이제는 캐치마인드도 풀어내는 구글 머신러닝

아키네이터처럼 DB 서치해서 하는건 아닌거 같던데요?
뉴럴 네트워크 쓴다고 한걸 보면

써봤는데 대충 그려놓고 이거 뭐~게?하면 뿅 하고 튀어나오는게 아니라 결국에 리스트 중에서 사람이 제일 적당한걸 고릅니다.
결국엔 데이터 베이스가 쌓여서 학습하는거구요
아키네이터도 마지막에 맞습니까? 틀립니끼?로 질문하는데 결국 데이터베이스가 뉴럴 네트워크로 고차원적인 구성이 가능한지의 차이뿐이라고 생각합니다

아뇨 아키네이터 방식은 캐릭터에대한 데이터 베이스가 서버에 저장되어 있고, 캐릭터 하나마다 태그가 하나씩 달려있고 그걸 질문을 하면서 검색 범위를 좁히는 방식으로 알고 있는데요.
반면 뉴럴 네트워크 방식은 이게 일반적인 cnn과 같은 구조라고 한다면 데이터를 가지고 weight들을 학습시키는 것이라서 결과적으로 사용자 입장에서는 학습된 weight를 가지고 단순히 필터링을 한 결과를 보는것이기 때문에 차이가 있다고 생각됩니다. DB검색을 뉴럴넷으로 하는 방식도 고려해봤으나 사이트에서 구분 가능한 물체들의 종류도 그리 많아보이지 않으니 효율성
측면에서 일반적인 CNN구조를 쓴게 맞지 않을까요
결론적으로 데이터베이스 검색 방식 vs 뉴럴넷 필터를 학습시키고 필터 기반으로 물체를 구분하는 방식
의 차이점이 있다고 생각합니다