~/.conda/ 디렉토리에 설치합니다.</p><pre>./miniconda.sh -b -p ~/.conda</pre><p>설치한 Miniconda의 명령어들을 사용할 수 있도록, PATH 환경변수에 디렉토리를 자동으로 등록하는 코드를 ~/.bashrc 파일에 심어놓습니다. ~/.bashrc 파일은 Bash shell을 열 때마다 자동으로 불러들여집니다.</p><pre>echo &#39;export PATH=&quot;$HOME/.conda/bin:$PATH&quot;&#39; &gt;&gt; $HOME/.bashrc</pre><p>환경변수가 적용되도록 Bash shell을 껐다 키거나, 또는 다음 명령어로 수동으로 불러들입니다.</p><pre>source ~/.bashrc</pre><h4>PyTorch 설치</h4><p>Miniconda를 통해 konlpy라는 가상환경을 만들고, 그 안에 PyTorch를 설치하려 합니다.</p><p>Python 3.6 버전에 NumPy등 패키지들을 포함하는 가상환경을 생성합니다.</p><pre>conda create -y --name konlpy python=3.6 numpy pyyaml scipy ipython mkl</pre><p>생성한 가상환경에 진입합니다. 이 명령어는 이후에도 PyTorch 및 KoNLPy를 사용하기 위해 필요하니 기억해두면 좋습니다.</p><pre>source activate konlpy</pre><p>이제 Python 패키지 관리자인 PIP을 통해 PyTorch를 설치합니다.</p><pre>pip install torch</pre><h4>KoNLPy 및 mecab-ko 설치</h4><p>이제 최종 목표인 KoNLPy와 mecab-ko만 남았습니다.</p><p>우선 설치에 필요한 Ubuntu 패키지들을 설치합니다. KoNLPy 홈페이지에서는 openjdk-7-jdk를 설치하라고 안내하지만, 해당 패키지는 Ubuntu 16.04 공식 저장소에서 더 이상 제공하지 않기 때문에, 그 다음 버전인 openjdk-8-jdk를 설치합니다.</p><pre>sudo apt-get update &amp;&amp; sudo apt-get install -y openjdk-8-jdk g++ build-essential autoconf automake</pre><p>이제 KoNLPy를 설치할 준비가 되었습니다. PIP을 사용합니다.</p><pre>pip install jpype1 konlpy</pre><p>마지막으로 mecab-ko를 설치합니다.</p><pre>bash &lt;(curl -s <a href="https://raw.githubusercontent.com/konlpy/konlpy/master/scripts/mecab.sh)">https://raw.githubusercontent.com/konlpy/konlpy/master/scripts/mecab.sh)</a></pre><p>여기서 문제가 발생합니다. 설치가 잘된 것처럼 보이지만, 중간에 로그를 보면 mecab-ko-dic 컴파일 간 libmecab.so.2를 찾을 수 없다는 메세지가 있습니다. 해당 파일은 이미 설치되었지만 아직 링크가 등록되지 않아서 그러니, 수동으로 링크를 최신화하고 다시 위의 mecab-ko 설치를 진행하면 됩니다. (위의 <a href="https://github.com/kh-kim/nlp_preprocessing/blob/master/setup.WSL.sh">setup.WSL.sh</a>에서는 mecab-ko-dic 설치 전 링크를 최신화하는 코드가 포함되어있습니다.)</p><pre>sudo ldconfig</pre><h4>시험</h4><p>이제 제대로 설치가 되었는지 확인해봅시다.</p><p>Python console을 실행합니다.</p><pre>python</pre><p>KoNLPy의 Mecab 클래스를 불러옵니다.</p><pre>from konlpy.tag import Mecab</pre><p>Mecab 클래스 객체를 생성합니다.</p><pre>mecab = Mecab()</pre><p>시험 문장을 돌려봅니다.</p><pre>print(mecab.morphs(&#39;영등포구청역에 있는 맛집 좀 알려주세요.&#39;))</pre><p>제대로 되었다면, 아마 다음과 비슷하게 형태소가 구분된 문장이 출력될 겁니다.</p><pre>[&#39;영등포구&#39;, &#39;청역&#39;, &#39;에&#39;, &#39;있&#39;, &#39;는&#39;, &#39;맛집&#39;, &#39;좀&#39;, &#39;알려&#39;, &#39;주&#39;, &#39;세요&#39;, &#39;.&#39;]</pre><p>이제 한국어 분석을 위한 환경은 모두 준비되었습니다!</p><p>매번 Bash shell을 사용하시기 불편한 분들은 PyCharm등의 IDE를 WSL의 Python 환경과 연결시킬 수도 있는데, 자세한 방법은 다음 글에서 설명해드리겠습니다.</p><p>아울러 WSL의 Python은 Windows 환경( cmd.exe에 peterjc123님의 PyTorch를 설치한 경우)과 분리되어 있기에, 서로 충돌의 걱정 없이 사용하실 수 있습니다.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=4af8b049a178" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>