[태그:] 인공지능

1. 딥러닝 망각 문제 극복, 중첩 학습의 개요 중첩 학습 (NL, Nested Learning) (1) 기존 딥러닝 모델의 문제점과 중첩 학습의 필요성 (2) 중첩 학습의 개념 및 특징 개념 특징 기존 딥러닝 모델의 망각 문제 극복 위해 계층적/연관 기억, CMS, HOPE 아키텍처 기반 지속 학습을 제공하는 인공지능 학습 패러다임 – 기존 학습 모델의 망각 문제 극복

1. 멀티모달 인공지능 (Multimodal AI)의 개념 개념도 개념 텍스트, 이미지, 오디오 등 서로 다른 유형의 데이터를 동시에 처리하고 분석하는 인공지능 기술 예를 들어, 사용자가 텍스트로 상황을 기술하면, 이를 기반으로 이미지나 동영상을 생성할 수 있으며, 최근 입력과 출력 양식이 다른 크로스 모달 형태가 주목 받고 있음   2. 멀티모달 인공지능의 주요 유형 및 구성요소 (1) 멀티모달

1. AI 거버넌스 플랫폼의 개념/필요성 AI 거버넌스 플랫폼 (AI Governance Platforms) 개념 AI 시스템의 법적, 윤리적, 운영적 성과 관리를 위해 AI TRiSM 기반 AI 사용 정책 및 투명성을 제공하는 플랫폼 필요성 투명한 의사 결정과 설명 가능성 AI 시스템의 의사 결정 방식 이해하여 결정에 책임을 지고 윤리적 의사 결정을 내릴 수 있도록 해야 함 장기간 윤리적

1. 앰비언트 인비저블 인텔리전스의 개념 앰비언트 인비저블 인텔리전스 (Ambient Invisible Intelligence) 개념도 개념 소형 스마트 태그와 센서를 통해 대상의 상태를 추적 및 감지하여 명시적이지 않은 사용자의 요구를 예측하고 지원하는 지능형 기술 사용자에게 거의 인식되지 않지만 환경의 모든 변화를 실시간으로 감지할 수 있어, 저전력 및 메시지 전송 기술과 지능형 의사결정 기술을 통해 비즈니스와 일상생활에 사용자의 요구

1. 온디바이스 AI (On-Device AI)의 개요 (1) 온디바이스 AI 부각 배경 항공기, 오지 등 인터넷 서비스 이용이 어려운 환경에서 AI 서비스 요구 증가 디바이스 센서, 배터리, 연산장치 등 관련 기술 발달에 따른 온디바이스 AI 실현 가속화 지능형 반도체, AI 기술 발전으로 저전력화, 고효율화, 소형화 기반 자체 고수준 AI 분석 수행 (2) 온디바이스 AI의 개념 및

1. VAE (Variational Auto-Encoder)의 개념 및 특징 개념 특징 원본 특징을 보존하며 새로운 데이터 생성 위해 Encoder, Decoder, Sample Latent Vector 기반 새로운 데이터를 생성하는 인공지능 모델 – 원본 데이터 분포 기반 원본 특징을 보존 – 랜덤 노이즈 기반 새로운 데이터 생성 – 확률 모델 기반 잠재 코드 유연한 계산 – 명확한 모델 평가 기준을

1. 기계 고객 (Machine Customer)의 개념 및 특징 개념 특징 인간이나 다른 기계 대신 거래에 참여하여 자율적으로 협상하고 결제하여 상품과 서비스를 구매하는 지능형 시스템 – 알고리즘 기반 최적 의사결정 – 데이터 분석 기반 행동 패턴 결정 – 신규 데이터 기반 지속 학습 – 감정 및 충동 없는 논리적 구매 최근 센서 등 사물인터넷과 인공지능의 발전으로,

1. 연합학습 (Federated Learning)의 개념 및 필요성 (1) 연합학습의 개념 개념도 개념 분산 저장된 데이터 이동 없이 각 장치의 학습 결과를 수집/종합하여 모델을 생성하는 분산형 머신러닝 기술 (2) 연합학습의 필요성 대규모 데이터 관리 대용량 데이터 저장 및 전송이 불필요하므로 대규모 데이터 관리 용이 분산 시스템 활용 분산된 장치의 학습 결과만 종합하므로 중앙 서버는 고성능 컴퓨팅

1. 생성형 AI (Generative AI)의 개요 (1) 생성형 AI의 개념 및 특징 개념 특징 대규모 데이터에서 패턴과 규칙을 학습하여 사용자 요구에 따라 언어, 이미지, 영상 등의 결과물을 능동적으로 생성하는 AI 기술 – 대규모 데이터 학습 및 자율 판단 수행 – 사용자 요구에 따라 새로운 콘텐츠 생성 – 언어 대화 등 사람과 자연스러운 상호작용 (2) 인공지능과

1. 파인튜닝 (Fine-Tuning)의 개념 및 필요성 개념 필요성 인공지능 모델이 특정 작업이나 도메인에 적합하도록 이미 훈련된 인공지능 모델에 특정 데이터셋을 적용하는 미세 조정 기법 – 특정 작업/도메인에 적합한 모델 생성 – 적은 데이터셋으로 높은 학습 효과 – 신규 데이터에 대한 추론 성능 향상 파인 튜닝을 통해 학습 데이터가 적은 상황에서 특정 분야 인공지능 모델의 일반화