하루를 허비한 후, 곰을 식별하는 AI를 만들었습니다 — 4일간의 진정한 배움

5월 17일은 완전히 날린 날이었습니다. 배움도 없었고, 만드는 것도 없었습니다. 그저 YouTube를 보고, 의미 없이 스크롤(doom scrolling)을 하며, 제가 해야 할 모든 일을 피하고 있다는 사실을 서서히 깨달아갈 뿐이었습니다. 그 일로 인해 정신적으로 무너지지는 않았습니다. 그저 그 상황이 일어나는 것을 지켜보며 하루가 끝나도록 내버려 두었습니다. 솔직한 시작점입니다.

의욕이 없을 때 조금씩 해나가기
회복(Recovery)은 극적으로 보이지 않습니다. 아무것도 중요하게 느껴지지 않을 때조차 그냥 앉아서 작은 무언가를 하는 것처럼 보입니다. 저는 이전에 멈췄던 곳부터 FastAI를 다시 시작했고, 강의에 복귀했으며, 다른 일들도 처리했습니다. 어떤 기준으로 봐도 생산적인 날은 아니었지만 — 움직임은 움직임입니다. 중요한 것은 결과물(output)이 아니라 방향(direction)이었습니다.

워크플로우(Workflow)가 이해되기 시작함
책의 챕터와 함께 FastAI 모듈 1과 2를 완료했고, 그 후 전형적인 개 vs 고양이 이미지 분류기(image classifier)를 만들었습니다. 대부분의 코드는 강의의 안내를 따랐지만, 핵심 루프(core loop)에 대해 무언가 깨달음이 있었습니다: 레이블이 지정된 이미지 입력(feed labeled images in) → 모델 학습(model trains) → 새로운 이미지 통과(pass a new image through) → 레이블 및 신뢰도 점수(confidence score) 획득. 학습(Train), 예측(predict), 평가(evaluate). 이것이 이 강의의 다른 모든 것을 위한 기초입니다. 고양이와 개를 대상으로 실행되는 것을 보는 것은, 글로 읽었을 때와는 달리 그것을 구체화해주었습니다.

곰 분류기(The Bear Classifier)
모듈 3 완료. 곰 분류기 구축 — 이미지를 흑곰(black bear), 그리즐리(grizzly), 또는 테디 베어(teddy bear)로 분류합니다. 작동합니다. 제가 입력한 그리즐리를 정확하게 레이블링하는 것을 보는 것은, 그 만족감이 비정상적으로 크게 느껴지는 순간 중 하나였습니다. 이것이 초보자용 프로젝트라는 것을 알고 있습니다. 여전히 당신의 초보자용 프로젝트이고, 그것이 실행되었습니다.

만약 같은 강의를 따라가고 있다면 한 가지 실질적인 주의 사항이 있습니다: FastAI 콘텐츠는 몇 년 전의 것이며, 이미지 수집 섹션에서 사용하는 Bing Search API 무료 티어는 이제 카드 정보를 입력하지 않고는 더 이상 존재하지 않습니다. 초기에 이 벽에 부딪힐 수 있습니다. 해결책: Python을 통해 DuckDuckGo 이미지 검색으로 전환하세요 — 완전히 무료이며, 학습 이미지를 가져오는 방식은 동일하게 작동합니다. 문제에 직면하기 전에 알아둘 가치가 있습니다.

4일 동안 실제로 배운 것
5월 17일이 5월 19일과 5월 20일을 지워버리지는 않았습니다.

이론적으로는 명백합니다. 하지만 막상 그 상황에 처하면, 하루를 망친 것이 마치 연속 기록을 0으로 리셋하는 것처럼 느껴져 잊기 쉽습니다. 더 유용한 교훈은 다음과 같습니다. 이론을 서둘러 훑는 것보다 작은 실무 프로젝트(practical projects)를 진행하는 것이 이해도를 더 빠르게 진전시킨다는 점입니다. 개와 고양이 분류기(classifiers), 그리고 곰 분류기는 단순합니다. 둘 다 깊은 지식을 필요로 하지 않았습니다. 하지만 그것들을 직접 만들어 봄으로써, 단순히 읽기만 해서는 달성할 수 없었던 방식으로 개념들이 머릿속에 각인되었습니다. 꾸준함(Consistency)이란 완벽한 생산성을 의미하는 것이 아닙니다. 그것은 허비한 하루 이후에 당신이 무엇을 하느냐에 관한 것입니다. 5월 18일은 인상적이지 않았습니다. 그저 필요했을 뿐입니다. 추진력을 잃었을 때 당신의 회복일(recovery day)은 어떤 모습인가요? 억지로 밀어붙이나요, 아니면 먼저 재정비(reset)할 시간을 갖나요? 👇