PPO 다음은 DQN! AI 강화학습, 이번엔 더 나은 결과일까?

지난 실험에서는 PPO(Proximal Policy Optimization) 에이전트를 활용해 AI 강화학습 기반 로또 번호 예측을 시도했습니다. 수십만 번의 학습을 반복하며 AI가 조금씩 당첨에 가까운 번호를 고르도록 유도했죠.이번에는 또 다른 방식의 강화학습 알고리즘, DQN(Deep Q-Network) 을 도입해 같은 문제에 도전해보았습니다. 과연 어떤 결과가 나왔을까요? 🧠 DQN은 어떤 방식인가요?강화학습 알고리즘은 크게 두 가지로 나뉩니다.PPO: 정책 기반(policy-based) 방식으로, 확률을 바탕으로 행동을 선택합니다.DQN: 가치 기반(value-based) 방식으로, 각 행동의 예상 보상(Q-value)을 계산해 가장 좋은 선택을 합니다.즉, DQN은 "가능한 행동 중 보상이 가..

• format_list_bulleted Data Reverse Engineering
• · 2025. 5. 8.
• textsms

AI에게 로또를 학습시켜봤습니다: 예측 가능한가요?

🎲 "AI, 로또 예측에 도전하다"이전 시간에는 로또 당첨 데이터를 수집하고,AI가 이해할 수 있도록 데이터를 정제하는 과정을 마쳤습니다.이번에는 본격적으로 AI 모델을 설계하고 학습시키는 과정에 들어갑니다.과연 AI는 숫자 속에서 패턴을 찾아낼 수 있을까요? 🧠 "AI 모델을 만든다는 건 무슨 뜻일까?"AI에게 무언가를 가르치려면,먼저 어떤 뇌를 사용할지 정해야 합니다.이 뇌를 우리는 "모델(Model)"이라고 부릅니다.쉽게 말하면,어떤 입력(Input)을 받으면어떤 출력(Output)을 뱉어낼지규칙을 스스로 배우는 프로그램이라고 할 수 있어요.우리는 "과거 로또 번호"를 입력으로 주고,"다음 회차 번호"를 예측하는 뇌를 만들어야 합니다. 💻 "로또 예측을 위한 기본 모델 설계" 복잡하게 생각할..

• format_list_bulleted Data Reverse Engineering
• · 2025. 4. 29.
• textsms

로또 당첨 비밀은 데이터 속에 있다

🎲 "운이 전부라고? 정말 그럴까?"매주 토요일, 누군가는 인생이 바뀝니다.TV 앞에서 로또 추첨을 보며 이런 생각 해보신 적 있나요?"어떻게 저 번호를 맞췄지? 그냥 운일까?" 물론 운이 큰 역할을 하긴 합니다.하지만 1,000회를 훌쩍 넘긴 로또 추첨 데이터를 떠올려보면, 이야기가 조금 달라집니다.이 많은 데이터 속에,우리가 놓친 작은 패턴이 숨어있을 수도 있지 않을까요? 🧠 "AI는 왜 데이터를 필요로 할까?"AI가 똑똑해지는 데 가장 중요한 건 뭘까요?천재적인 알고리즘? 슈퍼컴퓨터?정답은 바로 데이터입니다.AI는 인간처럼 직감이나 육감을 갖고 있지 않아요.대신 수많은 데이터를 분석해서 그 안에서 규칙을 찾아내고, 학습합니다.이걸 우리는 흔히 빅데이터(Big Data) 라고 부르죠.하지만, 데이..

• format_list_bulleted Data Reverse Engineering
• · 2025. 4. 27.
• textsms