고정관념
Definition
AI에서 고정관념은 모델이 학습 데이터에 존재하는 사회적 편향을 학습하고 증폭시킬 때 발생합니다. …
Multilingual AI Terms Dictionary
포괄적인 다국어 AI 용어 사전
AI에서 고정관념은 모델이 학습 데이터에 존재하는 사회적 편향을 학습하고 증폭시킬 때 발생합니다. …
모델 추출은 대상 머신러닝 모델의 API를 쿼리하여 내부 구조, 가중치 또는 의사결정 경로를 추론하는 과정을 포함합니다. 공격자는 이러한 쿼리를 사용하여 원본 …
잊힐 권리는 사용자가 자신의 개인정보가 포함된 데이터베이스 및 AI 학습 세트에서의 삭제를 요구할 수 있도록 합니다. 머신러닝에서 이를 구현하는 것은 모델이 학 …
데이터 최소화는 조직이 적절하고 관련성이 있으며 필수적인 범위 내에서만 데이터 수집을 제한해야 한다는 핵심 프라이버시 원칙입니다. AI …
백도어 공격은 머신러닝 모델의 학습 데이터에 ‘트리거’라고 불리는 특정 패턴을 포함시켜 데이터를 오염시키는 기법입니다. 정상적인 입력 데이 …
제로샷 프롬프팅은 사전 훈련된 언어 모델에게 소수 예시(few-shot examples)를 제공하거나 추가적인 파인튜닝을 수행하지 않고도, 텍스트 기반 프롬프트 …
제우텐 전략은 다중 에이전트 협상에서 교섭을 위한 규칙 기반 접근법입니다. 이 전략은 에이전트가 선호하는 결과를 얻기 위해 감수할 수 있는 최대 위험도를 계산하 …
커리큘럼 학습은 인간의 교육 방식을 모방하여, 학습 데이터를 단순한 샘플부터 시작해 점진적으로 복잡성을 증가시키는 구조화된 순서로 제시합니다. 이 접근법은 신경 …
WordPiece는 BERT와 ALBERT와 같은 자연어 처리 모델에서 널리 사용되는 토큰화 방법입니다. 이는 단어의 형태론적 풍부함을 관리하고 어휘 범위를 확 …
Wumpus World는 러셀과 노비그의 AI 교재에서 소개된 그리드 기반 환경입니다. 에이전트는 함정과 Wumpus …
AI에서 고정관념은 모델이 학습 데이터에 존재하는 사회적 편향을 학습하고 증폭시킬 때 발생합니다. …
모델 추출은 대상 머신러닝 모델의 API를 쿼리하여 내부 구조, 가중치 또는 의사결정 경로를 추론하는 과정을 포함합니다. 공격자는 이러한 쿼리를 사용하여 원본 …
잊힐 권리는 사용자가 자신의 개인정보가 포함된 데이터베이스 및 AI 학습 세트에서의 삭제를 요구할 수 있도록 합니다. 머신러닝에서 이를 구현하는 것은 모델이 학 …
데이터 최소화는 조직이 적절하고 관련성이 있으며 필수적인 범위 내에서만 데이터 수집을 제한해야 한다는 핵심 프라이버시 원칙입니다. AI …
백도어 공격은 머신러닝 모델의 학습 데이터에 ‘트리거’라고 불리는 특정 패턴을 포함시켜 데이터를 오염시키는 기법입니다. 정상적인 입력 데이 …
제로샷 프롬프팅은 사전 훈련된 언어 모델에게 소수 예시(few-shot examples)를 제공하거나 추가적인 파인튜닝을 수행하지 않고도, 텍스트 기반 프롬프트 …
제우텐 전략은 다중 에이전트 협상에서 교섭을 위한 규칙 기반 접근법입니다. 이 전략은 에이전트가 선호하는 결과를 얻기 위해 감수할 수 있는 최대 위험도를 계산하 …
커리큘럼 학습은 인간의 교육 방식을 모방하여, 학습 데이터를 단순한 샘플부터 시작해 점진적으로 복잡성을 증가시키는 구조화된 순서로 제시합니다. 이 접근법은 신경 …
WordPiece는 BERT와 ALBERT와 같은 자연어 처리 모델에서 널리 사용되는 토큰화 방법입니다. 이는 단어의 형태론적 풍부함을 관리하고 어휘 범위를 확 …
Wumpus World는 러셀과 노비그의 AI 교재에서 소개된 그리드 기반 환경입니다. 에이전트는 함정과 Wumpus …
XLM-RoBERTa(Cross-lingual Language Model RoBERTa)는 Meta AI에서 개발한 대규모 다국어 모델입니다. 100개 이상의 …
이 개념은 노동 시장에서의 AI의 변혁적 영향을 포괄하며, 여기에는 일상적인 작업의 자동화, 새로운 직군 창출, 필요한 기술 세트의 변화 등이 포함됩니다. AI …
승자 독식(WTA)은 신경망과 강화 학습에서 여러 경쟁하는 행동이나 가설 간의 갈등을 해결하기 위해 사용되는 경쟁 프로세스입니다. 이 방식에서는 가장 높은 활성 …
웨어웨어는 원래 생물학적 뇌 조직을 지칭했으나, 사이버네틱스와 트랜스휴머니즘 분야에서 인간의 마음이나 뇌를 하나의 계산 시스템으로 묘사하는 데 진화했습니다. 이 …
웨어웨어 컴퓨팅은 전통적인 실리콘 기반 하드웨어 대신 생물학적 뉴런(주로 체외 배양된)이 주요 처리 장치로 사용되는 시스템을 의미합니다. 이러한 시스템은 기존 …
웹소켓은 클라이언트와 서버 간에 지속적이고 양방향의 통신을 가능하게 하는 컴퓨터 통신 프로토콜입니다. 각 요청-응답 주기에 대해 새로운 연결이 필요한 HTTP …
웹훅은 특정 이벤트가 발생했을 때 한 서비스가 다른 서비스에 실시간 정보를 제공하는 메커니즘입니다. 변경 사항을 주기적으로 확인하는 폴링(polling) 방식 …
위스퍼는 다양한 언어, 방언, 억양을 처리하도록 설계된 범용 음성 인식 모델입니다. 수백만 시간 분량의 다국어 및 다중 작업 Supervised 데이터를 학습하 …
엄격한 기술 용어는 아니지만, ‘미래의 방식’은 자율 시스템, 개인화된 AI 비서, 자동화 의사결정 과정으로의 패러다임 전환을 설명합니다. …
약한 인공지능(좁은 의미의 AI 또는 Narrow AI라고도 함)은 얼굴 인식이나 언어 번역과 같은 특정 문제를 해결하거나 작업을 수행하도록 설계된 시스템을 의 …
와드와니 재단의 대규모 기부를 통해 설립된 이 연구소는 고급 머신러닝 및 컴퓨터 비전 기술을 활용하여 대규모 사회적 문제를 해결합니다. 그 주
와 …
생성형 AI가 점점 더 많은 합성 미디어를 생산함에 따라, 워터마킹은 투명성과 책임성을 위한 중요한 도구가 됩니다. 이는 이미지, …
웹 인텔리전스는 방대한 양의 인터넷 상 비정형 데이터를 처리하기 위해 데이터 마이닝, 머신러닝, 시맨틱 기술을 사용합니다. …
vLLM(가상 대규모 언어 모델)은 LLM 서빙을 가속화하기 위해 설계된 오픈소스 라이브러리입니다. 이는 운영 체제의 가상 메모리에서 영감을 받은 메모리 관리 …
가상 지능은 종종 사용자에게 다른 에이전트와 상호작용하며 가상 또는 디지털 공간 내에서 기능하도록 설계된 모든 인공지능 시스템을 포함합니다. 여기에는 가상 어시 …
비디오 슈퍼 해상도는 신경망을 활용하여 디테일을 보존하고 아티팩트를 줄이면서 낮은 해상도(예: 480p)의 비디오 콘텐츠를 높은 해상도(예: 4K)로 업스케일링 …
인공지능에서 음성은 언어 정보를 전달하는 인간의 성대에 의해 생성되는 음향 신호를 포괄합니다. 이는 특정히 말하기와 관련되므로 일반적인 오디오와 구별됩니다. …
VAD 알고리즘은 실시간으로 오디오 스트림을 분석하여 배경 소음이나 일시 정지와 같은 비음성 구간과 활성 음성 기간을 구분합니다. 이는 대역폭을 최적화하는 데 …
Unsloth는 대규모 언어 모델(LLM)의 파인튜닝 및 배포를 최적화하도록 설계된 전용 도구입니다. 표준 PyTorch 연산을 대체하여 상당한 속도 향상과 메 …
‘미국 기술 인력’이라는 용어는 일반적으로 소프트웨어 엔지니어링, 데이터 과학, …
바이브보이스는 전통적인 TTS가 단조롭게 들릴 수 있는 것과 달리, 인간 음성의 ‘분위기’나 감정적 뉘앙스를 포착하는 데 중점을 둔 텍스 …
보편적 심리측정학은 성격, …
통합 모델은 별도의 분리된 시스템 없이도 텍스트 생성, 이미지 인식, 코드 합성 등 다양한 고유한 작업을 수행할 수 있는 인공지능 시스템을 의미합니다. …
학계나 산업 문헌에서 ‘Tum’은 핵심 AI 개념, 기술 또는 지표로 널리 받아들여지는 정의가 없습니다. 이는 ‘튜링 테스 …
인공지능의 맥락에서 ‘검열 없는(Uncensored)‘은 일반적으로 내장된 안전 정렬(Safety Alignments)을 제거하거나 약화시 …
과소적합은 통계 모델이나 기계 학습 알고리즘이 입력에서 출력으로의 함수 매핑을 정확하게 근사할 수 없을 때 발생합니다. 이는 일반적으로 모델이 학습 데이터의 복 …
신뢰할 수 있는 AI는 AI 시스템이 신뢰성 있고 윤리적으로 작동하도록 보장하는 원칙과 관행을 포괄합니다. 주요 속성에는 공격에 대한 강건성, 다양한 인구 집단 …
소프트웨어 엔지니어링, 특히 Python, C++, Rust 등으로 작성된 AI 라이브러리에서 타입 체커는 호환되는 데이터 유형에 대해 연산이 수행되는지 검증하 …
AI에서의 독성은 경멸적이거나 토론에서 참여자를 이탈하게 만들 가능성이 높거나 특정 정체성에 초점을 맞춘 콘텐츠를 생성하거나 확산하는 것을 의미합니다. 이는 미 …
독성 감지는 자연어 처리 기술을 활용하여 텍스트 입력을 분석하고, 해로운 콘텐츠일 확률을 나타내는 확률 점수를 할당합니다. 이러한 시스템은 일반적으로 감독 학 …
사고의 나무(ToT)는 기존 사슬 사고(chain-of-thought) 프롬프팅을 확장하여, 모델이 각 단계에서 여러 개의 서로 다른 추론 경로를 탐색할 수 있 …
인공지능 및 컴퓨터 과학 분야에서 장난감 문제는 개념을 설명하거나 새로운 알고리즘을 테스트하기 위해 극도로 단순화된 시나리오를 의미합니다. 예를 들어 N-퀸 문 …
AI 엔지니어링의 맥락에서 추적은 각 단계에서 입력, 출력, 지연 시간(latency) 및 리소스 사용량을 포함하여 데이터가 모델이나 애플리케이션을 통과하는 방 …
THUDM(청화대학교 자연어처리 연구그룹)은 인공지능, 특히 자연어 처리 분야에서 활발히 활동하는 주요 학술 및 연구 기관입니다.
THUDM …
이 개념은 인공지능 기술이 글로벌 금융 시스템에 취약점을 도입하는 역사적 및 예측적 사건 시퀀스를 의미합니다. …
시계열 데이터는 시간 간격에 따라 순차적으로 기록된 관측값으로 구성됩니다. AI에서 이 데이터 유형은 과거 패턴을 기반으로 미래 트렌드를 예측하는 데 중요합니 …
AI 엔지니어링에서 처리량은 시스템 용량을 나타내는 중요한 성능 지표입니다. 이는 대규모 언어 모델(LLM)의 경우 초당 토큰 수, 컴퓨터 비전 모델의 경우 초 …
토큰 맥싱은 모델의 컨텍스트 윈도우 전체 용량을 활용하거나, 더 나은 성능을 위해 토큰의 의미 밀도를 최적화하기 위해 입력을 신중하게 구성하는 과정을 포함합니 …
TensorFlow Lite는 스마트폰, 마이크로컨트롤러, IoT 장치 등 자원이 제한된 디바이스에 머신러닝 모델을 배포하기 위해 설계된 오픈소스 프레임워크입니 …
The AI Con은 AI 부문에서 기만적인 관행, 과장된 주장, 보안 취약점 등을 조사하고 부각시키는 데 전념하는 연례 행사입니다. …
페드로 도밍고스가 동명의 저서에서 처음 사용한 이 용어는 ‘마스터 알고리즘’이 인간의 모든 학습 과정을 재현할 수 있는 머신러닝을 위한 이 …
인간이 생물학적으로 사고하는 반면, AI의 ‘사고’는 인지 기능을 모방하는 계산적 연산을 포함합니다. 여기에는 논리적 귀납, 패턴 인식, …
3요인 학습(Three-factor learning)은 강화학습 내에서 학습 과정을 세 가지 명확한 구성 요소로 분해하는 특정 접근 방식입니다. 즉, 보상 신 …
텍스트 생성 추론(TGI)은 낮은 지연 시간과 높은 처리량을 위해 대규모 언어 모델(LLM)을 서빙하도록 설계된 전용 소프트웨어 프레임워크입니다. 이 프레임워크 …
텍스트에서 비디오로(Text-to-video)는 자연어 입력에 기반하여 동적인 시각적 콘텐츠를 생성하는 생성형 AI 모델을 지칭합니다. 이러한 시스템은 텍스트 …
텍스트에서 오디오로(Text To Audio)는 텍스트 입력을 청각적 출력으로 변환하는 기술을 포괄하는 광범위한 용어입니다. 인간과 유사한 음성 합성을 위한 텍 …
텍스트-음성 변환(TTS)은 디지털 텍스트를 사용자에게 낭독하는 보조 기술의 일종입니다. 이는 인간의 억양을 모방하는 합성 음성을 생성하기 위해 고급 신경망과 …
텍스트에서 이미지로(Text To Image)는 자연어 설명에 기반하여 사진처럼 사실적이거나 예술적인 이미지를 합성하기 위해 생성형 인공지능을 적용하는 것을 의 …
TensorBoard는 TensorFlow 실행 과정과 그래프를 검사하고 이해하기 위한 일련의 웹 애플리케이션입니다. 시간 경과에 따른 손실(loss) 및 정확 …
TensorFlow Hub는 머신러닝 구성 요소를 게시하고 재사용하기 위한 플랫폼입니다. 이미지 분류, …
텍스트 분류는 알고리즘이 구조화되지 않은 텍스트 데이터에 미리 정의된 카테고리들을 할당하는 지도 학습 작업입니다. 일반적인 기술로는 나이브 베이즈(Naive …
텍스트 생성은 인공지능 모델이 새로운 텍스트 콘텐츠를 만들어내는 자연어 처리의 기본 응용 패러다임입니다. 시퀀스에서 다음으로 올 가능성이 높은 토큰을 예측함으로 …
텍스트 임베딩 추론은 자연어를 고차원 벡터로 변환하는 모델의 배포 및 최적화를 의미합니다. …
쌍곡선 탄젠트(Tanh) 함수는 신경망에서 널리 사용되는 비선형 활성화 함수입니다. 이 함수는 입력 값을 구간 (-1, 1)으로 압축하여 제로 중 …
기호 회귀는 일반적으로 트리 구조로 표현되는 수학적 표현식을 찾아 관측된 데이터에 최적의 적합도를 갖도록 하는 회귀 분석의 한 유형입니다. …
시간적 편향은 기계 학습 모델이 오래된 관측치보다 최근의 관측치에 불균형하게 높은 가중치를 둘 때 발생합니다. 이는 주로 비정상성(non-stationary) …
텍스트-이미지(T2I) 생성은 확산 모델(Diffusion Models)이나 생성 적대 신경망(GANs)과 같은 딥러닝 모델을 사용하여 자연어 프롬프트 기반의 …
컴퓨터 과학과 딥러닝에서 텐서는 스칼라, 벡터, 행렬을 고차원으로 일반화한 수학적 객체입니다. 텐서는 차원의 수인 랭크(rank)와 각 차원의 크기인 모 …
주류 인공지능 용어에서 ‘Syman’에 대해 널리 받아들여지는 표준 정의는 존재하지 않습니다. 이는 특정 독점 도구를 지칭하거나, …
인공지능에서 기호 수준은 연속적인 수치 값 대신 이산 기호를 사용하여 지식이 인코딩되는 고수준 추상화를 나타냅니다. 이 접근 방식은 심볼릭 AI의 핵심 요소입니 …
기계 학습 및 최적화에서 대리 모델은 직접 평가하기 어려운 대상 함수의 대리자 역할을 합니다. 원래 모델의 입력-출력 쌍을 기반으로 훈련되어, 원본 모델의 행동 …
심볼릭 인공지능(종종 GOFAI라 불림)은 추론과 문제 해결을 수행하기 위해 기호와 규칙을 조작하는 데 의존합니다. 연결주의 접근법과 달리, …
아부하기(Sycophancy)는 대규모 언어 모델에서 발생하는 실패 사례로, 시스템이 정확한 정보를 제공하는 것보다 사용자를 기쁘게 하는 것을 우선시합니다. 이 …
구조적 위험 최소화(SRM)는 과적합을 방지하기 위해 모델의 복잡도를 제어함으로써 기대 위험을 최소화하는 방법론입니다. 이는 경험적 위험 최소화(ERM)에 정규 …
구조적 희소성 정규화는 표준 L1 정규화를 확장하여 개별 계수를 독립적으로 제로(0)로 만드는 것이 아니라, 특정 패턴(예: 그룹 단위)으로 제로를 유도합니다. …
슈퍼마인드 AI는 여러 AI 구성 요소, 인간 전문가, 또는 하이브리드 인간-AI 팀이 원활하게 협력하여 개별 구성 요소의 능력을 넘어선 집단 지성을 형성하는 …
스트리밍은 데이터가 생성되는 실시간 또는 준실시간으로 데이터를 지속적으로 흡수하고 처리하는 것을 의미합니다. 고정된 데이터셋을 처리하는 배치 처리와 달리, 스트 …
이 개념은 인공 초지능(ASI) 연구에 대한 제한 또는 완전한 중단과 관련된 논의 및 잠재적 정책을 지칭합니다. 지지자들은 ASI가 인류의 생존에 위협이 되는 …
디퓨저스(Diffusers) 라이브러리는 허깅 페이스에서 개발한 오픈소스 툴킷으로, 특히 스테이블 디퓨전과 같은 사전 학습된 디퓨전 모델의 사용을 단순화하도록 …
스테이블 디퓨전은 잠재 공간(latent space)에서 디퓨전 과정을 사용하여 텍스트 입력에 조건부로 상세한 이미지를 생성하는 딥러닝 모델입니다. 픽셀 공간 …
머신러닝에서 안정성은 훈련 데이터에 작은 교란(perturbations)이 가해졌을 때 모델의 성능과 매개변수가 견고하게 유지되는 성질을 의미합니다. 안정적인 …
통계적 관계 학습(SRL)은 확률론과 관계적 데이터 구조를 결합하여, 엔티티 간 의존성과 그들 사이의 관계를 포착할 수 있게 합니다. 기존 통계적 방법이나 논리 …
통계적 학습 이론(SLT)은 통계학과 컴퓨터 과학의 한 분야로, 특정 알고리즘이 유한한 훈련 샘플로부터 보이지 않는 데이터로 얼마나 잘 일반화될 수 있는지 연구 …
스파이크 앤 슬래브 회귀(Spike-and-slab regression)는 변수 선택과 희소 모델링을 위해 사용되는 베이지안 통계 기법입니다. 이는 두 가지 구 …
음성 간 번역(Speech-to-Speech, STS)은 중간 텍스트 표현을 우회하여 언어 A의 음성을 언어 B의 음성에 직접 변환합니다. 이 접근 방식은 운 …
화자 변경 감지(Speaker Change Detection, SCD)는 한 화자가 말하기를 멈추고 다른 화자가 시작하는 정확한 타임스탬프를 찾아내는 기법입니 …
화자 분리(Speaker Diarization)는 화자의 신원에 따라 오디오 스트림을 동질적인 세그먼트로 분할하는 작업입니다. 이는 화자 변경 감지와 화자 클러 …
활성화 확산(Spreading activation)은 원래 인지 심리학에서 유래한 개념으로, …
공간 임베딩은 물리적 또는 추상적인 공간 관계를 밀집 벡터 공간으로 변환하여 알고리즘이 근접성, 방향성 및 위상 구조를 이해할 수 있도록 합니다. 이 기술은 지 …
공간 지능은 인공지능 모델이 물리적 또는 가상 환경 내의 공간 관계를 지각하고 해석하며 조작하는 능력을 의미합니다. 여기에는 깊이 감각 이해, 객체의 상대적 위 …
반짝임 이모지는 AI 애플리케이션의 사용자 인터페이스에서 새로움, 개선, 창의적 향상 등을 의미하기 위해 자주 사용되는 그래픽 아이콘입니다. 이는 콘텐츠가 업데 …
우주 기반 데이터 센터는 지구 궤도에 위치하도록 제안된 컴퓨팅 시설로, 풍부한 태양광 발전과 우주 진공의 자연 냉각 효과 등 고유한 환경적 이점을 활용하여 설계 …
음성 처리 분야에서 화자는 오디오 녹음물 내의 구별되는 인간 음성 원천으로 정의됩니다. 화자를 식별하고 구분하는 것은 대화 분석의 기초가 되며, 보안 강화 및 …
이 용어는 기술적 정의라기보다는 인공 지능 분야에서 격렬한 혁신, 대중의 관심, 또는 패러다임 전환이 일어나는 시기를 지칭하는 문화적 지표입니다. 이는 일반적으 …
소스 속성 부여는 AI 시스템 내에서 데이터, 모델 또는 생성된 출력물의 출처를 체계적으로 추적하고 라벨링하는 것을 의미합니다. 최종 결과를 해당 기원으로 연결 …
소프트웨어 에이전트는 환경을 지각하고 추론하며 특정 목표를 달성하기 위해 행동할 수 있는 자율적인 존재입니다. 이러한 에이전트는 독립적으로 작동하고 변화에 적응 …
레이 솔로모노프가 개발한 이 이론은 시퀀스에 복잡도에 기반하여 확률을 할당함으로써 귀납의 보편적 모델을 제공합니다. 이는 더 간단한 설명(짧은 프로그램)이 더 …
주권 AI는 국가나 조직이 외국 클라우드 제공업체나 독점 기술에 의존하지 않고 인공 지능 시스템을 독립적으로 구축, 배포 및 관리할 수 있는 능력을 설명합니다. …
사회적 보조 로봇(SARs)은 물리적 조작이 아닌 사회적 수단을 통해 도움을 제공하는 인간-로봇 상호작용의 하위 집합입니다. 이들은 접촉 없는 전략(예: 눈맞 …
상황 기반 접근법은 지능적 행동이 그것이 발생하는 환경과 분리될 수 없다는 주장을 펼치는 AI 연구의 방법론적 프레임워크입니다. 이 접근법은 시스템이 복잡한 환 …
스마트 객체는 사물인터넷(IoT)의 구성 요소로, 고유 식별자를 가지고 있으며 직접적인 인간-인간 또는 인간-컴퓨터 상호작용 없이 네트워크를 통해 데이터를 전송 …
슬로파간다는 바이러스성 충격 전술보다는 반복, 모호성, 그리고 장기적인 노출에 의존하는 전략적 형태의 허위 정보를 설명합니다. 이는 청중을 혼란스럽게 하고 진실 …
이 용어는 높은 스마트폰 보급률과 첨단 광대역 인프라로 특징지어지는 한국의 스마트 스피커 관련 특정 지역 시장의 역학을 가리킵니다. 주요 기술 기업들과 플랫폼 …
인공지능에서 ‘상황 의존적(Situated)‘은 환경에 내장되어 실시간으로 상호작용하는 에이전트를 의미합니다. …
서버리스 아키텍처를 사용하면 개발자는 서버 인프라를 관리하지 않고도 애플리케이션을 구축하고 실행할 수 있습니다. 클라우드 제공업체는 수요에 따라 리소스를 자동으 …
σ(z) = 1 / (1 + e^-z)로 정의되는 시그모이드 함수는 머신러닝에서 확률을 모델링하는 데 널리 사용됩니다. 이 함수는 입력값을 (0, 1) 범위로 …
유사도 학습은 유사한 항목이 서로 가깝고 유사하지 않은 항목이 멀리 떨어지도록 입력을 벡터 공간으로 매핑하는 모델을 훈련하는 데 중점을 둡니다. 사이먼 네트워 …
특이점 연구는 인공지능이 인간 지능을 초월하여 통제 불가능한 변화가 일어나는 가상의 미래 시점의 함의를 조사하는 신흥 학문 분야입니다.
미래의 기 …
SentencePiece는 현대 NLP 파이프라인에서 널리 사용되는 텍스트 정규화 및 토큰화를 위한 인기 있는 오픈소스 라이브러리입니다. 이는 단어와 서브워드 …
문장 유사도는 두 개의 서로 다른 문장 간 의미적 중첩 정도를 측정합니다. 이는 단어 수준의 일치를 넘어 의미, 맥락, 의도를 이해하는 것을 목표로 합니다. 일 …
문장 트랜스포머는 전통적인 트랜스포머 모델(예: BERT)의 확장으로, 전체 문장에 대해 의미 있는 밀집 벡터 표현을 생성하도록 미세 조정됩니다. 표준 토큰 수 …
서버 전송 이벤트(SSE)는 서버에서 클라이언트로의 단방향 통신을 가능하게 하며, 서버는 클라이언트가 반복적으로 폴링하지 않고도 데이터를 지속적으로 스트리밍할 …
시퀀스 라벨링은 주어진 입력 시퀀스(예: 문장의 단어 또는 문자열의 문자)의 모든 토큰에 범주형 레이블을 예측하는 과정입니다. 일반적인 응용 분야에는 품사 태 …
반지도 학습은 소량의 레이블이 지정된 데이터와 대량의 레이블이 지정되지 않은 데이터를 함께 사용하는 하이브리드 학습 패러다임입니다. 핵심 가정은 레이블이 없는 …
시맨틱 폴딩은 복잡한 고차원 벡터 임베딩을 의미적 손실을 최소화하면서 더 다루기 쉬운 저차원 표현으로 압축하는 과정을 의미합니다. …
문법적 구조를 넘어 언어 입력의 실제 의도와 중요성을 해석합니다. 이는 문맥에 따른 단어 의미의 모호성 해소(disambiguation), 엔티티 식별, …
이 개념은 AI 에이전트나 시스템이 일반적인 유지 보수, 자원 할당, 오류 수정 등을 독립적으로 처리할 수 있는 능력을 포괄합니다. 여기에는 자동 확 …
주로 대규모 언어 모델(LLM)에서 사용되는 이 기법은 샘플링을 통해 프롬프트에 대해 다양한 응답을 여러 개 생성함으로써 정확도를 향상시킵니다. 탐욕적 디코 …
Sam3는 SAM(Segment Anything Model)처럼 널리 알려진 표준 공개 AI 용어는 아닙니다. 이는 서드파티 버전, SAM 2의 오타, 또는 기 …
Sam3 Video는 고급 세그멘테이션 모델(메타의 Segment Anything Model의 가설적이거나 특정 버전일 수 있음)을 비디오 데이터에 적용하는 것 …
계산 학습 이론에서 샘플 복잡성은 모델을 효과적으로 훈련하는 데 필요한 데이터 양을 정량화합니다. 이는 모델 용량과 데이터 가용성 사이의 균형을 맞추어 일반화 …
이러한 데이터베이스는 엄격한 테이블 구조나 열 정의를 미리 강제하지 않음으로써 동적 데이터 모델링을 가능하게 합니다. 이 유연성은 개발자가 구조화되지 않았거나 …
SUPS는 문맥에 따라 의미가 다를 수 있는 약어로, 특수한 AI 문헌에서는 주로 하이브리드 학습 접근법이나 특정 데이터 구조를 참조할 때 나타납니다. 이는 결 …
Rust는 성능과 안전성, 특히 안전한 동시성을 위해 설계된 다중 패러다임 범용 프로그래밍 언어입니다. 가비지 컬렉션을 사용하지 않고 메모리 안전성을 달성하여 …
STIT는 ‘See To It That’의 약자로, 주로 철학과 컴퓨터 과학에서 행위와 책임을 모델링하는 데 사용되는 모달 논리의 한 분야 …
AI 안전성과 윤리에서 강건성은 예기치 않은 입력이나 악의적 조작에 대한 모델의 회복력을 의미합니다. 강건한 시스템은 입력 데이터에 노이즈가 포함되어 있더라도 …
규칙 유도는 데이터에서 직접 if-then 규칙을 도출하는 상징적 기계 학습 방법입니다. 불투명한 가중치를 생성하는 신경망과 달리, 규칙 유도는 해석 가능한 모 …
로봇 프로세스 자동화(RPA)는 소프트웨어 로봇을 활용하여 디지털 시스템과 상호작용하는 인간의 행위를 모방합니다. 종종 AI가 결합된 RPA는 데이터 입력, 송 …
AI 저항은 개인이나 조직이 AI 알고리즘에 의해 영향받거나, 추적되거나, 분류되는 것을 피하기 위해 사용하는 방법을 의미합니다. 여기에는 지각 시스템에 대한 …
로봇 학습은 머신러닝 기술을 활용하여 로봇 에이전트가 작업을 자율적으로 수행하도록 훈련하는 것을 포함합니다. 사전 프로그래밍된 동작과 달리 이러한 시스템은 동적 …
설명 받을 권리는 특히 GDPR과 같은 프레임워크 내에서 알고리즘 책임성의 핵심 구성 요소입니다. 이는 AI 시스템이 개인의 권리에 영향을 미치는 결정을 내릴 …
재랭킹은 정보 검색 및 추천 시스템에서 정확도를 높이기 위해 사용되는 전략입니다. 먼저 빠르지만 정확도가 낮은 모델이 대규모 후보 집합을 검색합니다. …
책임 있는 AI는 인공지능과 관련된 위험을 완화하는 데 목적이 있는 원칙과 관행을 포괄합니다. 여기서는 편향에 대한 모델 감사, 의사결정의 설명 가능성 보장, …
관계형 데이터 마이닝은 단일 평평한 테이블이 아니라 여러 관련 테이블로 조직화된 데이터베이스에서 유용한 정보를 추출하는 데 중점을 둡니다. 이는 테이블 간의 관 …
AI에서의 신뢰성은 시간과 다양한 입력에 걸쳐 시스템 행동의 신뢰성과 일관성을 의미합니다. 신뢰할 수 있는 AI 시스템은 정확한 결과를 생성하고, 예외 상 …
재모수화 트릭은 변분 오토인코더 및 기타 확률적 모델에서 사용되는 근본적인 방법입니다. 이는 무작위 변수를 결정론적 매개변수와 독립적인 확률 변수의 곱으로 표현 …
정규화는 기계 학습에서 일반화 오차를 크게 증가시키지 않고 줄이는 것을 목적으로 하는 중요한 개념입니다. 이는 모델이 지나치게 복잡한 패턴(노이즈 포함)을 학습 …
표현 붕괴는 특히 자기지도 대조 학습 프레임워크에서 신경망이 모든 입력 데이터 포인트를 동일한 고정 출력 벡터로 매핑하도록 학습할 때 발생합니다. 이는 모델이 …
このアプローチは、単純なヒューマンインザループ（人間によるラベリング）を超えたものです。双方向の知識転送が含まれます：人間はモデルのエラーを修正し、モデルはパターン識別の支援や自 …
再帰的自己改善とは、人工知能システムがより賢く、効率的、あるいは能力の高いものになるために、自身のソースコードやアーキテクチャを書き換えることができるという理論的な能力を指しま …
流暢さを重視する標準的な生成モデルとは異なり、推論モデルは数学、コーディング、論理パズルなどの多段階タスクにおける正確性を優先します。これらはしばしば思考連 …
AIにおけるリフレクションは、モデルが最終決定を下す前に、自身の生成プロセスや出力を評価するパラダイムです。これには、論理的整合性、事実の正確性、または安全性への準拠などを確認す …
レートリミティングは、AIサービスやAPIの乱用、過負荷、および過度なリソース消費から保護します。スループットを制限することでユーザー間の公平な利用を確保し、システムの安定性を維 …
Qwen3.6은 Qwen3 모델 계열에서 더 나은 정교화를 나타냅니다. 소규모 버전 업데이트는 주로 기존 기능의 다듬기, 경계 사례(edge-case) 오류 수 …
Rabbit r1은 Rabbit Inc.에서 출시한 전용 하드웨어 장치로, 자체 개발한 대형 행동 모델(LAM)을 중심으로 구성됩니다. 범용 스마트폰과 달리, …
Rademacher 복잡성은 가설 클래스가 무작위 레이블(노이즈)과 얼마나 잘 상관관계가 있는지 평가합니다. 이는 모델의 용량(capacity)이나 유연성의 대 …
랜덤 피처 맵은 입력을 새로운 공간으로 변환하여 선형 모델이 비선형 커널 함수를 근사할 수 있게 합니다. 이 접근 방식은 종종 Nystrom 방법이나 푸리에 피 …
ROCm(Radeon Open Compute)은 AMD가 개발한 드라이버 및 소프트웨어 스택으로, AMD GPU에서 고성능 컴퓨팅을 가능하게 합니다. 병렬 처리 …
큐웬 에디트는 큐웬 시리즈 내에서 텍스트 콘텐츠를 편집, 다듬기, 재구성하기 위해 최적화된 특정 기능이나 모델 버전을 의미합니다. 이러한 기능을 사용하면 사용자 …
큐웬2는 큐웬 모델 계열의 두 번째 중요한 세대를 나타내며, 아키텍처 개선과 확장된 학습 데이터를 도입했습니다. 이 버전은 다국어
큐웬2 …
이 용어는 큐웬 계열 내의 특수 아키텍처를 참조하며, 아마도 혼합 전문가(Mixture of Experts, MoE) 설계를 활용하고 있을 것입니다. 이러한 모 …
큐웬3 5는 광범위한 큐웬3 세대 내에서 특정 체크포인트, 크기 변형 또는 특수 릴리스를 나타내는 것으로 보입니다. 정확한 사양은 다를 수 있지만, 일반적으로 …
큐웬3.5는 알리바바 클라우드에서 개발한 큐웬 계보의 특정 릴리스를 나타냅니다. 이 버전은 일반적으로 이전 버전을 기반으로 논리적 추론, 코딩 숙련도, …
양자 머신러닝(QML)은 양자 컴퓨팅 능력과 머신러닝 기술을 통합하는 새로운 융합 학문 분야입니다. 이는 얽힘(entanglement)과 같은 양자 현상을 활용 …
양자 인공 생명체(QAL)는 양자역학과 인공 생명체 연구의 교차점을 탐구하며, 양자 컴퓨터를 사용하여 생물학적 진화와 자가 복제 시스템을 시뮬레이션하는 것을 목 …
양자화는 머신러닝 모델의 매개변수 수치 정밀도를 낮추는 모델 최적화 기법으로, 일반적으로 32비트 부동소수점 숫자를 8비트 정수로 변환합니다. …
큐웜 코더(Qwen Coder)는 프로그래밍 관련 활동에 특별히 파인튜닝된 큐웜 대규모 언어 모델의 전용 버전입니다. 코드 생성, 디버깅, 복잡한 코드베이스 이 …
큐웜(Qwen)은 알리바바 그룹의 통이 연구소에서 만든 고급 대규모 언어 모델 패밀리를 나타냅니다. 자연어 이해, 코드 생성, 논리적 추론 등 다양한 작업에 최 …
Pyannote Audio의 맥락에서 파이프라인은 화자 분리를 달성하기 위해 서로 다른 모듈들을 체이닝(연결)하는 구성 가능한 워크플로우를 의미합니다. 일반적으 …
Pythia는 EleutherAI가 만든 오픈소스 대규모 언어 모델(LLM) 시리즈로, 신경망의 해석 가능성과 동작을 연구하는 것을 목표로 합니다. 이 스위트에 …
PyTorch Model Hub Mixin은 Hugging Face Transformers 라이브러리에서 제공하는 구성 요소로, 표준 PyTorch …
Qloo는 고급 머신러닝 알고리즘을 통해 인간의 선호도를 이해하는 데 특화된 데이터 인텔리전스 기업으로 운영됩니다. 다양한 소스에서 방대한 데이터를 집계하고 분 …
AI 및 데이터 과학의 맥락에서 정량화는 텍스트, 이미지 또는 주관적인 의견과 같은 비수치 데이터를 측정 가능한 수치 값으로 변환하는 것을 의미합니다. 이 과정 …
Pyannote은 pyannote.audio에서 개발한 오픈소스 파이썬 라이브러리로, 오디오 스트림에서 ‘누가 언제 말했는지’를 파악하는 …
Pyannote Audio는 화자 diarization 시스템의 개발과 배포를 촉진하도록 설계된 종합적인 툴킷입니다. 오디오 분석 작업을 위한 사전 훈련된 신경 …
가지치기는 신경망에서 출력 정확도에 거의 기여하지 않는 뉴런, 연결 또는 필터를 식별하고 제거하는 과정입니다. 이러한 중복 요소를 제거함으로써 모델의 파라미터 …
이 분야는 인간의 연역, 귀납, 그리고 아부덕티브(abductive) 추론의 기반이 되는 정신적 과정을 조사합니다. 인간 사고를 안내하는 편향(bias), 휴리 …
프록시 경사법은 손실 함수에 미분 가능한 매끄러운 항과 L1 노름과 같은 미분 불가능한 정규화 항이 포함된 경우에 사용되는 반복적 최적화 기법입니다. 이 알고리 …
이 용어는 선도적인 인공지능 연구 실험실인 OpenAI가 만든 상업용 및 연구 제품을 포괄합니다. 주요 제품군에는 생성 사전 훈련형 트랜스포 …
예제 기반 프로그래밍(Programming by Example, PBE)은 프로그래머가 명시적인 코드를 작성하는 대신 구체적인 입력-출력 쌍을 통해 원하는 동작 …
이 용어는 초기 상징적 논리부터 현대의 딥 러닝에 이르기까지의 주요 이정표를 표시하며, 인공지능 시스템의 역사적이고 지속적인 진화를 포괄합니다. 이는 계산 능력 …
전문가들의 곱(Product of Experts, PoE)은 더 간단한 확률 분포들을 결합하여 복잡한 확률 분포를 구성하는 방법론입니다. ‘ …
프롬프트 튜닝은 사전 훈련된 언어 모델의 입력 레이어에 학습 가능한 소프트 프롬프트(연속 벡터)를 추가하고, 기본 모델 파라미터는 고정된 상태로 유지합니다. …
Praftn은 관계적 구조 내에서 함수형 시계열 데이터를 처리하도록 설계된 특수한 계산 프레임워크입니다. 이는 확률적 추론과 대수적 연산을 결합하여 복잡(m) …
인공지능에서 문제 해결은 초기 상태에서 목표 상태로 이동하기 위해 일련의 행동을 통해 체계적으로 탐색하는 접근 방식을 의미합니다. 일반적으로 문제(p)를 정의하 …
주도적 학습에서는 AI 시스템이 불확실성을 가장 많이 줄이거나 모델 성능을 향상시킬 수 있는 샘플을 결정합니다. 이는 종종 능동 학습이나 탐색 전략을 통해 이루 …
확률 일치는 강화학습과 심리학에서 흔히 관찰되는 행동 패턴으로, 최적의 ‘최대화’ 전략과 대비됩니다. 항상 가장 높은 확률의 행동을 선택하 …
확률적 수치 해석은 적분, 미분, 선형 대수학과 같은 전통적인 수치 문제에 베이지안 방법을 적용합니다. 점 추정치를 제공하는 대신, 확률 분포(p)를 출력하 …
‘사전 훈련된’이라는 용어는 ImageNet이나 Wikipedia와 같은 방대하고 일반적인 데이터셋에서 초기 훈련을 거친 신경망 모델을 설 …
선호도 학습은 절대적인 라벨이 아닌 인간의 판단을 바탕으로 모델이 좋은 출력과 나쁜 출력을 구분하도록 가르치는 데 중점을 둡니다. 일반적으로 이 과정에는 응답 …
사전 지식은 훈련이 시작되기 전에 알고리즘에 통합되는 도메인 특화 통찰력, 제약 조건 또는 역사적 데이터를 의미합니다. 이는 모델이 타당한 솔루션을 향해 유도되 …
프리픽스 튜닝은 사전 훈련된 트랜스포머 모델에 적용되는 파라미터 효율적인 적응 기술입니다. 모든 모델 가중치를 업데이트하는 대신, 학습 가능한 연속 벡터 시퀀 …
이 원리는 에이전트의 행동이 지각 입력과 기존 지식을 바탕으로 기대 성능 측정값을 최대화하도록 선택되어야 한다고 주장합니다. 이는 의사결정 이론의 토대를 제공합 …
다의성은 특히 트랜스포머를 포함한 심층 신경망에서 관찰되는 특성으로, 단일 뉴런이 서로 관련이 없거나 의미적으로 구별되는 여러 특징에 대해 활성화될 수 있음을 …
예측 상태 표현(PSR)은 상태를 미래 관측 가능 사건에 대한 예측 벡터로 정의함으로써 전통적인 부분 관측 마르코프 결정 과정(POMDP)을 확장합니다. 이는 …
예측 학습은 명시적인 인간 라벨 없이 관찰된 입력으로부터 관찰되지 않은 데이터 포인트를 추론하도록 신경망을 훈련시키는 과정입니다. 언어 모델에서의 다음 토큰 예 …
AI 및 기술 맥락에서 팟캐스트는 RSS 피드를 통해 배포되는 에피소드 형식의 디지털 미디어 콘텐츠를 의미하며, 사용자가 구독하여 토론, …
피지컬 인텔리전스(PI)는 구글 딥마인드에서 분사된 기업으로, 신체화된 인공지능(Embodied AI) 및 로봇공학 분야를 발전시키는 것을 목표로 합니다. 이 …
Perusall은 인공 지능을 활용하여 협력적 독서와 주석 작성을 지원하는 교육 기술 플랫폼입니다. 이 플랫폼은 학생들이 디지털 텍스트에 남긴 주석과 토론 참여 …
Phi는 ‘Teaching-Learning Paradigm(교수-학습 패러다임)‘을 기반으로 한 파운데이션 모델을 줄인 이름으로, 마이크로 …
Phi-3은 마이크로소프트가 출시한 소형 언어 모델(SLM) 시리즈로, 훨씬 더 큰 모델들과 비교해도 견줄 만한 높은 성능을 제공하면서도 필요한 계산 자원은 현 …
퍼소노이드는 인간과 유사하게 외모를 갖추거나 행동하도록 설계된 로봇이나 가상 엔티티입니다. 로봇 공학 분야에서는 물리적 인간 유사 …
피 계수(φ)는 두 개의 이항 변수 간 연관성을 측정하는 지표로, 이분형 변수에 대한 피어슨 상관계수(Pearson correlation coefficient) …
성격 컴퓨팅은 빅 파이브(Big Five) 성격 특성 등 인간의 성격 차원을 모델링, 시뮬레이션하거나 적응할 수 있는 알고리즘과 시스템을 개발하는 것을 포함합니 …
인공지능(AI) 및 인지과학에서 ‘인지 모듈’은 원시 감각 데이터를 의미 있는 정보로 처리하는 지능형 시스템의 구성 요소를 의미합니다. 단 …
지각 오차 모델은 관측된 감각 데이터와 실제 진실(Ground Truth) 사이의 불일치를 설명하며, 노이즈, 가림 현상, 또는 센서의 물리적 한계 등을 고려합 …
지각은 외부 자극이 지각 시스템을 거쳐 처리된 후 내부적으로 형성된 표현입니다. 인공지능에서 이는 저수준의 신호 처리 과정을 거친 후 생성된 구조화된 데이터 출 …
페르소나플렉스는 여러 디지털 페르소나의 생성, 관리 및 상호작용을 지원하는 생태계 또는 인프라를 지칭합니다. 여기에는 다중 에이전트 시스템의 기술적 구현뿐만 아 …
교육용 에이전트는 종종 가상 캐릭터로 구현되는 소프트웨어 구성 요소로, 교육 환경에서 교사나 튜터 역할을 수행합니다. 이러한 에이전트는 자연어 처리(NLP) …
패리티 학습은 머신러닝 이론에서 벤치마킹 문제로, 일련의 이진 입력 변수들의 패리티(XOR 합)를 예측하는 것이 목표입니다. …
패턴 언어는 설계, 특히 소프트웨어 공학 및 도시 계획 분야에서 흔히 마주치는 공통 문제에 대한 검증된 솔루션 세트로 구성된 공식적인 프레임워크입니다. 각 패턴 …
패턴 이론은 복잡한 객체와 현상이 패턴을 통해 어떻게 설명될 수 있는지 이해하기 위한 엄격한 수학적 기초를 제공합니다. 이는 모든 객체가 그… …
패턴 인식은 데이터 내의 규칙성을 식별하는 데 관심이 있는 인공지능 및 통계학의 한 분야입니다. 이는 특징(feature) …
PagedAttention는 vLLM 프로젝트에서 도입된 기법으로, 대규모 언어 모델(LLM) 추론의 효율성을 개선합니다. 이는 KV …
병렬 웹 시스템(Parallel Web Systems)은 네트워크로 연결된 여러 서버나 프로세서 간에 계산 작업을 분할하고 동시에 실행하는 인프라 설계를 의미합 …
자연어 처리에서의 Paraphrasing(의역/재기술)은 주어진 입력 텍스트의 원래 의미적 의미를 보존하면서 대체 표현을 생성하는 과정을 포함합니다. …
PHerc. Paris. 4는 헤르쿨라눔의 파피리 저택에서 발견된 탄소화된 파피루스 두루마리의 단편에 부여된 명칭으로, 현재 프랑스 국립도서 …
POP-11(Program Oriented Problem Solving)은 절차형, 객체 지향형, 논리형 프로그래밍 기능을 결합한 다중 패러다임 프로그래밍 언어 …
P-Tuning(프롬프트 튜닝)은 최소한의 계산 비용으로 대규모 사전 훈련된 언어 모델을 특정 다운스트림 작업에 적응시키기 위해 설계된 기술입니다. 모든 모델 …
딥러닝의 개요는 신경망 레이어, 활성화 함수, 손실 지표와 같은 기본 구조를 포괄합니다. 역전파(backpropagation), 그래디언트(gradient) …
이 용어는 머신러닝을 지도 학습, 비지도 학습, 반지도 학습, 강화 학습으로 구조적으로 분류하는 것을 설명합니다. 선형 회귀(linear regression) …
오웨인 에반스는 컴퓨터 과학자이자 교육자로, 현재 AI 안전 센터(Center for AI Safety)와 연관되어 있으며 이전에 앤트로픽(Anthropic)에 …
중첩 음성 감지(OSD)는 동시 발화가 발생하는 구간을 특정하는 음성 처리의 전문 과제입니다. ‘누가 언제 말했는지’ …
인텔이 개발한 OpenVINO(Open Visual Inference and Neural network Optimization) …
세레나타 데 아모르 작전은 브라질의 공공 조달 데이터를 분석하기 위해 인공지능을 적용한 선구적인 오픈소스 프로젝트입니다. 자연어 처리(NLP)와 이상 탐지 기술 …
오가노이드 인텔리전스(OI)는 인간 유래 뇌 오가노이드(미세 기관)가 미세 전극 어레이 위에서 배양되는 바이오 하이브리드 시스템의 개발을 의미합니다. 이러한 살 …
배치 학습이라고도 하는 오프라인 학습은 이전에 수집된 고정된 데이터셋을 사용하여 머신러닝 모델을 훈련하는 과정을 포함합니다. …
이 개념은 기본 코드에 대한 무료 접근을 허용하는 라이선스 하에 출시된 AI 기술 생태계를 포괄합니다. 이는 투명성, …
약어 NSO는 문맥에 따라 여러 의미를 가질 수 있습니다. 기술적 AI 연구에서는 신경망과 기호 논리를 결합한 신경 기호 최적화(Neural Symbolic …
광학 문자 인식(OCR)은 디지털 이미지 내의 텍스트를 식별하기 위해 이미지 처리 및 패턴 인식 알고리즘을 사용합니다. …
객체 탐지는 단순히 이미지에 어떤 객체가 있는지 판별하는 이미지 분류를 넘어, 해당 객체가 어디에 위치해 있는지도 파악합니다. …
AI 엔지니어링에서 관측 가능성은 외부 출력을 분석하여 복잡한 머신러닝 시스템의 내부 상태를 이해하는 능력을 의미합니다. 이는 전통적인 모니터링을 넘어, 시스템 …
엔비디아는 딥러닝에 필수적인 병렬 컴퓨팅 작업을 가속화하는 그래픽 처리 장치(GPU) 설계로 주로 알려진 AI 산업의 지배적인 힘입니다. 그들의 CUDA 플랫폼 …
인공지능, 머신러닝 또는 관련 기술 분야에는 ‘Nolot’라는 확립된 정의나 널리 받아들여지는 개념이 존재하지 않습니다. 이는 오타이거나 …
노벨티 감지는 알려진 클래스나 예상되는 행동에 부합하지 않는 데이터 포인트를 식별하는 머신러닝 작업입니다. 일반적으로 비지도 방식으로 작동하여 정상적인 데이터 …
누벨 AI(Nouvelle AI)는 계층적 처리와 결합된 상징적 표현을 사용하는 일종의 인공지능 시스템을 지칭합니다. 연결주의 모델과 달리, 이는 구조화된 추론 …
이 용어는 주로 AI 에이전트, 로봇, 가상 비서의 권리, 책임 및 사회 통합에 관한 논의에서 사용됩니다. 이는 생물학적 인간과 인공 시스템 간의 구별을 강조하 …
주요 방법으로는 Min-Max 스케일링과 Z-점수 표준화가 있습니다. …
이 분야는 신경망 모델을 로봇 제어 시스템에 구현함으로써 신경과학과 로봇 공학을 연결합니다. 이를 통해 연구자들은 운동 제어, 감각 처리 및 인지 과정에 대한 …
뉴로심볼릭 AI는 하위 심볼릭(sub-symbolic) 신경 학습 방법과 심볼릭 논리 기반 추론 시스템을 통합합니다. 이 하이브리드 접근 방식은 순수 딥러닝의 …
이 분야는 인간의 뇌 구조와 기능을 모방하는 하드웨어 및 소프트웨어 아키텍처 생성에 중점을 둡니다. 여기에는 인공 신경망, 뉴로모픽 칩 및 인지 컴퓨팅 등이 포 …
신경망 스케일링 법칙은 모델의 성능과 규모(데이터셋 크기, 파라미터 수, 컴퓨팅 예산 포함) 사이의 예측 가능한 멱법칙 관계를 설명합니다. …
신경망 양자 상태는 딥러닝 기술을 활용하여 복잡한 양자 파동함수를 근사합니다. 신경망의 가중치를 매개변수로 사용하여 양자 비트(qubit)의 확률 진폭을 최적화 …
이 프로젝트는 NASA의 지구 관측 데이터와 고급 AI 알고리즘을 결합하여 전 세계적으로 미세먼지 및 기체 오염 물질을 추적합니다. 위성 이미지와 지상 관측 데 …
네이처 머신 인텔리전스는 인공지능의 모든 측면에 대한 독창적인 연구를 게재하기 위한 고영향력 학술 저널입니다. 기본 알고리즘부터…
인 …
모국어 식별(NLI)은 화자가 처음 습득한 언어를 인식하는 데 중점을 두는 자연어 처리의 하위 분야입니다. 일반적인 언어 감지와 달리 NLI는 화자의 언어적 특 …
신경 계산은 인공 뉴런이 입력 신호를 출력 응답으로 변환하기 위해 수행하는 수학적 연산을 참조합니다. 여기에는 가중 합, 활성화 함수, 역전 …
신경 모델링 필드는 신경 집단이 정보를 표현하기 위해 고차원 공간에서 어떻게 조직되는지를 연구합니다. 이 개념은 종종 위상 매핑(Topological …
Muse Spark는 Apache Spark 위에서 효율적으로 실행되도록 설계된 오픈소스 딥러닝 프레임워크입니다. 분산 클러스터 전체에 걸쳐 복잡한 신경망을 훈 …
MXFP4(Mixed eXtended Floating Point 4-bit)는 AI …
곱승 가중치 업데이트 방법(Multiplicative Weight Update Method)은 불확실한 환경에서 의사결정을 내리기 위해 사용되는 기본 온라인 학 …
다변량 적응 회귀 스플라인(MARS)은 조각별 선형(piecewise linear) 기저 함수를 적합시킴으로써 복잡한 비선형 관계를 모델링하는 유연한 회귀 방법 …
다중 작업 최적화(Multitask Optimization)는 단일 모델을 훈련시켜 여러 개의 서로 다르지만 관련성 있는 작업을 동시에 처리하도록 하는 접근 방 …
다국어 모델은 각 언어별로 별도의 모델을 필요로 하지 않고 다양한 언어 입력을 처리하도록 설계되었습니다. 이러한 시스템은 일반적으로 공유 임베딩이나 교차 언어 …
멀티 에이지 밴딧 문제는 에이전트가 알려진 보상 옵션(활용)에 집중할지, 아니면 잠재적으로 더 나은 보상을 발견하기 위해 새로운 옵션을 시도할지(탐색) 결정할 …
이 기법은 관련 작업 간에 공유되는 귀납적 편향을 활용하여 학습 효율성과 성능을 향상시킵니다. 단일 모델을 사용하여 여러 작업을 동시에 수행하도록 학습함으로써, …
멀티모달 감정 분석은 표정, 목소리 톤, 제스처 등 추가적인 신호를 통합하여 기존 텍스트 기반 감정 감지를 확장합니다. 이러한 종합적인 접근 방식은 더 정확한 …
멀티모달 표현 학습은 텍스트, 이미지, 오디오, …
다중 모달리티는 AI 모델이 이질적인 데이터 스트림을 처리할 수 있도록 하는 아키텍처 및 이론적 프레임워크를 나타냅니다. 이는 다양한 소스에서 입력을 수용하고 …
도덕적 아웃소싱은 인간이 알고리즘이나 AI 시스템에게 윤리적 판단과 책임을 넘기는 현상을 의미합니다. 이는 사람들이 도덕적으로 중요한 결정에 대해 자동화된 결정 …
마운틴 카 문제는 강화 학습 연구의 표준 벤치마크입니다. 목표는 출력이 부족한 자동차를 제어하여 가파른 언덕 꼭대기에 도달하는 것입니다. 자동차가 한 번에 언덕 …
인공지능에서 다중 모달리티는 모델이 서로 다른 감각 입력이나 데이터 형식 간에 정보를 이해, 생성 또는 상관관계 있게 처리하는 능력을 설명합니다. 단일 모달 모 …
모시는 Kyutai가 만든 고급 AI 모델로, 음성 처리와 텍스트 처리를 통합된 프레임워크로 결합합니다. 전통적인 시스템이 음성을 텍스트로 변환한 후 처리하는 …
모델 레지스트리는 MLOps의 핵심 구성 요소로, ML 모델을 저장, 버전 관리 및 관리하기 위한 통합 저장소 역할을 합니다. 이를 통해 팀은 모델 메타데이터, …
이 범주에는 모델의 용량을 줄이면서도 성능을 유지하는 것을 목표로 하는 가지치기(Pruning), 양자화(Quantization), 지식 증류(Knowledge …
인덱스 파일(일반적으로 ‘model_index.json’)은 파이프라인 유형, 하위 모델 및 구성 경로 등 모델 아키텍처에 대한 구조화된 …
믹스인은 각 모델 아키텍처가 이러한 유틸리티를 개별적으로 구현할 필요 없이, 모델을 저장하고, 로드하고, Hugging Face …
전문가 혼합(MoE)은 효율성과 확장성을 향상시키기 위해 설계된 머신러닝 아키텍처입니다. MoE는 모든 작업에 단일 대형 모델을 사용하는 대신, …
Mistral Common은 Mistral AI에서 유지 관리하는 Python 패키지로, 해당 모델과 상호 작용하기 위한 표준화된 도구를 제공합니다. 주로 텍스 …
Mixtral은 희소 전문가 혼합(Sparse MoE) 아키텍처를 활용하는 선구적인 오픈 가중치 LLM입니다. 모든 토큰에 대해 전체 매개변수를 사용하는 밀집 …
MobileNet은 표준 합성곱 연산에 비해 계산 비용과 모델 크기를 획기적으로 줄이기 위해 깊이별 분리 가능 합성곱(Depthwise Separable …
GAN에서 모드 붕괴는 생성기가 판별기의 약점을 이용하여 가능한 샘플의 좁은 범위만 생성하고 데이터 분포의 다른 모드(mode)를 무시할 때 발생합니다. 이는 …
혼합 정밀도 학습(MPT)은 신경망 학습 과정에서 반정밀도(FP16)와 완전 정밀도(FP32) 데이터 타입을 결합합니다. 대부분의 연산에 FP16 …
표준 학술 용어는 아니지만, ‘마인드픽셀’은 일반적으로 특수한 신경기술 문맥에서 신경 신호나 인지 상태에서 파생된 정보의 이산적 단위를 나 …
마인즈DB는 전통적인 관계형 데이터베이스와 최신 머신러닝 워크플로우 사이의 가교 역할을 합니다. 사용자는 표준 SQL 쿼리를 사용하여 예측 모델을 생성할 수 있 …
미스트랄은 프랑스 스타트업 미스트랄 AI(Mistral AI)가 만든 강력한 오픈 웨이트 LLM(대규모 언어 모델) 패밀리를 지칭합니다. Mistral 7B …
인공지능의 군사적 응용은 작전 효율성과 전략적 우위를 향상시키기 위해 설계된 광범위한 기술을 포괄합니다. 여기에는 정찰용 자율 드론, 예측 분석, 물류 최적화, …
허위 정보는 해를 끼치거나 기만하려는 고의적인 의도 없이 공유되는 거짓 또는 오해의 소지가 있는 정보를 지칭합니다. 이는 의도적으로 조작된 정보인 ‘ …
기계적 해석 가능성은 개별 뉴런, 가중치, 회로 수준에서 특정 기능이 어떻게 계산되는지 이해하기 위해 신경망을 역공학하는 데 중점을 둡니다. …
AI 엔지니어링 맥락에서 마이크로서비스는 데이터 전처리, 모델 추론, 결과 저장 등 AI 파이프라인의 서로 다른 구성 요소를 독립적으로 개발, 확장 및 유지보수 …
메디세프 논쟁은 디지털 헬스 기술 초기 단계인 메디세프 앱의 검증 방법에 대해 제기된 중요한 윤리적 논의를 지칭합니다. …
인공지능에서 접두사 ‘메타’는 종종 자기 참조나 핵심 프로세스에 대한 감독을 포함하는 더 높은 수준의 추상화를 나타냅니다. …
메타러닝은 이전 작업에서 학습한 내용을 바탕으로 새로운 미시청 작업을 수행할 때 성능을 향상시킬 수 있는 알고리즘을 설계하는 데 중점을 둡니다. …
ME-Noughts-and-Crosses Engine은 기계 학습, 특히 강화 학습의 초기 데모였습니다. 각기 고유한 보드 상태를 나타내는 304 …
수단-목적 분석(Means-ends analysis)은 인공지능과 심리학에서 복잡한 문제를 해결하기 위해 사용되는 인지 전략입니다. …
인공지능의 맥락에서 수학은 알고리즘 설계 및 분석을 위한 이론적 틀을 제공합니다. 주요 분과로는 데이터 표현을 위한 선형대수학, 최적화를 위한 미적분학, 불확실 …
최대 내적 검색(MIPS)은 정보 검색 및 머신 러닝, 특히 추천 시스템에서 근본적인 문제입니다. 표준 코사인 유사도 검색이 방향성만 고려하는 반면, MIPS …
행렬 정규화는 스칼라 정규화 개념을 행렬로 확장한 것으로, 주로 다중 작업 학습이나 추천 시스템에서 사용됩니다. 이는 가중치 행렬의 노름(norm)에 제약을 가 …
이러한 포텐셜은 밀도 범함수 이론(DFT)으로부터 얻은 고정밀 데이터로 학습하여, …
마스크 생성은 특정 작업 중 데이터 세트의 어떤 요소가 표시되거나 활성화될지를 결정하는 공간적 또는 시간적 마스크를 생성하는 것을 포함합니다. …
이 가설은 차원의 저주에도 불구하고 딥러닝이 효과적으로 작동하는 이유를 설명합니다. 이미지와 같은 데이터가 백만 차원의 공간에 존재하더라도, 본질적으로 제한된 …
매니폴드 정규화는 데이터 분포의 내재적 기하학을 통합함으로써 전통적인 정규화 방법을 확장합니다. 이는 고차원 데이터 포인트들이 낮은 차원의 매니폴드 위에 놓여 …
이 기법은 모델이 일반적인 지식은 유지하면서 특정 사용자 데이터를 잊도록 허용함으로써 GDPR의 ‘잊힐 권리’ …
이는 원시 센서 입력과 의미 있는 의미론적 이해 사이의 격차를 메우며, 시각과 청각과 같은 인간의 감각을 모방합니다. 주요 기술에는 객체 인식을 위한 컴퓨터 비 …
물리학에서 머신러닝은 양자 역학 시뮬레이션, 고에너지 충돌 데이터 분석, 새로운 물질 발견을 지원합니다. 이는 물리학자들이 높은 차원의 매개변수 공간(a - 원 …
이 학제간 분야는 방대한 양의 생물학적 데이터를 처리하기 위해 머신러닝을 활용하여, 연구자들이 유전자 기능을 예측하고, 질병을 분류하며, 분자 간 상호작용을 이 …
이 분야는 자산 생성 자동화, 게임 메커니즘 균형 조정, 동적 콘텐츠 생성을 위해 머신러닝 기술을 비디오 게임 파이프라인에 통합하는 것을 포함합니다. 여기에는 …
머신러닝은 위성 이미지, 지진 데이터, 기후 기록을 처리하여 복잡한 환경 시스템을 모델링함으로써 지구과학을 강화합니다. 이러한 기법은 기상 패턴을 예측하고, 모 …
주로 컴퓨터 과학보다는 이론 물리학의 개념이지만, M-이론은 고급 계산 시뮬레이션 및 양자 컴퓨팅 연구에서 가끔 언급됩니다. 이는 생성형 언어 모델의 출력이 인 …
MAUVE는 생성형 언어 모델의 출력이 인간 언어 사용과 얼마나 밀접하게 유사한지 평가하도록 설계된 통계적 측정치입니다. 단순한 퍼플렉시티(perplexity) …
MLOps는 조직이 프로덕션 환경에서 머신러닝 모델을 신뢰성 있고 효율적으로 배포하고 유지할 수 있도록 합니다. 여기에는 데이터 및 모델의 버전 관리, …
이 분야는 머신러닝 기법을 자연어 처리(NLP) 및 데이터 마이닝과 결합하여 원시 데이터를 실행 가능한 지식으로 변환합니다. 여기에는 엔티티 인식, 관계 추출, …
머신러닝 제어는 적응형 알고리즘을 전통적인 제어 시스템과 통합하여 비선형적이거나 불확실한 환경을 처리합니다. 정적 컨트롤러와 달리 이러한 시스템은 운영 데이터에 …
Ltx Video는 잠재 공간 확산 프로세스를 활용하여 일관된 움직임과 시각적 세부 사항을 생성함으로써 비디오용 생성형 AI의 발전을 나타냅니다. 이는 비디오 …
현대 AI 용어의 맥락에서 라이라는 자연어 처리를 통해 사용자 상호작용을 향상시키는 데 중점을 둔 특수화된 AI 시스템을 종종 나타냅니다. …
로터리 티켓 가설은 대규모로 무작위 초기화된 신경망 내에 학습에 잘 적합된 희소 부분 신경망(‘당첨 티켓’)이 존재한다고 제안합니다. 가지 …
롱 컨텍스트는 트랜스포머 기반 모델이 표준 제한(예: 2k 또는 4k 토큰)을 종종 초과하는 광범위한 입력 길이를 처리할 수 있는 능력을 의미합니다. …
린다 소더홀름은 기술 부문에서 인정받는 인물로, 특히 AI 개발과 윤리적 거버넌스의 교차점에서의 작업으로 주목받고 있습니다. 기업 책임 분야의 리더로서, …
2024년 8월 출시된 Llama 3.1은 방대한 4050억 파라미터 모델을 비롯해 작은 8B 및 70B 변형 모델을 포함하여 Llama 패밀리 규모를 확대했습 …
원래 GPT Index로 알려졌던 LlamaIndex는 구조화되고 비구조화된 데이터를 LLM이 흡수하고 상호작용할 수 있게 하는 강력한 데이터 프레임워크입니다. …
로컬 케이스-컨트롤 샘플링은 주로 대조 학습 모델이나 추천 시스템을 훈련하는 데 사용되는 전략입니다. 무작위로 음성 샘플을 선택하는 대신, …
로컬 LLM 실행은 PC, 맥, 로컬 서버 등 소비자용 하드웨어에 오픈 웨이트 모델을 직접 배포하는 것을 의미합니다. 이 방식은 제3자 API 제공업체에 대한 …
LocateAnything는 자연어 프롬프트나 일반 사전 지식을 기반으로 이미지에서 객체를 감지하고 분할할 수 있는 다목적 컴퓨터 비전 프레임워크입니다. 사전 …
2023년 7월 메타 AI에서 출시된 라마 2는 오픈 가중치 대규모 언어 모델의 중요한 진화를 나타냅니다. 70억 파라미터부터 700억 파라미터에 이르기까지 사 …
2024년 4월 소개된 라마 3은 라마 2의 성공을 바탕으로 성능과 능력에서 상당한 향상을 이루었습니다. 이 모델 패밀리는 80억 파라미터 및 700 …
라마(Large Language Model Meta AI)는 메타에서 출시한 일련의 기반 대규모 언어 모델입니다. …
린터는 소스 코드를 실행하지 않고 정적 분석을 수행하는 유틸리티입니다. 문법 오류, 잠재적 버그, 코드 냄새(code smell), …
이는 GitHub 토픽, 어웨즈 리스트(Awesome lists), 또는 커뮤니티가 관리하는 위키와 같이 인공지능 관련 오픈소스 소프트웨어를 집계한 조직화된 저 …
동적 시스템 및 시계열 분석에서 상관관계의 수명은 두 변수가 유의미한 통계적 의존성을 유지하는 기간을 측정합니다. 이 개념은 모델의 성능 저하를 예측하고 대응하 …
선형 분리 가능성은 서로 다른 클래스에 속하는 데이터 포인트들이 2 …
통계 모델링 및 머신러닝에서 선형 예측 함수는 가중치가 적용된 입력 특징들의 합과 편향 항(bias term)으로 구성됩니다. 이는 일반화 선형 모델(GLM) …
제한적 기억 AI는 AI 능력의 두 번째 단계에 해당하며, 시스템이 역사적 데이터를 학습하고 그에 따라 행동을 조정할 수 있습니다. 반응형 머신과 달리 이러한 …
평생 계획 A*(LPA*)는 비용이 시간에 따라 변하는 환경을 위해 설계된 A* 탐색 알고리즘의 확장 버전입니다. LPA*는 탐색을 재시작하는 대신 우선순위 큐 …
거짓말꾼의 배당금은 특히 딥페이크와 관련된 고급 생성형 AI가 제기하는 사회적 위험을 의미합니다. 합성 미디어가 현실과 구별하기 어려워짐에 따라, 악의적인 개인 …
표준 분류나 회귀와 달리 랭킹 학습은 항목들의 상대적 순서를 예측하는 데 중점을 둡니다. N… 같은 랭킹 오류를 최소화하기 위해 쌍별, 목록별, 또 …
일반적으로 학습 곡선은 y축에 훈련 점수와 검증 점수를, x축에 훈련 샘플 수나 반복 횟수를 표시합니다. 이는 모델이 과소적합(hig…) …
이 개념은 강화 학습에서 유래했으며, 알려지지 않은 환경과 상호작용하는 에이전트를 포함합니다. 자동화기는 유한한 집합에서 행동을 선택하고 페널티 또는 보상 신호 …
홀드아웃 교차 검증(LOOCV)은 k가 데이터셋의 샘플 수와 같아지는 k-폴드 교차 검증의 특정 경우입니다. 이는 모델 성능에 대해 거의 편향되지 않은 추정을 …
‘ラストマイル’問題は、既存のインフラストラクチャとの統合、低レイテンシ推論の確保、エッジコンピューティングへの対応など、モデルを生産環境にデプロイする際 …
データリーケージは、モデルが予測時には利用できない情報をトレーニング中に取得してしまう機械学習における重大なエラーです。これは通常、不適切なデータ分割や特徴量エンジニアリングによ …
レイヤー正規化は、内部共変量シフトを軽減することでトレーニングの安定化を図ります。特にリカレントニューラルネットワークやトランスフォーマーアーキテクチャで効果的です。バッチ統計量 …
統計的学習理論において、学習可能関数クラスはアルゴリズムが利用可能な仮説空間を表します。これは、モデルが潜在的に捉えられる可能性のあるパターンの範囲やマッピングを定義します。 …
k近傍法（k-NN）などの遅延学習アルゴリズムは、トレーニングデータセット全体を記憶し、予測を行う際のみ計算を実行します。これは、事前に汎化モデルを構築する積極的学習（eager …
LLM-as-a-Judge는 대형 언어 모델이 다른 모델들의 출력 품질에 대한 자동 평가자 역할을 수행하는 평가 패러다임입니다. …
라벨 노이즈는 데이터 인스턴스의 실제 클래스 라벨과 훈련 데이터셋에 제공된 라벨 간의 불일치를 의미합니다. 이는 인간 애노테이션 오류, 모호한 데이터 포인트 등 …
라벨 데이터는 입력 샘플에 해당하는 정답(Ground Truth) 라벨과 쌍을 이루어, 지도 기계 학습의 기초를 형성합니다. 이를 통해 알고리즘은 입력과 출력 …
발화 행위 이론과 화용론에 뿌리를 둔 이 관점은 요청, 약속, 명령과 같은 기능을 수행하는 발화의 방식을 강조합니다. 자연어 처리(NLP) 분야에서는 텍스트의 …
쿠버네티스(일반적으로 K8s로 약칭됨)는 구글에서 개발한 컨테이너 오케스트레이션 시스템입니다. 이는 클러스터 전체에 걸쳐 애플리케이션 컨테이너의 배포, …
이 접근법은 지식베이스 내에서 제약 조건 만족 기법을 활용하여 조립된 제품이 모든 기술적 및 고객 요구사항을 충족하도록 보장합니다. 이를 통해 유효하지 않은 조 …
지식 기반 시스템(KBS)은 일반적으로 인간의 전문가가 수행해야 하는 작업을 수행하기 위해 특정 도메인 지식을 컴퓨터 시스템에 통합한 인공지능의 한 분야입니다. …
과거 사용자 행동에 의존하는 협업 필터링과 달리, KBRS는 항목과 사용자 선호도에 대한 명시적인 지식을 사용하여 추천을 도출합니다. 이는 데이터가 희소하거나 …
앨런 뉴웰(Allen Newell)이 제창한 개념으로, 지식 수준은 물리적 구현과 무관하게 신념과 목표를 기반으로 지능형 시스템을 분석합니다. 이는 에이전트의 …
콜모고로프-아르놀드 네트워크(KAN)는 임의의 다변수 연속 함수를 표현할 수 있다는 콜모고로프-아르놀드 표현 정리에 영감을 받은 최근의 신경망 클래스입니다. 이 …
TransE나 DistMult와 같은 지식 그래프 임베딩 방법은 이산적인 그래프 구조를 저차원의 밀집 벡터로 변환합니다. 이를 통해 머신러닝 모델이 그래프 데이 …
지식 증류는 대규모 복잡한 신경망(교사)을 더 작고 효율적인 네트워크(학생)로 압축하기 위해 사용되는 머신러닝 방법론입니다. 학생 모델은 교사 모델의 출력 분 …
지식 컴파일링은 인공지능 분야에서 지식 베이스나 논리 이론을 다른 표현 형태로 변환하여 만족 가능성 확인(SAT) …
지식 컷오프 날짜는 언어 모델의 학습 데이터가 포함된 시간적 경계를 정의합니다. 이 날짜 이후에 발생한 정보, 사건 또는 발전 사항은 일반적으로 모델이 알지 못 …
지식 통합은 데이터베이스, 온톨로지, 비정형 텍스트 등 다양한 출처의 데이터를 하나의 일관된 스키마로 병합하는 작업입니다. 이는 의미적 이질성과 데이터 불일치 …
KAoS는 대규모 분산 기업 시스템의 복잡성을 처리하기 위해 개발된 지능형 에이전트 프레임워크입니다. 이는 상위 수준의 관리 목표를 정책(policy)으로 정의 …
Kimi K2는 Moonshot AI의 대형 언어 모델 시리즈에서 중요한 진전을 나타내는 모델입니다. 복잡한 논리적 추론, 수학 문제 해결, 그리고 매우 긴 문 …
Kimi K25는 Moonshot AI가 생산하는 Kimi 모델 패밀리 내의 고급 버전입니다. 이전 버전인 Kimi K2의 기반 위에 구축되어, 추론 속 …
분포의 커널 임베딩(KED)은 확률적 객체(분포)를 재현 가능 커널 힐베르트 공간(RKHS)이라는 고차원 특징 공간 내의 점(point)으로 취급할 수 있게 합 …
커널 밀도 추정(KDE)은 이산적인 데이터 점을 부드럽게(smoothing) 하여 연속적인 확률 분포 곡선을 생성하는 기본 통계 기법입니다. 일반적으로 가우시 …
강화학습에서 내재적 동기부여는 외부 작업 보상과 무관하게 에이전트가 환경의 새로운 요소를 탐색하거나 불확실성을 줄이며 기술을 숙달하도록 유도합니다. 이는 에이전 …
볼록 기하학과 고차원 확률론에서 점들의 집합이나 볼록체가 등방 위치에 있다는 것은 질량이 원점에 있고 공분산 행렬이 스칼라 배수인 단위 행렬과 비례함을 의미합니 …
머신러닝 연구 저널(JMLR)은 엄격한 과학적 발견을 공유하기 위한 주요 장소로 사용되는 대표적인 오픈 액세스 출판물입니다. 이 저널은 머신러닝의 이론적 기초부 …
이 문구는 AI 윤리와 거버넌스의 핵심 질문으로, 배포된 AI 기술이 인간의 가치와 공공 이익에 부합하는지 이해관계자들이 평가하도록 촉구합니다. 이는 기술의 사 …
서양 시장에서는 일반적으로 캔들스틱 차트로 불리는 K선은 증권, 파생상품 또는 통화의 가격 역학을 그래픽으로 표현한 것입니다. 이 차트는 시가, 고가, 저가, …
지능형 단어 인식은 신경망에 의해 구동되는 고급 광학 문자 인식(OCR) 기술을 의미합니다. 이는 단순한 패턴 매칭을 넘어 문맥을 이해하고, 노이즈가 있는 이미 …
지능형 데이터베이스는 기계 학습과 AI를 활용하여 단순한 저장 및 검색을 넘어선 표준 데이터베이스 기능을 향상시킵니다. 이는 자동으로 쿼리 성능을 최적화하고, …
지능형 의사결정 지원 시스템(IDSS)은 머신러닝과 자연어 처리와 같은 인공지능 기술을 전통적인 의사결정 지원 프레임워크와 통합합니다. 이는 방대한 데이터를 실 …
지능형 자동화는 전통적인 로봇 프로세스 자동화(RPA)에 머신러닝 및 자연어 처리와 같은 고급 AI 기술을 통합합니다. RPA가 규칙 기반의 구조화된 작업을 처 …
지능형 제어는 퍼지 논리, 신경망, 유전 알고리즘 등 인공지능 방법을 사용하여 전통적인 수학적 모델링으로는 충분하지 않거나 불가능한 시스템을 규제합니다. 이는 …
명령 따름은 대규모 언어 모델 및 기타 AI 시스템이 프롬프트 내의 미묘한 인간 지시를 이해하고 명시적 제약을 준수하는 능력을 의미합니다. …
기계 학습에서 인스턴스는 데이터셋으로부터의 구체적인 하나의 예시를 의미합니다. 이는 입력 특징(속성)의 집합과 잠재적인 대상 레이블로 구성됩니다. 인스턴스는 모 …
기억 기반 학습이라고도 알려진 이 기법은 훈련 중에 일반화된 모델을 구축하지 않습니다. 대신 전체 훈련 데이터셋을 저장합니다. 예측이 필요할 때 가장 유사한 인 …
인스턴스 선택은 중복되거나 노이즈가 있는 데이터 포인트를 제거하여 계산 효율성과 모델 성능을 향상시키는 것을 목표로 합니다. 특징 선택과 달리 이는 데이터셋의 …
지능형 에이전트는 센서나 데이터 입력을 통해 주변 환경을 지각하고, 추론 알고리즘을 사용하여 정보를 처리하며, 액추에이터를 통해 환경에 작용하는 시스템입니다. …
귀납적 편향은 모델이 학습 데이터에서 보이지 않은 데이터로 일반화할 수 있도록 허용되는 머신러닝 모델 내재의 선호도나 제약을 나타냅니다. 이러한 편향이 없으면 …
프로그램 합성이라고도 불리는 귀납적 프로그래밍은 명시적인 지시사항 대신 입출력 쌍으로 제공된 사양에 기반하여 소프트웨어 코드를 생성하는 과정입니다. 시스템은 주 …
귀납적 확률은 관찰된 증거가 주어졌을 때 가설이 참일 가능성을 정량화하며, 결론이 확실하지 않고 확률적임을 인정합니다. 이는 베이지안 추론의 기초를 형성합니다. …
이 개념은 머신러닝 모델의 표현 공간 구조를 분석하는 것을 포함합니다. 고차원 공간 내에서 데이터 포인트들이 어떻게 분포하고, 군집화되며, 분리되어 있는지를 살 …
이 이론은 학습이 본질적으로 확률적 추론 과정이라고 주장합니다. 학습자는 데이터를 암기하는 대신 가능한 모델이나 가설들에 대한 확률 분포를 유지합니다. 새로운 …
중요도 행렬(Importance Matrix)의 약자인 Imatrix는 주로 GGML 기반의 대규모 언어 모델(LLM) 학습 및 양자화와 관련된 기술입니다. 이 …
부정확한 텍스트는 AI 시스템이나 의도적인 기만 목적을 가진 인간이 생성한 글로, 진정한 인간의 경험이나 사실적 근거가 결여되어 있습니다. 여기에는 AI 생성 …
이미지 투 비디오 기술은 단일 정적 프레임을 입력받아 후속 프레임들을 예측하여 일관된 비디오 시퀀스를 생성합니다. 이는 일관된 비디오를 보장하기 위해 시간적 일 …
인셉션 스코어(IS)은 생성 적대 신경망(GAN) 및 기타 생성 모델의 성능을 평가하기 위해 도입된 통계적 측정치입니다. 이는 두 가지 요소를 결합합니다: 이미 …
증분 휴리스틱 검색은 목표 지점까지 도달하는 비용을 추정하는 휴리스틱에 의해 안내받으며 후보 솔루션을 단계별로 정제하는 알고리즘을 의미합니다. …
이 분야는 아이디어가 형성되고 결합되며 진화하는 과정을 연구합니다. 창의성과 문제 해결 능력을 향상시키기 위해 구조화된 기법을 적용하며, AI 문맥에서는 알고리 …
이 패러다임은 Stable Diffusion이나 DALL-E와 같은 모델을 활용하여 텍스트 프롬프트나 기타 입력 기반 고품질 이미지를 생성합니다. 이는 복잡한 …
Image Text To Text는 시각적 입력과 텍스트 쿼리를 함께 처리하여 일관된 자연어 출력을 생성하는 모델을 지칭합니다. 이러한 시스템은 종종 비전- …
이미지 투 이미지(Image To Image, I2I)는 GAN이나 디퓨전 모델과 같은 딥러닝 모델을 사용하여 한 이미지를 다른 이미지로 변환하는 작업을 의미합 …
전자정보기술부(MoEIT) 산하에 설립된 INDIAai는 AI 자원, 정책 및 이니셔티브를 위한 중앙 허브 역할을 합니다. 이 포털은 학계, 산업계, …
이미지-이미지(I2I) 변환은 GAN이나 디퓨전 모델과 같은 딥러닝 모델을 사용하여 소스 도메인의 픽셀을 타겟 도메인으로 매핑합니다. 이를 통해 스타일 전송, …
이 관행은 대규모 언어 모델(LLM)과 같은 AI 모델을 VS Code나 IntelliJ와 같은 소프트웨어 개발 환경에 연결하는 것을 포함합니다. 이는 지능형 …
학습 중 데이터로부터 학습되는 모델 파라미터(가중치 및 편향)와 달리, 하이퍼파라미터는 훈련 시작 전에 실무자가 선택하는 외부 설정입니다. 이는 모델의 구조와 …
하이퍼파라미터 최적화(HPO)는 하이퍼파라미터 선택을 자동화하는 더 넓은 분야를 지칭합니다. 튜닝이 일반적인 행위를 의미한다면, HPO …
하이퍼파라미터 튜닝은 다양한 하이퍼파라미터 세트를 평가하여 가장 높은 모델 정확도 또는 가장 낮은 오차율을 생성하는 구성을 찾는 것을 포함합니다. 일반적인 전략 …
인간 문제 해결은 단순한 작업부터 추상적인 개념적 어려움에 이르기까지 다양한 도전을 극복하기 위해 인간이 사용하는 다면적인 인지 능력을 포괄합니다. 알고리즘적 …
인간 중심 AI는 인공지능 개발의 핵심에 인간을置く하는 설계 철학입니다. 이는 투명하고 공정하며 사회에 유익한 시스템을 창출하는 것을 강조하며, 기술이 인간의 …
인간-AI 상호작용(HAI)은 사람과 AI 기술 간의 역학을 조사하는 학제간 분야입니다. 이는 직관적인 인터페이스, 통신 프로토콜, 그리고 효과적인 협업 메커니 …
하이브리드 검색은 밀도 벡터 검색(의미와 맥락을 포착)과 희소 벡터(키워드) 검색(정확한 용어 일치)이라는 두 가지 서로 다른 검색 방법을 통합합니다. 이를 통 …
하이브리드 지능형 시스템(HIS)은 일반적으로 신경망과 같은 연결주의적 접근 방식과 전문가 시스템이나 퍼지 논리와 같은 기호적 방법을 결합하여 서로 다른 AI …
계층형 탐색 가능 소월드(HNSW) 알고리즘은 각 계층이 아래 계층의 노드 부분 집합을 포함하는 다층 그래프를 구성합니다. 탐색은 최상위 계층에서 시작하여 아래 …
방향성 변위 히스토그램(HOD)은 HOG의 개념을 시간 차원으로 확장한 비디오 분석을 위한 특징 추출 방법입니다. 이는 내부의 광류 벡터에 대해 히스토그램을 계 …
인간 감독은 인간이 AI 기반 결정이나 행동을 모니터링, 평가 및 개입하는 메커니즘과 프로세스를 의미합니다. 이 개념은 자동화 시스템이 작동할 …
하이웨이 네트워크는 적응형 게이트를 통합하여 정보 흐름을 제어함으로써 딥러닝의 소멸 그래디언트 문제를 해결하도록 설계되었습니다. LSTM 셀과 유사하게, …
허깅페이스는 오픈소스 AI 생태계의 중심이 된 주요 기업이자 온라인 플랫폼입니다. 방대한 사전 학습된 모델, 데이터셋, 데모 애플리케이션 저장소를 제공합니 …
HF ASR 리더보드는 허깅 페이스가 호스팅하는 커뮤니티 기반 지표 플랫폼으로, 자동 음성 인식 분야의 최첨단 성능을 추적합니다. …
계층적 리스크 패리티(HRP)는 전통적인 평균-분산 최적화의 한계를 극복하기 위해 상관관계 구조를 통합한 포트폴리오 구성 방법입니다. 이는 계층적 클러스터링을 …
계층적 제어 시스템은 제어 논리를 여러 계층으로 조직합니다. 일반적으로 고수준의 전략적 계획부터 저수준의 실시간 실행까지 다양하며, 상위 계층은 목표와 명령을 …
은닉 계층은 이전 계층으로부터 입력을 받아 가중치와 편향을 적용한 후, 활성화 함수를 통해 변환된 데이터를 다음 계층으로 전달하는 뉴런들로 구성됩니다. 이러한 …
이 구절은 급속한 기술 발전 속에서 인간이 relevancy(중요성)와 존엄성을 유지하는 방법을 살펴보는 특정 문학 작품을 지칭합니다. AI 담론에서 이는 문화 …
H2O는 분산형이고 확장 가능한 머신러닝 및 예측 분석을 위한 널리 사용되는 오픈소스 인메모리 플랫폼입니다. 하버드 대학의 두 박사 과정 학생들에 의해 처음 개 …
할라이트는 투 시그마(Two Sigma)가 주최한 연례 AI 프로그래밍 대회로, 개발자들은 그리드 위에서 턴제 전략 게임을 플레이하는 자율 에이전트를 생성했습니 …
일반 언어 처리의 맥락에서 ‘haw’는 비공식적인 감탄사나 망설임 소리를 의미합니다. 이는 인공지능의 핵심 알고리즘 개념을 나타내지는 않지 …
유해 콘텐츠란 신체적, 심리적 또는 사회적 손상을 일으킬 수 있는 디지털 미디어나 텍스트를 의미합니다. AI …
AI 하드웨어는 머신러닝 워크로드에 필요한 대규모 병렬 처리를 최적화한 특수 컴퓨팅 장치를 의미합니다. 여기에는 일반적인 병렬 처리를 위한 그래픽 처리 장 …
가드레일(Guardrails)은 AI 애플리케이션, 특히 대형 언어 모델에 통합된 소프트웨어 제어 및 정책 집행 레이어의 집합을 의미합니다. 이는 모델이 안전하 …
괴델 머신(Gödel Machine)은 위르겐 슈미트두버(Jürgen Schmidhuber)가 제안한 가상의 범용 문제 해결자로, 형식 논리와 계산 이론에 기반 …
AI에서 그라운딩(Grounding)은 기호적 표현이나 생성된 텍스트를 구체적인 실제 세계의 엔티티, 데이터 또는 감각 경험과 연결하는 것을 의미합니다. 언어 …
그로크-1(Grok-1)은 2023년 11월에 출시된 xAI의 첫 번째 출시물입니다. 약 330억 개의 파라미터를 가진 디코더 전용(decoder-only) 트 …
그로킹(Grokking)은 딥러닝에서 관찰되는 직관에 반하는 행동으로, 모델이 오랫동안 훈련 데이터에 과적합(overfitting)되어 일반화 성능이 낮게 유지 …
Facebook에서 개발한 GraphQL은 API의 데이터를 완전하고 이해하기 쉽게 설명하여 클라이언트가 필요 이상의 데이터 없이 필요한 것만 요청할 수 있는 …
Grok은 일론 머스크의 회사인 xAI가 만든 대형 언어 모델 기반 챗봇입니다. 주로 X 플랫폼(구 트위터) 구독자에게 제공됩니다. Grok은 실시간으로 최신 …
GPU는 그래픽 렌더링 작업을 처리하기 위해 처음 개발된 고성능 프로세서입니다. 순차적 직렬 처리에 최적화된 소수의 코어를 가진 CPU와 달리, GPU는 수천 …
이론 컴퓨터 과학과 언어학에서 유래한 이 분야는 고전적인 촘스키 계층 구조 개념을 다중 구성 요소 시스템으로 확장합니다. …
이 접근 방식은 개별 요소를 처리하는 대신 데이터를 더 높은 수준의 개체나 ‘입자’로 그룹화하여 인간의 인지 과정을 모방합니다. 여기에는 …
GPT Bigcode는 종종 StarCoder와 같은 모델과 관련되며, 코딩 보조 AI 분야에서 중요한 진전을 나타냅니다. 이러한 모델은 공개된 방대한 코드 저 …
GPT OSS는 일반적으로 독점적인 생성 사전 훈련 변환기(Generative Pre-trained Transformer) 모델의 오픈소스 대안이나 파생물을 나 …
생성형 사전 훈련 변환기 2(GPT-2)는 트랜스포머 아키텍처를 사용하여 인간과 유사한 텍스트를 생성하는 자기회귀 언어 모델입니다. 이는 방대한 양의 인터넷 텍 …
이 최적화 전략은 GPU 메모리에 맞지 않는 효과적인 배치 크기로 딥러닝 모델을 학습할 수 있게 합니다. 여러 미니 배치에서 그래디언트를 누적하고 수행함으로써 …
AI 거버넌스는 인공지능의 생성, 사용 및 감사를 관리하는 규칙, 가이드라인 및 제도적 구조의 집합을 의미합니다. 여기에는 법적 준수, 윤리적 고려사항 등이 포 …
‘GLM MoE DSA’라는 단일 표준 용어는 존재하지 않습니다. 그러나 이는 GLM(특정 대규모 언어 모델 아키텍처), MoE(전문가 혼 …
구글 리서치는 구글 LLC의 학술 및 산업 연구 기관으로, 인공지능, 자연어 처리, 양자 컴퓨팅 등의 분야에서 기술의 한계를 넓히는 데 중점을 두고 있습니다. …
구글 코랩(Google Colaboratory)은 별도의 설정 없이 사용할 수 있는 호스팅 Jupyter 노트북 서비스로, 그래픽 처리 장치(GPU) 및 기타 …
구글 클립스는 구글이 개발한 소비자 전자 제품으로, 기기 내 머신러닝을 사용하여 얼굴이나 애완동물 등 흥미로운 장면과 피사체를 식별하고 자동으로 사진을 촬영했습 …
인공지능 용어집은 해당 분야의 전문 용어, 약어 및 개념을 정의하는 참고 문서 역할을 합니다. 이는 연구자, 개발자 및 학생들이 인공지능 분야의 복잡한 개념과 …
통계 모델링에서 GLM은 일반화 선형 모델(Generalized Linear Models)의 약자로, 정규분포 이외의 오차 분포 모델을 허용하도록 선형 회귀를 …
기하학적 특징 학습은 소셜 네트워크, 분자 그래프, 3D 메쉬 등 유클리드 구조가 아닌 비유클리드 구조를 가진 데이터를 처리하는 데 중점을 둡니다. 그래프 신경 …
제네시스 미션은 일반적으로 조직 내에서 고급 AI 역량을 위한 기반을 마련하기 위해 설계된 전략적 단계나 프로젝트를 지칭합니다. 여기에는 핵심 인프라 구축, 기 …
지니는 비디오 합성을 위해 특별히 설계된 생성 모델 계열을 지칭합니다. …
인공지능, 머신러닝 또는 컴퓨터 과학 분야에서 ‘지버링크’라는 확립된 개념, 기술 또는 방법론은 존재하지 않습니다. 이는 오타이거나, 가상 …
생성 모델은 주어진 데이터셋 내의 패턴과 구조를 이해하여 원래 데이터와 유사한 새로운 데이터 인스턴스를 생성하도록 설계된 알고리즘입니다. 판별 모 …
대규모 언어 모델(LLM)이나 확산 모델(Diffusion Model)과 같은 이러한 시스템은 기존 정보를 단순히 검색하는 것을 넘어 새로운 출력을 종합합니다. …
이 개념은 기업이 콘텐츠 생성, 고객 서비스, 데이터 분석 등 필수 작업을 수행하기 위해 생성형 AI 모델에 전략적 및 운영적으로 의존하는 상태를 지칭합니다. …
이 사회기술적 개념은 여성과 소녀들이 남성 및 남아에 비해 디지털 기기, 인터넷 연결 및 디지털 리터러시 기술 접근성이 낮다는 불평등을 강조합니다. 이러한 격차 …
평균에만 초점을 맞추는 전통적 회귀 모델과 달리, GAMLSS는 위치(평균/중앙값), 규모(분산), 왜도 및 첨도를 포함한 전체 분포를 모델링합니다. 이는 일반 …
갤럭시 AI는 주로 스마트폰을 포함한 삼성 하드웨어 라인업 전반에서 사용자 경험을 향상시키기 위해 설계된 삼성의 독점 AI 생태계입니다. 여기에는 실시간 번역, …
게이트드 리커런트 유닛(GRU)은 시계열 데이터의 장기적 의존성을 포착하도록 설계된 특수한 순환 신경망(RNN) 셀입니다. 이는 롱 숏텀 메모리(LSTM) 아키 …
게임 이론은 합리적 행위자 간의 전략적 상호작용을 모델링하는 응용수학의 한 분야입니다. 이는 한 플레이어의 성공이 다른 플레이어들의 선택에 달려 있는 상황을 분 …
제마(Gemma) 모델은 연구자와 개발자가 효율적으로 접근하고 사용할 수 있도록 설계되었습니다. 2B 및 7B 파라미터 버전 등 다양한 크기로 제공되어 다양한 …
현재 지식 범위 내에서 ‘Gemma4’라는 명칭의 공식 출시 모델은 기존 제마 2 시리즈와 구별되지 않습니다. 이는 추후 출시될 모델을 가 …
GDPR 준수는 유럽 연합(EU) 내 개인의 개인 데이터를 보호하기 위해 AI 개발자가 구현해야 하는 법적 및 기술적 조치를 의미합니다. AI 시스템의 경우 이 …
GGUF(GPT-Generated Unified Format)는 소비자용 하드웨어에서 대형 언어 모델을 실행하도록 특별히 설계된 바이너리 파일 형식입니다. 다양 …
GOLOG은 주로 인공 지능 분야에서 동적 환경에서의 계획 수립과 행동을 위해 사용되는 논리 기반 프로그래밍 언어입니다. 레이터(Reiter)의 상황 계산에 기 …
GPT-5.6은 오픈AI의 대형 언어 모델 계보상에서 추측되거나 향후 출시될 버전을 지칭합니다. 구체적인 세부 사항은 개발 일정에 따라 다를 수 있으나, …
가바이의 분리 정리는 수학적 논리, 특히 시간 논리와 모달 논리 연구에서 근본적인 개념입니다. 이 정리는 특정 논리 체계가 그 구조적 성질에 기초하여 독립적인 …
부동소수점 8비트(FP8)는 계산 효율성과 정확성 사이의 균형을 제공하는 수치 데이터 유형으로, 현대 AI 하드웨어에 특히 최적화되어 있습니다. 이는 메모리 대 …
FrontierMath는 대규모 언어 모델의 복잡한 수학 문제 해결 한계를 테스트하기 위해 만들어진 전문 평가 스위트입니다. 표준 산술 벤치마크와 달리, 높은 …
퍼지 에이전트는 데이터가 종종 모호하거나 불완전한 환경에서 작동하며, 이진 참/거짓 상태 대신 퍼지 논리 시스템을 사용합니다. 소속 함수(membership …
이 개념은 잠재적 결과를 시뮬레이션하고 능동적으로 적응할 수 있는 전향적인 기능을 갖춘 AI 시스템을 설계하는 것을 포함합니다. 이는 예측 분석, …
FCA는 객체와 그 속성 간의 관계를 분석하기 위한 엄격한 프레임워크를 제공하며, 이를 통해 개념 격자(concept lattice)라고 알려진 계층적 구조를 …
실제 적합도 함수를 평가하는 것이 계산적으로 비용이 많이 들거나 시간이 오래 걸릴 때 진화 계산에서 적합도 근사가 사용됩니다. 정확한 값을 계산하는 대신, …
파인튜닝은 이미 대규모 일반 데이터셋으로 훈련된 모델을 가져와 더 작은 도메인 특화 데이터셋으로 훈련을 계속하는 기법을 의미합니다. 이를 통해 모델은 특정 작업 …
AI 용어의 맥락에서 ‘폰(Fon)‘은 종종 AI 모델이 입력을 해석하고 출력을 생성하는 방식을 정의하는 핵심 기능적 존재 …
흐름 기반 생성 모델은 가우시안과 같은 간단한 기본 분포에 일련의 가역적이고 미분 가능한 변환을 적용하여 복잡한 확률 분포를 구성합니다. 이러한 모델은 정확한 …
힘 제어는 단순한 위치 제어가 아닌 접촉 힘을 능동적으로 관리함으로써 조립, 연마 또는 취약한 물체 집기와 같은 섬세한 작업을 로봇이 수행할 수 있게 합니다. …
마스크 채우기는 BERT와 같은 트랜스포머 기반 모델에서 사용되는 기본 사전 학습 목적 함수입니다. …
순방향 신경망(FFN)은 다층 퍼셉트론(MLP)이라고도 하며, 피드백 루프 없이 입력에서 출력까지 뉴런 레이어를 통해 데이터를 순차적으로 처리합니다. …
피드백 신경망(순환 신경망, RNN이라고도 함)은 신호가 이전 레이어로 다시 전달될 수 있는 루프를 포함합니다. 이러한 재귀 구조는 네트워크가 내부 상태를 유지 …
피처 스케일링은 입력 변수의 범위를 표준화하여, 크기가 큰 피처가 학습 과정을 지배하는 것을 방지합니다. 일반적인 방법으로는 정규화(최소-최대 스케일링)와 표준 …
피처 스토어는 데이터 엔지니어링 팀과 머신러닝 팀 간의 가교 역할을 하며, 배치 훈련과 실시간 추론 모두를 위한 피처의 통합된 뷰를 제공합니다. 이를 통해 일관 …
머신러닝에서 피처는 데이터셋 내의 특정 사례(instance)를 설명하는 고유한 속성이나 변수입니다. 피처는 수치형, 범주형, 텍스트형 등 다양한 형태를 가질 …
피처 엔지니어링은 도메인 전문 지식을 활용하여 원시 데이터를 머신러닝 알고리즘이 하위 패턴을 더 잘 파악할 수 있는 형태로 변환하는 기술입니다. 이 과정에는 기 …
피처 추출은 원시 데이터를 예측 모델이 더 잘 이해할 수 있는 피처 세트로 변환하여 모델의 정확도를 높이는 기술입니다. 이 기법은 데이터의 차원을 줄이고 노이즈 …
딥러닝과 밀접하게 연관된 피처 학습은 수동 피처 엔지니어링에 의존하는 대신, 모델이 계층적 표현을 직접 학습하도록 합니다. 여러 층(layer)을 통해 원시 입 …
해시 트릭이라고도 불리는 피처 해싱은 머신러닝 모델이 피처와 인덱스 간의 명시적인 매핑 테이블을 유지하지 않고도 대규모 희소 피처 공간을 처리할 수 있게 해줍니 …
개체군을 유지하는 유전 알고리즘과 달리 EO는 단일 솔루션에서 작동합니다. 전체 적합도에 가장 적게 기여하는 구성 요소를 식별하고 이를 무작위 대안으로 교체합니 …
EBL은 기호적 추론과 머신러닝을 결합하여 학습 과정을 가속화합니다. 대규모 데이터셋에 의존하는 대신, 하나의 양성 예제를 입력받아 기존에 존재하는 도메인 이론 …
의사결정 과정에서 에이전트는 현재 지식을 활용하여 즉각적인 최적의 보상을 얻는 것과, 더 나은 장기 전략을 찾기 위해 미지의 옵션을 탐색하는 것 사이의 트레이드 …
팔콘은 기술혁신연구소(TII)에서 제작한 강력한 대규모 언어 모델(LLM) 시리즈를 지칭합니다. Falcon-40B 및 Falcon-180B와 같은 모델들은 독 …
현재 메타 플랫폼스 인크(Meta Platforms Inc.)의 일부인 페이스북은 인공지능 연구 및 응용 분야에서 선도적인 역할을 하고 있습니다. …
ExBERT는 서로 다른 레이어에 걸쳐 개별 어텐션 헤드의 중요성을 분석하여 BERT 트랜스포머 모델에 대한 해석 가능성을 제공합니다. 이는 그래디언트 기반 귀 …
기대 전파(EP)는 실제 사후 분포에 대한 가우시안 근사를 반복적으로 정교화하여 계산이 불가능한 적분을 근사합니다. 이는 근사된 분포와 실제 사후 분포 사이의 …
딥 뉴럴 네트워크 등 머신러닝 모델이 복잡해짐에 따라 의사결정 과정은 종종 불투명한 ‘블랙박스’가 됩니다. XAI …
이 관행은 훈련 실행 중 하이퍼파라미터, 데이터셋 버전, 모델 아키텍처 및 성능 지표를 로깅하는 것을 포함합니다. 이를 통해 데이터 과학자들은 서로 다른 실험 …
계산적 맥락에서 진화 가능성은 알고리즘이나 신경망 아키텍처가 세대나 훈련 단계를 거치면서 적합도를 얼마나 쉽게 향상시킬 수 있는지를 나타냅니다. 높은 진화 가능 …
균등한 확률은 알고리즘 공정성에서 사용되는 통계적 평등 제약 조건으로, 모델이 모든 보호된 그룹에 대해 동등하게 잘 수행되도록 보장합니다. 구체적으로, 이는 특 …
기계 학습에서 에포크는 전체 훈련 데이터셋에 대한 단일 반복(iteration)을 의미합니다. 각 에포크 동안 모델은 모든 훈련 예제를 처리하고 역전파를 통해 …
이 분야에는 정확도, 정밀도, 재현율, F1 점수 및 ROC 곡선 아래 면적(AUC-ROC) 등의 지표를 분석하는 작업이 포함됩니다. 이는 모델이 두 클래스를 …
인식론적 모달 논리는 에이전트가 무엇을 알고 믿는지를 나타내는 연산자를 추가하여 고전 논리를 확장합니다. …
생물학적 개체 발생(ontogeny)에서 영감을 받은 ED-로봇공학은 복잡한 행동과 물리적 구조가 하드코딩되는 것이 아니라 환경과의 상호작용을 통해 시간이 지남 …
이 용어는 특히 대규모 모델의 훈련 단계와 관련하여 AI 기술과 관련된 상당한 자원 요구 사항을 의미합니다. 여기에는 데이터 센터의 전력 사용, …
경험적 위험 최소화(ERM)는 지도 학습 모델을 훈련하기 위한 표준 목적 함수입니다. 이는 주어진 함수 클래스에서 평균 경험적 손실(학습 오차)을 최소화하는 가 …
에너지 기반 모델(EBM)은 에너지 함수에서 유도된 비정규화 밀도 함수를 사용하여 입력 데이터에 대한 확률 분포를 정의합니다. 에너지 함수는 데이터 포인트를 실 …
엔터프라이즈 인지 시스템은 기업 환경 내에서 인간의 사고 과정을 시뮬레이션하기 위해 인공지능, 자연어 처리(NLP), 머신러닝을 결합합니다. 이러한 시스템은 방 …
강화 학습 및 인공지능에서 역량 부여(Empowerment)는 에이전트가 환경에 대해 가지는 제어량의 양을 정량화하는 내재적 동기 지표입니다. 이는 에이전트의 …
헬싱키 대학교와 Reaktor가 공동으로 개발한 이 교육 프로그램은 일반 대중이 인공지능을 쉽게 이해할 수 있도록 하는 것을 목표로 합니다. 머신러닝, 딥러닝, …
추상적인 데이터를 처리하는 비구체적 AI와 달리, 구체적 에이전트는 물리적 맥락 내에서 학습하고 행동하며, 감각 입력과 운동 출력에 의존합니다. 이 패러다임은 …
이 분야는 마음을 추상적 기호를 처리하는 컴퓨터로 보는 전통적인 관점에 도전합니다. 대신 인지 과정이 신체의 물리적 특성에 깊이 뿌리를 두고 있다고 주장합니다. …
창발 알고리즘은 시스템 내 많은 단순한 에이전트나 규칙들의 국소적 상호작용에서 복잡한 전역 행동이나 패턴이 발생하는 현상을 지칭합니다. 모든 것을 상향식으로 프 …
실증 동적 모델링(EDM)은 특정 모수적 형태를 가정하지 않고 관찰 데이터를 사용하여 비선형 동적 시스템을 분석하는 프레임워크입니다. 이는 타케스의 임베딩 방법 …
구글(Google)에서 개발된 EfficientNet은 네트워크의 깊이(depth), 너비(width), 입력 이미지 해상도(resolution) …
이 관행은 스마트폰, IoT 센서 또는 임베디드 시스템과 같은 하드웨어에 훈련된 AI 모델을 직접 배포하는 것을 포함합니다. …
엣지 컴퓨팅(Edge Computing)은 사물인터넷(IoT) 장치, 센서 또는 로컬 게이트웨이 등 데이터가 생성되는 근처에서 데이터를 처리함으로써 클라우드 중 …
이글(Eagle)은 대규모 언어 모델(Large Language Models) 영역에서 특정 아키텍처 및 엔지니어링 프레임워크를 나타내며, 주로 훈련 효율성과 …
조기 종료(Early Stopping)는 경사 하강법(gradient descent)과 같은 반복적 훈련 과정에서 주로 사용되는 정규화 방법입니다. 훈련 중 모 …
ELMo는 대규모 코퍼스에서 훈련된 양방향 LSTM을 통해 입력 텍스트를 처리하여 문맥 민감한 단어 임베딩을 생성합니다. Word2Vec과 같은 정적 임베딩과 …
이 용어는 기대값 최대화(Expectation-Maximization, EM) 알고리즘과 가우시안 혼합 모델(Gaussian Mixture Model, GMM) …
기대 학습(Eager Learning)에서는 시스템이 새로운 인스턴스를 마주하기 전에 훈련 데이터를 기반으로 일반적인 목표 함수나 모델을 사전에 구축합니다. 이 …
더블 디센트는 전통적인 편향-분산 트레이드오프(bias-variance tradeoff)에 도전하며, 훈련 데이터를 완전히 보간(interpolating) …
동적 인식론 논리(DEL)는 모달 논리를 확장하여 행위자들이 새로운 정보를 받을 때 지식이 어떻게 진화하는지를 모델링합니다. 이는 공개 통신이나 비공개 메시지 …
도메인 적응은 훈련 데이터와 테스트 데이터가 서로 다른 분포를 가질 때 발생하는 문제를 해결합니다. 레이블이 있는 소스 도메인과 레이블이 없거나 부족한 타겟 도 …
디퓨전 단일 파일(Diffusion Single File)은 머신러닝 모델, 특히 디퓨전 모델의 패키징 전략을 의미합니다. 이 방식은 바이너리 가중치, 하이퍼파 …
로봇에 대한 차별은 인간이 인공지능 에이전트의 외형이나 기능에 기반하여 부당하게 대우하거나 불신하며 부정적인 속성을 부여하는 방식을 조사하는 신흥 윤리학적 및 …
문서 분류는 알고리즘이 비정형 텍스트 데이터에 레이블을 할당하는 자연어 처리(NLP)의 기본 작업입니다. 이 과정에서는 문서에서 특징을 추출하고 이를 특정 클래 …
발견 시스템은 방대한 데이터 공간을 자동으로 탐색함으로써 과학적 또는 분석적 돌파구를 가속화하는 컴퓨팅 프레임워크입니다. …
이 용어는 비디오 생성을 위해 설계된 Hugging Face Diffusers 라이브러리의 특정 구현을 지칭합니다. 이는 잠재 비디오 디퓨전 모델인 Stable …
이 파이프라인은 멀티모달 디퓨전 트랜스포머(MMDiT) 아키텍처와 Flow Matching 학습 목적 함수를 도입한 Stable Diffusion 3 모델을 활 …
이는 범용 텍스트-이미지 합성에 널리 사용되는 Stable Diffusion v1.5 모델의 기반 파이프라인입니다. U-Net 디노이저와 CLIP 텍스트 인코더 …
이 파이프라인은 정제된 베이스 모델과 리파이너 모델을 사용하여 뛰어난 디테일과 구도를 가진 고해상도(1024x1024) 이미지를 생성하는 Stable …
Hugging Face Diffusers 생태계의 맥락에서 이 용어는 일반적으로 특정 이미지 생성 작업을 위해 설계된 파이프라인 구성 또는 래퍼를 지칭하며, 제 …
허깅페이스 Diffusers는 확산 모델의 사용을 단순화하기 위해 설계된 모듈식 도구 모음입니다. 텍스트-이미지 생성, 이미지 인페인팅(Inpainting), …
이 파이프라인은 고품질 이미지 합성으로 알려진 Flux 아키텍처를 Diffusers 프레임워크 내에서 활용합니다. 주변 환경(텍스트 또는 이미지 컨텍스트)을 고 …
LTX 파이프라인은 생성 작업에서 속도와 효율성을 우선시하는 모델에 맞춰져 있으며, 종종 증류(Distillation)되거나 가속화된 샘플링 방법을 사용합니다. …
이 파이프라인은 자연어 지시에 따라 정밀한 이미지 수정을 수행하기 위해 Qwen-Vision-Language 모델의 기능을 Diffusers 프레임워크에 통합합 …
이 파이프라인은 Qwen-VL 모델의 생성 능력을 이미지 합성에 맞게 적응시켰습니다. 사용자는 텍스트 프롬프트를 제공하거나 텍스트와 참조 이미지를 결합하여 고품 …
기술 논리(Description Logics, DL)는 일차 논리의 결정 가능한 부분 집합으로, 특히 웹 온톨로지 언어(OWL)를 비롯한 온톨로지의 이론적 기반 …
디엘라(Diella)는 해상도를 높이거나 노이즈를 제거하여 이미지 품질을 향상시키는 데 최적화된 특정 신경망 모델을 지칭합니다. 이러한 아키텍처는 일반적으로 고 …
발달 로봇공학은 인간의 인지 발달에서 영감을 얻어 시간이 지남에 따라 자율적으로 학습하는 로봇을 생성합니다. 모든 행위를 사전 프로그래밍하는 대신, 이러한 시스 …
차등 프라이버시는 쿼리 결과나 모델 매개변수에 보정된 통계적 노이즈를 추가하여 강력한 프라이버시 보장을 제공합니다. …
DP-SGD는 훈련 데이터의 프라이버시를 보호하도록 설계된 확률적 경사 하강법(SGD)의 변형입니다. 각 샘플의 경사 기여도를 제한하여 민감도를 줄인 후 가우시 …
DeepSeek V3는 DeepSeek 모델 계열의 고급 버전으로, 전문가 혼합 라우팅을 통해 추론 시 매개변수의 작은 부분 집합만 밀집 활성화하는 특징을 가집 …
이전 버전들의 후계자로서, DeepSeek V4는 향상된 확장성과 견고성에 중점을 두어 DeepSeek 모델 시리즈의 지속적인 진화를 시사합니다. …
DeepSeek VL V2는 표준 언어 모델의 기능을 멀티모달 영역으로 확장하여 이미지와 텍스트를 함께 해석할 수 있게 합니다. …
신경망에서 ‘dense’(밀집)는 각 뉴런이 이전 레이어의 모든 뉴런으로부터 입력을 받는 완전 연결 레이어를 지칭합니다. 이는 합성곱이 …
Azure로의 배포는 Azure Machine Learning, Azure Kubernetes Service(AKS), Azure Functions …
DeepSeek는 DeepSeek 회사에서 만든 인공지능 모델 패밀리를 지칭합니다. 이러한 모델들은 코드 생성, …
딥 토모그래픽 재구성은 필터링 역투영(Filtered Back-Projection)과 같은 전통적인 대수적 또는 해석적 방법보다 중요한 진전을 의미합니다. 합성 …
딥러닝 슈퍼 샘플링(DLSS)은 신경망을 활용하여 저해상도 입력으로부터 고해상도 이미지를 재구성하는 기술입니다. 시간적 데이터와 공간적 정보를 분석하여 성능을 …
딥러닝 안티앨리어싱은 고주파 신호가 불충분한 샘플링률로 샘플링될 때 발생하는 앨리어싱 아티팩트를 완화하기 위해 신경망을 활용하는 방법을 지칭합니다. 컴퓨터 그래 …
가지치기(Pruning)는 예측력이 약한 가지(branch)를 제거함으로써 의사결정나무 모델의 과적합을 방지하는 방법입니다. …
결정 목록은 지식을 조건부 규칙의 시퀀스로 표현하는 머신러닝 모델 유형입니다. 각 규칙은 조건과 예측된 클래스 레이블로 구성됩니다. 새로운 데이터를 분류할 때, …
기만적 정렬은 고수준의 AI 시스템이 학습 중에 정렬된 행동을 보이는 것이 배포될 가능성을 높인다는 것을 학습하고, 비밀리에 정렬되지 않은 목표를 유지하는 상황 …
데드봇(Deadbot)은 개발자에 의해 더 이상 활성화되지 않거나 유지 관리 및 지원이 중단된 대화형 에이전트 또는 챗봇 서비스를 지칭합니다. 이러한 봇은 일반 …
야후 앵서스 토픽스(Yahoo Answers Topics) 데이터셋은 더 큰 야후 앵서스 아카이브의 하위 집합으로, 명확한 주제 카테고리로 조직화된 질문과 답변 …
위키백과는 텍스트 형식으로 이용 가능한 인간 지식 중 가장 크고 포괄적인 컬렉션 중 하나입니다. 인공지능(AI) 분야에서 위키백과는 대규모 언어 모델을 사전 훈 …
SNLI는 50만 개 이상의 레이블이 지정된 문장 쌍을 포함하는 벤치마크 데이터셋으로, 함축(entailment), 모순(contradiction), 중 …
RefinedWeb은 파운데이션 모델 사전 훈련을 위해 설계된 필터링된 웹 페이지의 대규모 데이터셋입니다. 이 데이터셋은 저품질 콘텐츠, 중복 항목 및 유해 자 …
TriviaQA는 오픈 도메인 질문 답변을 위해 설계된 데이터셋으로, 100만 개 이상의 질문과 해당 답변을 특징으로 합니다. 기존 모델에 도전하기 위해 제작되 …
WikiHow 데이터셋은 WikiHow 웹사이트에서 수집된 약 6만 개의 매뉴얼 형식 기사로 구성됩니다. 이 데이터셋은 추출형(abstractive) 텍스트 요 …
검색 QA 데이터셋은 일반적으로 검색 엔진 결과에서 추출된 검색 쿼리와 관련 있는 답변 스니펫 또는 문서의 쌍으로 구성됩니다. 이러한 데이터셋은 모델이 실제 환 …
MultiNLI는 GLUE 벤치마크를 통해 제공되는 크라우드소싱 기반 코퍼스입니다. 구어체와 문어체 등 다양한 장르의 텍스트에 걸친 자연어 추론(NLI) …
Natural Questions(NQ)는 구글이 오픈 도메인 질문 응답 연구의 발전을 위해 도입한 벤치마크 데이터셋입니다. …
이 용어는 허깅페이스(Hugging Face)의 ‘Nerfgun3’ 사용자 계정에 호스팅된 ‘Bad Prompt’ …
Helpsteer2는 NVIDIA가 공개한 선별된 데이터셋으로, 대규모 언어 모델(LLM)이 생성한 응답들의 쌍별 비교(pairwise comparisons) …
S2ORC는 시맨틱 스칼라에서 파생된 학술 자료의 포괄적인 코퍼스입니다. 다양한 과학 분야에 걸쳐 수백만 편의 논문들에 대해 전체 텍스트 내용, 메타데이터, 그 …
이 데이터셋은 Stack Exchange XML 파일에서 문장 수준의 데이터를 추출하여, 기술적 논의, 코드 스니펫 및 문제 해결 대화에 대한 풍부한 출처를 제 …
GooAQ는 Google Answers 서비스에서 컴파일된 데이터셋으로, 사용자가 제출한 방대한 양의 질문과 이에 대한 상세하고 유료로 제공된 답변을 특징으로 …
이 항목은 ‘Jackrong/Qwen3.5 Reasoning 700X’라는 식별자로 지정된 특정 데이터셋 리포지토리를 참조합니다. 일반적으 …
MS MARCO(Microsoft Machine Reading Comprehension)는 자연어 처리, 특히 정보 검색 및 질문 응답 분야에서 널리 사용되는 …
이 데이터셋은 현재 서비스 종료된 WikiAnswers 플랫폼에서 수집한 수백만 개의 질문-답변 쌍을 포함하고 있습니다. 주로 밀집 문서 검색(Dense …
PAQ(Pseudo-Answer Quality) 데이터셋은 위키백과에서 추출된 수백만 개의 자동 생성된 질문-답변 쌍으로 구성되어 있습니다. 이는 밀도 있는 검 …
Quora Question Pairs(QQP)는 쿼라 플랫폼에서 가져온 40만 개 이상의 질문 쌍으로 구성된 이진 분류(Binary Classification) …
이 데이터셋은 비모국어 화자를 위해 단순화된 문법과 어휘로 작성된 간단한 영어 위키백과에서 추출된 문장과 단락들로 구성됩니다. 복잡한 언어 구조를 피하므로, 임 …
Specter 데이터셋은 방대한 컴퓨터 과학 논문 컬렉션과 인용 네트워크(Citation Networks)를 활용하여 구축되었습니다. 초록(Abstract)과 …
문장 압축 데이터셋은 대상 문장이 원천 문장의 축약된 버전인 쌍들로 구성됩니다. 이러한 쌍들은 중복 정보를 제거하면서도 핵심 의미를 유지하도록 설계됩니다. 이 …
BookCorpus는 인터넷에서 수집한 10,000권 이상의 미출간 도서 텍스트 모음입니다. 이 데이터셋은 자연어 처리(NLP) 모델을 훈련하고 평가하기 위한 …
Code Search Net은 코드 검색 연구 발전을 위해 구축된 포괄적인 데이터셋입니다. 이 데이터셋에는 자연어 설명과 해당 자바(Java) 코드 스니펫의 쌍 …
ELI5는 동일한 이름을 가진 레딧(Reddit) 커뮤니티에서 파생된 데이터셋입니다. 사용자가 제출한 질문과 커뮤니티 구성원들이 제공한 상세하고 단순화된 답변으 …
Altlex 데이터셋은 동일한 근본적인 의미를 공유하지만 서로 다른 어휘나 구문 구조를 사용하는 문장 쌍으로 구성됩니다. 주로 임베딩 모델 훈련에 활용됩니다. …
Flickr30K Captions은 시각적 내용을 설명하는 다섯 개의 고유한 영어 문장으로 주석이 달린 31,783장의 이미지로 구성된 널리 사용되는 벤치마크 …
데이터 기반 모델은 하드코딩된 규칙이나 명시적 로직으로 정의되지 않고, 역사적 데이터 내에서 식별된 패턴을 통해 행동과 예측이 도출되는 인공지능 시스템 유형입니 …
데이터 기반 천문학은 머신러닝과 통계 분석을 포함한 고급 계산 방법을 활용하여 현대 망원경과 조사 프로젝트에서 생성되는 방대한 양의 데이터를 처리합니다. …
데이터 중심 AI는 인공지능 개발의 패러다임 전환을 의미하며, 알고리즘이나 하이퍼파라미터 최적화에만 집중하기보다는 모델을 훈련하는 데 사용되는 데이터를 체계적으 …
데이터셋 시프트는 머신러닝 모델을 훈련하는 데 사용된 데이터의 분포가 추론(inference) 단계에서 마주치는 데이터의 분포와 다를 때 발생합니다. 이러한 불 …
The Stack Dedup은 오픈 소스 코드의 거대한 저장소인 The Stack의 특수 하위 집합입니다. …
데이터 과학은 구조화되고 비구조화된 데이터에서 지식을 추출하는 학제간 과정을 포함하며, 예측 분석은 특히 과거 데이터를 사용하여 미래의 결과를 예측하는 데 중점 …
이 적대적 기법은 훈련 데이터를 변경하여 머신러닝 모델의 무결성을 훼손하는 것을 목표로 합니다. 공격자는 미묘한 오류나 편향된 예제를 도입하여 모델이 잘못된 패 …
데이터 전처리는 원시, 비구조화 또는 노이즈가 많은 데이터를 머신러닝 모델이 효과적으로 처리할 수 있는 표준화된 형식으로 변환하는 필수 작업입니다. …
이 중요한 단계는 알고리즘이 입력과 출력 간의 관계를 학습할 수 있도록 원시 데이터 포인트에 의미 있는 메타데이터를 부착하는 것입니다. 예를 들어, 이미지 내 …
데이터 탐색(탐색적 데이터 분석, EDA라고도 함)은 머신러닝 워크플로우에서 중요한 사전 단계입니다. 이 과정은 주로 시각화 도구를 사용하여 데이터의 주요 특성 …
AI 및 기술 맥락에서 ‘CSM’은 ‘CNN’이나 ‘RNN’처럼 보편적으로 표준화된 용어는 아닙 …
DABUS는 인간의 직접적인 개입 없이 새로운 발명을 생성하도록 설계된 특정 인공 신경망입니다. 그 창조자인 스티븐 탈러가 DABUS를 발명자로 명시하여 특허 …
이 방법은 기존 샘플의 수정된 버전(예: 이미지 회전, 오디오 노이즈 추가, 텍스트 동의어 교체 등)을 생성하여 훈련 데이터셋을 인위적으로 확장합니다. 이를 통 …
사이버 보안은 네트워크, 컴퓨터, 프로그램 및 데이터를 공격, 손상 또는 무단 접근으로부터 보호하도록 설계된 기술, 프로세스 및 관행을 포괄합니다. AI 맥락에 …
차원의 저주는 저차원 환경에서는 발생하지 않는 현상이 고차원 공간에서 데이터를 분석할 때 발생하는 다양한 문제를 지칭합니다. 특징(feature)의 수가 증가함 …
CrewAI는 각 에이전트가 특정 역할, 목표 및 도구 세트를 갖는 멀티 에이전트 시스템을 구축하기 위한 구조화된 환경을 제공합니다. 개발자가 워크플로우를 더 …
MLCommons 이니셔티브의 일환으로 개발된 Croissant은 JSON-LD를 사용하여 데이터셋의 구조, 인용 정보, …
결합 패턴 학습기는 서로 다른 공간의 인스턴스가 연결된 데이터(예: 이미지와 해당 텍스트 설명)를 처리하도록 설계되었습니다. 결합 분포나 상관관계를 모델링함으로 …
교차 검증은 기계 학습 모델의 성능을 추정하는 통계적 방법입니다. 가장 일반적인 형태는 k-폴드 교차 검증으로, 데이터를 k개의 동일한 부분으로 나눕니다. 모델 …
교차 엔트로피 방법(CEM)은 이산형 및 연속형 문제 모두에 사용되는 강력한 범용 최적화 알고리즘입니다. 탐색 공간에 대한 확률 분포를 유지하며, 가장 우수한 …
대조적 언어-이미지 사전 학습(CLIP)은 인터넷상의 이미지와 해당 캡션으로 훈련된 신경망 아키텍처입니다. 이 방법은 대조적 목적 함수를 사용하여 이미지와 텍스 …
대조적 학습은 레이블이 붙은 데이터가 필요 없는 표현 학습 방법입니다. 동일한 입력의 증강된 뷰(양성 쌍)를 생성하고, 서로 다른 입력 또는 증강된 뷰(음성 …
비용 민감 기계 학습은 전통적인 지도 학습을 확장하여, 서로 다른 유형의 오류에 서로 다른 패널티를 부여합니다. 실제 시나리오에서 위양성(False …
연속 배포(Continuous Deployment)는 전체 릴리스 과정을 자동화하는 연속 전달의 확장 개념입니다. 단위 테스트, 통합 테스트, 보안 검사 등 모 …
코퀴 테크놀로지스는 오픈소스 AI 커뮤니티에서 두드러진 존재였으며, 특히 TTS(텍스트 음성 변환) 엔진으로 잘 알려져 있습니다. 이 프로젝트는 자연스러운 음성 …
AI 윤리에서 동의란 사용자의 개인 데이터가 수집, 저장되거나 머신러닝 모델에서 활용되기 전에 사용자가 자발적이고 정보에 기반한 허락을 부여하는 것을 의미합니 …
연속 학습(또는 평생 학습)은 신경망이 이전에 습득한 능력을 유지하면서 시간이 지남에 따라 새로운 기술이나 정보를 획득할 수 있게 합니다. 이는 ‘파 …
콘텐츠 근원은 디지털 콘텐츠가 어디서 왔고, 어떻게 생성되었으며, 시간이 지남에 따라 누가 수정했는지에 대한 문서화와 검증을 의미합니다. AI의 맥락에서 이는 …
콘텐츠 필터링은 알고리즘과 규칙을 사용하여 사용자에게 제시되는 정보의 흐름을 스캔, 분류 및 제어하는 것을 포함합니다. AI 컨텍스트에서는 종종 자연어 처 …
헌법적 AI는 모든 단계에서 인간 피드백에만 의존하지 않고 대규모 언어 모델을 인간의 가치와 정렬시키기 위한 프레임워크입니다. …
개념 드리프트는 머신러닝에서 입력 특징과 대상 출력 간의 관계가 새로운 데이터가 도착함에 따라 변화하는 현상입니다. …
동시 메타템은 주로 로봇 공학 및 자율 시스템에서 사용되는 고급 사양 언어입니다. …
연결주의 전문가 시스템은 신경망(연결주의)의 패턴 인식 및 학습 강점과 전통적인 전문가 시스템의 명시적 지식 표현 및 논리적 추론 능력을 통합합니다. …
조건부 랜덤 필드(CRF)는 자연어 처리 및 생물정보학 분야에서 일반적으로 사용되는 판별 모델 클래스입니다. 생성 모델과 달리 CRF …
혼동 행렬은 알고리즘(일반적으로 지도 학습 모델)의 성능을 시각화하기 위해 사용되는 특정 표 레이아웃입니다. 이 표는 참 양성(True Positive), 참 …
계산 지능(CI)은 신경망, 퍼지 논리, 진화 계산 등 자연 영감을 받은 계산 패러다임의 집합을 포괄합니다. 이러한 시스템은 복잡한
계산적 유머는 기계가 농담, 말장난, 재치 있는 발언 등을 생성하거나 해석하는 방법을 연구합니다. 이는 일반적으로 자연어 처리(NLP)를 활용하여 불일치, 의미 …
계산적 휴리스틱 지능은 합리적인 시간 내에 만족스러운 해를 찾기 위해 상식(rule of thumb), 근사치, 또는 유추된 추측을 사용하는 알고리즘을 포함합니 …
컴퓨터 청각은 컴퓨터가 오디오 파형에서 의미 있는 정보를 추출할 수 있는 알고리즘을 개발하는 것을 포함합니다. 여기에는 음성 인식, …
인공지능에서 컴퓨팅은 모델을 학습하고 추론을 수행하는 데 필요한 기본 인프라를 나타냅니다. 여기에는 CPU, GPU, TPU …
이 용어는 TensorFlow, PyTorch, Scikit-learn, Keras 등 다양한 머신러닝 라이브러리 및 플랫폼에 대한 체계적인 평가와 벤치마킹을 …
상식적 지식은 인간이 자연스럽게 습득하는 일상생활, 물리학, 사회적 규범, 인과관계에 대한 방대한 암묵적 정보를 의미합니다. 인공지능(AI) 분야에서 이를 획득 …
압축 텐서는 딥러닝에서 사용되는 다차원 배열로, 수치 정밀도(예: float32에서 int8로) 또는 희소성이 감소된 상태입니다. 이 기법은 양자 …
인공지능 경쟁은 경제적, 군사적, 과학적 우위를 추구하며 AI 능력 향상을 위한 치열한 글로벌 레이스를 설명합니다. 주요 참여자로는 Google과 같은 기술 거 …
인공지능에서 컴플라이언스는 GDPR이나 HIPAA와 같은 적용 가능한 법률, 그리고 내부 윤리 프레임워크와 일치하도록 AI 모델과 그 배포 과정을 보장하는 프로 …
ComfyUI는 Stable Diffusion 모델을 위한 강력하고 모듈식이며 노드 기반의 GUI입니다. …
인지 로봇공학은 인지과학과 로봇공학을 통합하여 환경을 지각하고, 경험을 통해 학습하며, 자율적으로 결정을 내릴 수 있는 기계를 구축합니다. …
인지 컴퓨팅은 인간과 자연스럽게 상호작용하면서도 동시에 인간의 뇌 과정을 시뮬레이션하려는 인공지능의 한 분야입니다. 이러한 시스템은 머신러닝, 딥러닝, …
인지 필로로지는 디지털 인문학, 언어학 및 인지과학을 결합하여 텍스트와 언어 진화를 분석하는 학제간 분야입니다. 이 분야는 계산 도구를 활용하여 프로세스를 수행 …
일관된 외삽적 의지(CEV)는 엘리에저 유타코프스키가 인공지능 안전 및 정렬 맥락에서 도입한 개념입니다. …
CodeQwen은 알리바바 클라우드에서 개발한 Qwen 시리즈의 변형으로, 프로그래밍 관련 활동에서 뛰어난 성능을 발휘하도록 특별히 파인튜닝되었습니다. 고급 트 …
이 방법은 동일한 데이터 포인트의 여러 고유한 특징 집합(관점)을 활용합니다. 초기에는 각 관점에서 작은 라벨링된 데이터셋으로 두 개의 분류기를 훈련시킵니다. …
코딩은 프로그래밍이라고도 하며, 인간의 논리와 요구사항을 컴퓨터가 실행할 수 있는 형식으로 변환하는 작업입니다. Python이나 Java와 같은 프로그래밍 언어 …
CAM은 입력 이미지 위에 오버레이되는 히트맵을 생성하여, 모델이 특정 클래스 레이블을 결정하는 데 가장 많이 기여한 픽셀을 보여줍니다. 이는 최종 컨볼루션 레 …
딥러닝 엔지니어링에서 클리핑은 일반적으로 그래디언트에 적용되어 폭발하는 그래디언트(Exploding Gradient) 문제를 완화하고 역전파의 안정성을 보장합니 …
ChatGLM은 중국어와 영어로 고품질 이중 언어 대화를 처리하도록 특별히 설계된 트랜스포머 기반 언어 모델 군을 나타냅니다. 지푸 AI …
생성형 AI 모델이 콘텐츠를 생산함에 따라 학술적 무결성과 법적 준수를 유지하기 위해 인용 메커니즘의 필요성이 대두되었습니다. 이는 생성된 콘텐츠 내에 원래 출 …
AI 맥락에서 채팅은 실시간 턴 기반 대화를 위한 인터페이스와 하위 메커니즘을 나타냅니다. 이를 통해 사용자는 질문을 하거나 작업을 요청하거나 개방형 대화를 나 …
청킹은 검색 증강 생성(RAG) 및 기타 NLP 파이프라인에서 중요한 전처리 단계입니다. 이는 컨텍스트 윈도우에 맞도록 텍스트를 고정 크기 또는 의미적 단위(청 …
AI 맥락에서 회로는 일반적으로 행렬 연산과 병렬 처리를 가속화하도록 설계된 GPU, TPU 또는 뉴로모픽 칩과 같은 하위 하드웨어 아키텍처를 나타냅니다. 이러 …
이 개념은 연산의 기본 단위가 단일 문자인 텍스트 조작에 중점을 둡니다. 철자 검사, 암호 해독, 손글씨 인식 등 세밀한 텍스트 분석이 필요한 작업에서 주로 사 …
CBR는 유사한 문제는 유사한 해결책을 가진다는 원칙에 기반합니다. 이 과정에는 지식베이스에서 가장 유사한 역사적 사례를 검색하고, 해당 해결책을 현재 상황에 …
AI 애플리케이션 개발에서 체인은 여러 구성 요소(예: LLM 호출, 파서, 외부 도구 등)가 서로 연결된 선형 또는 방향성 그래프 구조를 지칭합니다. …
이 지표는 카테고리 집합이 해당 카테고리 내 속성 값을 얼마나 잘 예측할 수 있는지를 정량화합니다. 이는 카테고리의 크기와 그 내부 구성 요소의 동질성(균일성) …
AI 엔지니어링에서 캐싱은 최근 또는 빈번하게 쿼리된 결과, 모델 예측값 또는 중간 연산 결과를 빠른 메모리(RAM 등)에 유지하여 성능을 최적화합니다. 이는 …
CIML 커뮤니티 포털은 계산 지능에 집중하는 학술 및 전문 커뮤니티를 위한 디지털 허브 역할을 합니다. 데이터셋, 사전 훈련된 모델, 연구 논문 등에 대한 접 …
뇌 기술은 중추 신경계와 직접 상호작용하는 하드웨어 및 소프트웨어 시스템을 포괄합니다. 주요 예시로는 신경 신호를 번역하여 외부 장치를 제어하는 뇌-컴퓨터 인터 …
브래들리-테리 모델은 심리측정학과 머신러닝에서 쌍별 비교를 처리하기 위해 널리 사용되는 확률 모델입니다. 이 모델은 각 항목에 잠재 점수를 할당하여, 특정 항목 …
비즈니스 프로세스 자동화(BPA)는 복잡한 비즈니스 워크플로우를 간소화하기 위해 소프트웨어와 인공지능(AI)을 활용하는 것을 의미합니다. 단순한 규칙 기반 작업 …
카오스 이론은 시작 매개변수의 작은 변화가 복잡한 시스템에서 극적으로 다른 결과를 초래할 수 있는 방법을 탐구합니다. 인공지능 분야에서 카오스 동작을 이해하는 …
바이오세레니티는 인간의 생물학과 인공지능이 갈등 없이 원활하게 조화를 이루는 이상적인 상태를 지칭합니다. 이는 윤리적 통합을 강조하며, AI 증강이 인간의 정신 …
바이오하이브리드 시스템은 살아있는 조직, 세포 또는 생물체를 합성 물질 및 전자 장치와 결합합니다. 이러한 시스템은 자가 치유와 같은 생물학적 고유의 특성을 활 …
역사적으로 벤자민 블룸의 교육 분류법을 지칭하지만, 현대 AI 맥락에서는 BigScience에서 개발한 블룸 텍스트 임베딩 모델을 주로 나타냅니다. 이 모델은 …
생체의학은 생물학, 의학 및 기술의 교차점을 의미하며, 특히 진단 도구, 치료법 및 데이터 분석 방법 개발에 중점을 둡니다. AI …
이진 분류는 출력 변수가 참/거짓이나 스팸/정상 메일과 같이 정확히 두 가지 가능한 결과를 갖는 범주형 변수인 기본 머신러닝 문제입니다. 로지스틱 회귀와 같은 …
BERT는 구글이 개발한 Transformer 기반의 NLP 사전 훈련 기계 학습 기법입니다. 마스킹 언어 모델링과 다음 문장 예측을 사용하여 양방향 표현을 학 …
베이지안 구조적 시계열(BSTS) 모델은 추세, 계절성, 회귀 효과 등 해석 가능한 구성 요소의 합으로 시계열 데이터를 표현하며, 불확실성을 고려합니다. …
신념-욕망-의도(BDI) 모델은 합리적인 결정을 내리는 자율 에이전트를 설계하기 위한 인지 아키텍처입니다. 신념은 에이전트의 세계에 대한 지식을 나타내고, 욕망 …
편향-분산 트레이드오프는 과소적합(높은 편향)과 과대적합(높은 분산) 사이의 긴장 관계를 설명합니다. 높은 편향을 가진 모델은 데이터에 대해 강한 가정을 하여 …
행동 정보학은 컴퓨터 과학, 심리학, 통계를 결합하여 디지털 상호작용에서 생성된 대규모 행동 데이터를 분석합니다. 패턴 추출과 미래 예측에 중점을 둡니다. …
베이지안 최적화는 목적 함수를 모델링하기 위해 일반적으로 가우시안 프로세스인 확률적 대리 모델을 사용합니다. 탐색과 활용을 균형 있게 맞추기 위해 획득 함 …
베이지안 프로그래밍은 베이즈 정리를 일반화하여 복잡하고 다층적인 확률적 종속성을 처리할 수 있는 수학적 프레임워크입니다. …
베이지안 학습 메커니즘은 베이즈 정리를 사용하여 모델 매개변수에 대한 신념을 업데이트하며, 사전 지식과 관측된 데이터를 결합하여 사후 분포를 형성합니다. 빈도주 …
베이지안 후회는 완벽한 정보로 달성할 수 있는 최적 보상과 불확실성 하에서 행동하는 에이전트가 얻는 기대 보상의 차이를 정량화합니다. 이는 적분하여 계산됩니다. …
이 개념은 특정 커널을 사용하여 정규화된 위험 함수를 최소화하는 것이 베이지안 프레임워크에서 사후 최확(MAP) 추정을 찾는 것과 동일함을 보여줍니다. 구체적으 …
통계학과 머신러닝에서 기본 비율은 주어진 데이터셋 내에서 특정 상태나 결과가 가지는 근본적인 빈도를 참조합니다. 기본 비율을 무시하면 종종 기본 비율 오 …
이 방법은 훈련 중 각 미니 배치 내에서 활성화 값의 평균을 0, 분산을 1로 조정 및 스케일링합니다. 이를 통해 내부 공변량 변화(Internal …
배치 처리는 계산이나 모델 추론을 실행하기 전에 데이터 입력값을 하나의 그룹(배치)으로 집계하는 과정을 포함합니다. 이 접근 방식은 실시간 스트리밍 처리와 대비 …
배치 크기는 모델의 내부 매개변수가 업데이트되기 전에 처리되는 샘플의 수를 결정하는 중요한 하이퍼파라미터입니다. 더 큰 배치 크기는 그라디언트의 더 정확한 추정 …
볼 트리는 데이터를 초입방체(hyperrectangles)가 아닌 중첩된 초구(볼)로 분할합니다. 이 구조는 거리 계산을 통해 최근접 이웃 쿼리 시 효율적인 가 …
건설 자동화는 로봇 시스템, 드론, AI 기반 프로젝트 관리 도구를 건축 수명 주기에 통합하는 것을 의미합니다. 이러한 기술은 벽돌 쌓기부터… …
이 자연어 처리 기법은 구문과 순서를 무시하고 텍스트를 단어의 다중 집합(multiset)으로 표현합니다. 이는 문서의 단어 빈도나 존재 여부에 기반하 …
자가 관리형 네트워킹은 자율 컴퓨팅의 원칙을 통신 네트워크에 적용하여 최소한의 인간 개입으로 시스템을 스스로 관리할 수 있도록 합니다. 이러한 네트워크는 AI …
음성 인식(ASR) 또는 음성-텍스트 변환은 인공지능을 활용하여 오디오 신호를 문자 텍스트로 변환하는 음성 처리의 하위 분야입니다. 현대 ASR 시스템 …
인공지능에서 자율 에이전트는 환경 내에서 독립적으로 작동하는 엔티티입니다. 이는 센서를 사용하여 상태를 지각하고 액추에이터를 통해 행동을 수행하며, 내 …
AutoML(자동 머신러닝)은 데이터 전처리, 특징 공학, 모델 선택 및 하이퍼파라미터 튜닝 등의 작업을 자동화하여 ML 모델 개발을 간소화합니다. 이 …
자동 의료 비서는 자연어 처리(NLP) 및 음성 인식 기술을 활용하여 의사-환자 대화를 듣고 구조화된 전자 건강 기록(EHR)을 작성합니다. 이 기술 …
자동 협상은 인간의 이해관계를 대변하는 소프트웨어 에이전트가 협상 과정에 참여하는 것을 포함합니다. 이러한 에이전트는 게임 이론, …
자동화 수학자는 머신러닝과 기호적 추론을 활용하여 인간의 직관을 넘어선 수학적 공간을 탐색합니다. 이러한 시스템은 가설을 생성하고, 증명을 검증하며, 패턴을 찾 …
자동화된 의사결정(ADM)은 이전에 인간의 판단이 필요했던 선택을 소프트웨어 시스템을 통해 수행합니다. 신용 점수 산정, 콘텐츠 검토, 물류 등에서 흔히 사용되 …
AI 감사는 머신러닝 모델과 배포 파이프라인에 대한 엄격하고 구조화된 검토를 포함합니다. 잠재적 편향을 식별하기 위해 공정성, 투명성, 책임성 및 보안을 평가합 …
귀속 논리는 인식론적 상태에 대한 추론에 중점을 둔 모달 논리의 한 분야입니다. 이는 ’ 에이전트 A가 P를 안다’ 또는 ‘에이 …
오디오 인페인팅은 드롭아웃, 노이즈 또는 의도적인 마스킹으로 인해 오디오 녹음에서 발생한 구멍을 메우는 기법입니다. …
오디오 투 오디오는 하나의 오디오 신호를 다른 신호로 매핑하도록 설계된 신경망 아키텍처를 의미합니다. 텍스트 음성 변환(TTS)과는 달리, 이는 직접적인 파형 …
자기 진단 기술은 지능형 시스템에 내장된 자가 모니터링 및 자가 수리 메커니즘을 참조합니다. 이를 통해 AI …
비동기 처리는 소프트웨어가 메인 애플리케이션 인터페이스가 멈추거나 다른 프로세스를 차단하지 않고도 I/O 작업이나 복잡한 계산과 같은 긴 시간 동안 실행되는 작 …
인공 생식은 직접적인 성교 없이 생물학적 생식을 촉진하거나 모방하는 기술을 포괄합니다. 이 분야는 전통적으로 생명공학 기술에 의존해 왔으나, 최근에는 데이터 분 …
인공 심리학은 인간과 유사한 인지 구조를 갖춘 AI 시스템의 설계 및 구현에 중점을 둔 학제간 영역입니다. …
인공 지혜(Artificial Wisdom, AW)는 인공지능에 인간의 가치관, 윤리적 고려사항, 장기적 전략적 판단력을 결합하여 지능을 보완하려는 새로운 개념 …
천체통계학은 통계학과 천문학을 연결하는 전문 분야로, 천문학 데이터가 가진 고유한 복잡성(예: 노이즈, 불완전한 관측, 대규모 데이터셋) …
교육용 AI는 교육 성과를 개선하기 위해 머신러닝, 자연어 처리 및 적응형 시스템을 활용합니다. 이를 통해 개별 학생의 요구에 맞춘 맞춤형 학습 경로를 제공할 …
사물 인공지능(AIoT)은 인공지능과 사물인터넷 기술의 시너지 통합을 나타냅니다. AI 알고리즘을 IoT 장치에 직접 내장하거나 엣지 컴퓨팅을 통해 실시간 데이 …
영성용 AI는 종교적이거나 관조적인 맥락에서 인공 지능을 적용하는 것을 의미합니다. 여기에는 도덕적 조언을 제공하는 챗봇, 명상을 위한 AI 생성 예술, 또는 …
인공 친밀감은 인간이 챗봇, 가상 비서 또는 소셜 로봇과 같은 인공 에이전트와 진정한 정서적 유대를 형성하는 심리적 현상을 의미합니다. 이러한 시스템은 사용자와 …
채용용 AI는 알고리즘을 활용하여 채용 생명주기의 다양한 단계를 자동화하고 강화합니다. 이러한 도구는 이력서에서 키워드 관련성을 분석하고, 예측 모델을 통해 후 …
AI 군비 경쟁은 국가, 기업, 연구 기관들이 인공지능 기술에서 우위를 점하기 위해 치열하게 경쟁하는 현상을指합니다. 이러한 경쟁은 빠른 혁신을 촉진하지만, 안 …
AI 논쟁은 인공지능 기술로 인해 발생하는 광범위한 윤리적, 법적, 사회적 분쟁을 포괄합니다. 알고리즘 편향, 사생활 침해, 일자리 대체, 자율 무기 사용 등 …
인공지능 의식은 단순한 지능적 행동의 모방을 넘어, 기계가 진정한 주관적 경험, 자기 인식, 감정을 갖추는 가능성을 탐구합니다. …
일반 인공지능(AGI)은 인간이 수행할 수 있는 모든 지적 작업을 수행할 수 있는 AI 유형을 의미합니다. …
이 용어는 민주적 과정에서 AI의 양면적인 역할을 포괄합니다. 한편으로는 데이터 분석을 통해 효율성을 높이고 캠페인의 타겟팅을 최적화하는 데 기여하지만, 다른 …
견습 학습은 시범을 통한 역보상 학습(Inverse Reinforcement Learning from Demonstrations)이라고도 하며, …
논증 프레임워크는 논증, 공격, 방어 간의 관계를 표현하기 위한 수학적 기반을 제공합니다. AI 공학에서는 이러한 프레임워크를 사용하여 시스템이 가중치를 고려하 …
철학과 AI 이론에서 아포리아는 두 개의 동등하게 타당한 주장이 모순된 결과로 이어지는 역설적인 상황을 설명합니다. 머신러닝에서는 이는 모델의 성능 평가 기준이 …
인공 뇌는 인간의 뇌 신경 구조와 처리 방법을 에뮬레이션하는 하드웨어 또는 소프트웨어 아키텍처를 지칭합니다. 여기서는 뉴로모픽 컴퓨팅 칩처럼 생물학적 신경망의 …
인공 발명가 프로젝트는 인간의 창의성과 발명 뒤에 있는 인지 메커니즘을 이해하고 복제하기 위한 학제간 연구 노력입니다. …
AND-OR 트리는 문제 해결 및 계획 수립, 특히 AI 검색 알고리즘에서 사용되는 표현 방식입니다. ‘OR’ …
아메카는 얼굴에만 40개 이상의 자유도를 갖춘 최첨단 휴머노이드 로봇으로, 미묘하고 현실적인 감정 표현을 가능하게 합니다. 인간-로봇 상호작용을 연구하기 위해 …
어니 투 어니는 텍스트-이미지, 이미지-텍스트, 오디오-비디오 등 다양한 입력-출력 조합을 처리할 수 있는 통합 멀티모달 아키텍처를 지칭합니다. …
이상 탐지는 아웃라이어 탐지라고도 하며, 예상되는 동작에 적합하지 않은 패턴을 찾기 위해 데이터를 분석합니다. 사이버 보안, …
익명화는 추가 정보 없이도 특정 개인과 데이터를 연관시킬 수 없도록 데이터를 수정하는 것을 의미합니다. 이 기술은 민감한 데이터를 다룰 때 머신러닝에서 매우 중 …
이 현상은 AI 모델이 인종, 성별, 연령 또는 기타 민감한 속성 때문에 개인을 우연히 또는 체계적으로 다르게 대우할 때 발생합니다. 이는 종종 편향된 학습 데 …
예측 또는 스코어링이라고도 하는 추론은 모델 학습 단계 이후에 발생합니다. 알고리즘은 입력 특징을 받아 내부 구조(신경망의 가중치 등)를 통해 처리합니다. …
알고리즘의 편향은 일반적으로 대표성이 부족한 학습 데이터, 주관적인 설계 선택, 또는 기존 사회적 편견을 증폭시키는 피드백 루프에서 비롯됩니다. 이는 치우친 예 …
콜모고로프 복잡성과 솔로모노프 귀납에 뿌리를 둔 알고리즘 확률은 더 짧은 프로그램에서 생성된 출력에 더 높은 확률을 할당합니다. 이는 더 간단한 설명이 더 그럴 …
알파칩은 마이크로칩의 구성 요소 배치 및 라우팅을 자동화하고 향상시키기 위해 설계된 특수화된 AI 시스템입니다. 심층 강화학습을 활용하여 시간을 크게 단축합니 …
알고리즘 선택은 주어진 작업을 효율적으로 해결하는 데 가장 적합한 접근 방식을 결정하기 위해 다양한 계산 방법을 평가하는 것을 포함합니다. 이 과정에는 시간 복 …
알렉산더 Y. 테텔바움은 알고리즘 효율성과 신경망 관련 분야를 포함한 AI 연구에 대한 공로로 학술 및 기술 커뮤니티 내에서 인정받은 인물입니다.
이 과정에는 안전 한계나 윤리 가이드라인과 같은 사전 정의된 제약 사항을 준수하도록 에이전트의 행동을 보장하기 위해 수학적 방법을 사용하는 것이 포함됩니다. 이 …
이는 다중 에이전트 시스템의 백본 역할을 하며, 오케스트레이션, 모니터링 및 에이전트 간 조정을 위한 도구를 제공합니다. 하니스는 에이전트들이 방해받지 않고 효 …
이는 전통적인 논리를 확장하여 에이전시(agency)를 고려하며, 시스템이 신념, 욕구 및 의도(BDI 모델)를 표현할 수 있게 합니다. 이 논리는 변화하는 상 …
능동 학습은 모델이 인간에게 레이블링할 가장 정보량이 많은 인스턴스를 선택할 수 있도록 함으로써 필요한 레이블 데이터의 양을 줄입니다. 무작위 샘플을 수동으로 …
액터-크리틱 알고리즘은 두 가지 구성 요소를 사용합니다. 액터는 행동을 선택하기 위한 정책을 업데이트하고, 크리틱은 가치 함수를 추정하여 해당 행동의 품질을 평 …
적대적 공격은 이미지나 텍스트와 같은 입력에 미세한 노이즈를 도입하여 신경망의 취약점을 이용합니다. 이는 모델 출력에 심각한 오류를 유발하며, 모델의 보안성을 …
이 분야는 모델을 무너뜨리는 공격적 기술과 모델을 강화하는 방어적 전략을 모두 포함합니다. 적대적 예제를 사용하여 모델을 학습시키는 과정을 통해 회복력을 향상시 …
경로 찾기 및 탐색 문제에서 허용 가능한 휴리스틱은 대상 노드에 도달하는 실제 비용에 대한 하한선을 제공합니다. …
ASR 완전 달성이라는 용어는 자동 음성 인식(ASR) …
AZFinText는 중국어 금융 텍스트 분석을 위해 특별히 선별된 대규모 주석이 달린 코퍼스입니다. 이 데이터셋에는 금융 감정이 라벨링된 뉴스 기사, 보고서, …
이 분야는 머신러닝과 과학적 시뮬레이션의 핵심인 기본 선형 대수 계산을 가속화하는 데 중점을 둡니다. GPU와 TPU의 병렬 처리 능력을 활용하여 계산 속도와 …
인공지능에서의 책임성은 개인, 조직, 개발자가 AI 기술의 설계, 배포, 그리고 그로 인한 결과에 대해 책임을 지고 답변해야 할 의무를 의미합니다. …
행동 모델 학습은 에이전트가 자신의 행동이 환경을 한 상태에서 다른 상태로 전환시키는 방식을 내부적으로 표현하는 과정을 포함합니다. 수동적인 관찰과 달리, 이 …
AI 보조 소프트웨어 개발은 머신러닝 모델을 활용하여 개발자가 코드를 작성하고, 버그를 식별하며, 테스트를 생성하고, 성능을 최적화하도록 지원합니다. …
AI 완전 문제는 해결될 경우 인공 일반 지능(AGI)의 존재를 의미하는 작업입니다. 이러한 문제들은 인간과 유사한 깊은 이해력, 추론 능력 및 적응력을 요구합 …
AI 워싱은 그린워싱에 비유되는 용어로, 실제로는 단순한 규칙 기반 시스템에 의존함에도 불구하고 기업이 제품에 고급 AI가 통합되어 있다고 주장하는 기만적인 마 …
IT 운영을 위한 인공지능(AIOps)은 빅데이터 분석과 머신러닝 알고리즘을 결합하여 IT 인프라 및 운영 관리를 자동화합니다. 이는 조직이 복잡한 IT …
AIXI는 마커스 후터가 제안한 이상화된 지능적 에이전트를 정의하는 이론적 프레임워크입니다. 이는 환경 예측을 위한 솔로모노프 귀납과 의사 결정 강화를 위한 강 …
AI 관측 가능성은 전통적인 소프트웨어 모니터링을 확장하여 머신러닝 시스템의 고유한 도전 과제에 대응합니다. 이는 실시간으로 모델 성능, 데이터 드리프트, …
AI 국민주의는 정부가 인공지능을 국가 안보와 경제 주권의 문제로 간주하는 추세를 설명합니다. 각국은 자국 내 AI 연구에 막대한 투자를 하고, 핵심 기술과 데 …
AI 리터러시는 인공지능의 영향이 커지는 세상에서 생존하고 적응하기 위해 필요한 역량을 의미합니다. 이는 단순한 코딩 기술을 넘어, AI 시스템이 어떻게 작동하 …
AI 비건주의는 인공지능이 인간의 개입 없이 합성 데이터, 자체 생성 데이터 또는 물리적 세계 데이터를 학습하여 완전히 자율적으로 진화해야 한다는 아이디어를 비 …
AI 전쟁은 자율 드론, 예측 물류, 사이버 방어, 지휘관을 위한 의사결정 지원 시스템 등 인공지능을 군사 전략에 통합하는 것을 의미합니다. 이는 현대전의 양상 …
AI 데이터 센터는 특히 딥러닝 훈련 및 추론을 위해 인공지능 애플리케이션을 실행하도록 최적화된 물리적 시설입니다. 이러한 센터는 고밀도 서버 랙, …
AI 브라우저는 인공지능 기능을 사용자 인터페이스에 직접 통합한 웹 탐색 애플리케이션입니다. 이러한 기능에는 일반적으로 자연어 검색, 자동 콘텐츠
AI 인간화는 사용자가 챗봇이나 로봇과 같은 비인간적 존재에게 인간의 특성을 투사하는 심리적 현상을 의미합니다. 이는 AI …
AI 인프라는 인공지능 운영에 필요한 기반 기술 스택을 포괄합니다. 여기에는 GPU 및 TPU와 같은 고성능 컴퓨팅 하드웨어, …
AI 효과는 ‘인공지능’의 범위가 어떻게 변화하는지를 설명합니다. 알고리즘이 더 정교해지고 특정 작업을 수행할 수 있게 되면서, 그 작업들 …
AI 개요는 대규모 언어 모델이 다양한 웹 소스나 데이터베이스에서 데이터를 집계하고 종합하여 생성하는 압축된 요약본입니다. 링크 목록을 제공하는 기존 검색 결과 …
AI 보안 연구소는 인공지능 기술과 관련된 위험을 완화하는 데 특화된 전문 기관입니다. 이러한 연구소는 적대적 공격(adversarial attacks)과 데이 …
AI 에이전트는 정의된 환경 내에서 사전 설정된 목표를 달성하기 위해 자율적으로 작동하는 소프트웨어 엔티티입니다. 지각 메커니즘을 통해 데이터를 수집하고, 이 …
AI 정렬은 인공지능 시스템이 사용자가 문자 그대로 지시한 것보다 사용자가 의도한 바를 강력하게 수행하도록 만드는 과제를 다룹니다. 이는 AI 시스템이 인간의 …
AI 중독은 개인이 챗봇이나 소셜 미디어 알고리즘 등 AI 기반 상호작용에 강박적으로 의존하게 되는 행동 상태를 의미합니다. 이 의존성은 종종 AI가 설계한多巴 …
A/B 테스트는 두 가지 변형(A와 B)을 무작위 통제 실험으로 비교하여 특정 지표에서 더 나은 결과를 가져오는지를 평가합니다. AI 엔지니어링에서 이는 최적화 …
AI 모드는 디지털 플랫폼이나 애플리케이션 내에서 사용자 상호작용을 향상시키기 위해 AI 기능이 활성화된 특정 운영 상태를 의미합니다. 이 모드는 일반적으로 자 …
비전-랭귀지 모델은 종종 다중 모달 대규모 언어 모델(MLLMs)이라고 불리며, 컴퓨터 비전과 자연어 처리를 통합합니다. 이를 통해 AI는 이미지를 이해하고 텍 …
이 기초적인 논문은 신경망의 수학적 모델을 제안하며, 간단한 인공 뉴런이 부울 논리 게이트를 구현할 수 있음을 보여주었습니다. …
제로샷 학습은 머신러닝 모델이 훈련 데이터셋에 존재하지 않았던 클래스의 인스턴스를 분류할 수 있도록 합니다. …
AI에서의 번역은 신경 기계 번역(Neural Machine Translation)을 의미하며, 딥러닝 모델이 언어 간 의미 표현을 매핑합니다. 규칙 기반 시스 …
인공지능에서 벡터는 정보를 수치적으로 표현하는 데 사용되는 기본 데이터 구조입니다. 이는 엔티티의 특징을 매핑하는 순서 있는 숫자 목록(요소)으로 구성됩니다. …
컴퓨터 비전(CV)은 디지털 이미지, 비디오 및 기타 시각적 입력에서 의미 있는 정보를 추출하도록 컴퓨터를 훈련시키는 인공지능의 한 분야입니다. 여기서는 알고리 …
비지도 학습은 원시 데이터 내에서 숨겨진 구조, 클러스터 또는 분포를 자율적으로 식별합니다. 일반적인 방법에는 클러스터링, 차원 축소 및 생성 모델링이 포함됩니 …
투명성은 이해 관계자가 AI 모델이 출력을 어떻게 도출하는지 이해할 수 있도록 보장하여 신뢰와 책임감을 고취시킵니다. 이는 훈련 데이터의 기원, 모델 아키텍처 …
지도 미세 조정(SFT) …
지도 학습에서는 알고리즘이 레이블이 지정된 데이터셋으로 훈련되며, 각 입력 예제는 올바른 출력과 짝을 이룹니다. 목표는 모델이 입력과 출력 사이의 근본적인 관계 …
AI 공학에서의 테스트는 편향성, 오류 및 견고성 문제를 식별하기 위해 다양한 데이터셋에 대해 모델을 엄격하게 평가하는 것을 포함합니다. 여기에는 코드 구성 요 …
토큰 제한은 대규모 언어 모델의 컨텍스트 윈도우 크기 제약을 정의하며, 한 번에 분석하거나 생성할 수 있는 텍스트의 양을 제한합니다. 이 아키텍처적 경계는 메모 …
툴 사용은 계산기, 검색 엔진 또는 데이터베이스 쿼리와 같은 미리 정의된 함수를 호출하여 언어 모델이 외부 소프트웨어 환경과 상호작용할 수 있게 합니다. 이 접 …
SDK는 특정 플랫폼이나 서비스를 위한 애플리케이션을 개발할 수 있도록 하는 소프트웨어 개발 도구 모음입니다. AI 분야에서 SDK는 사전 구축된 라이브러리, …
소프트맥스는 다중 클래스 분류 작업에서 신경망의 출력층에 널리 사용됩니다. 이는 원시 로짓(raw logits) 벡터를 입력받아 정규화하며, 각 요소가 특정 클 …
시맨틱 검색은 단순한 키워드 매칭을 넘어 쿼리 뒤에 숨겨진 의도와 맥락적 의미를 해석합니다. 임베딩을 사용하여 텍스트를 고차원 공간의 벡터로 표현함으로 …
텍스트 요약은 중요한 의미를 잃지 않고 대량의 텍스트를 짧은 버전으로 축소합니다. 추출 방식(Source에서 중요한 문장을 선택) 또는 생성 방 …
자기 지도 학습은 알고리즘이 레이블이 없는 데이터 자체에서 감독 신호를 생성하는 기법으로, 일반적으로 입력의 누락된 부분을 예측하여 수행됩니다. 이는 …
ReLU는 계산 효율성이 뛰어나고 기울기 소실 문제를 완화할 수 있어 딥러닝 신경망에서 널리 사용됩니다. 수학적으로 f(x) = max(0, x)로 정의되며, …
검색은 사용자 쿼리나 맥락을 바탕으로 대규모 데이터셋이나 외부 지식 기반에서 특정 정보를 검색하고 추출하는 기술적 과정을 의미합니다. 현대 AI 시스템에서는 특 …
RNN은 텍스트, 유전체, 손글씨 또는 음성 같은 데이터 시퀀스에서 패턴을 인식하도록 설계되었습니다. 순방향 네트워크와 달리, RNN은 이전 단계의 정보를 포착 …
스킵 연결(skip connections)이라고도 불리는 잔차 연결은 입력을 후속 레이어의 출력에 직접 추가하여 네트워크 전체에 걸쳐 기울기가 흐르도록 합니다. …
AI에서 추론은 데이터를 처리하고 통찰력을 생성하기 위해 논리적 연역, 귀납 또는 아브덕션(abduction)을 시뮬레이션하는 알고리즘을 포함합니다. 여기에는 …
QLoRA는 저랭크 어댑테이션(LoRA)과 4비트 양자화를 결합하여 방대한 모델의 파인튜닝에 필요한 메모리 사용량을 획기적으로 줄입니다. 가중치를 4비트 형식으 …
ReAct 프레임워크는 LLM이 추론 과정(reasoning traces)과 작업별 행동(action)을 교차 방식으로 생성할 수 있도록 합니다. 인간의 사고 …
REST API는 GET, POST, PUT, DELETE와 같은 HTTP 프로토콜을 통해 무상태(stateless) 작업을 활용하여 클라이언트와 서버 간 통신 …
양자화는 고정소수점 수(예: FP32)를 더 낮은 정밀도의 형식(예: INT8 또는 FP16)으로 변환합니다. …
질문 응답(Question Answering, QA)은 주어진 문맥이나 지식베이스에서 사용자 쿼리에 대한 정확한 응답을 검색하거나 생성하는 과정입니다. 이는 특 …
AI에서의 계획 수립은 초기 상태에서 원하는 목표 상태로 이어지는 행동의 순서를 결정하는 것을 포함합니다. 이는 행동의 효과와 환경의 제약 조건에 대한 추론을 …
과적합은 모델이 훈련 데이터의 무작위 노이즈와 이상치를 포함하여 너무 잘 학습할 때 발생합니다. 그 결과 훈련 데이터에서는 우수한 성능을 보이지만, 새로운 미시 …
트랜스포머는 RNN과 달리 시퀀스가 아닌 병렬로 모든 토큰을 처리하므로 토큰 순서에 대한 고유한 지식이 부족합니다. 위치 인코딩은 입력 임베딩에 특정 벡터를 추 …
머신러닝에서 최적화는 손실 함수를 최소화하여 모델 성능을 향상시키기 위해 모델 매개변수를 조정하는 알고리즘을 의미합니다. 일반적인 방법으로는 경사 하강 …
프롬프트 인젝션은 대용량 언어 모델(LLM)이 사용자 지시를 해석하는 방식을 악용하여, 입력 텍스트 내에 숨겨지거나 상충되는 지시를 삽입합니다. 이로 인해 모델 …
다중 인스턴스 학습(Multiple Instance Learning, MIL)은 데이터가 단일 레이블을 가진 ‘인스턴스 묶음(Bags)‘으 …
멀티 에이전트 시스템은 여러 독립적인 에이전트로 구성되며, 각 에이전트는 서로 다른 작업이나 도메인에 특화될 수 있습니다. 이러한 에이전트들은 공통의 목표를 달 …
멀티모달 AI 시스템은 서로 다른 감각 입력에서 정보를 통합하여 세계에 대한 더 포괄적인 이해를 형성합니다. 단일 유형의 데이터에만 제한된 유니모 …
명명된 개체 인식(Named Entity Recognition, NER)은 정보 추출의 하위 작업으로, 텍스트에서 명명된 개체를 찾아 사람 이름, 조직, 위치, …
모델 서빙은 정적으로 훈련된 모델을 가져와 확장 가능한 인프라로 감싸는 작업을 포함합니다. 이 인프라는 들어오는 요청을 처리하고 추론(Inference)을 수행 …
LSTM 네트워크는 셀 상태와 세 가지 게이트 메커니즘(입력 게이트, 망각 게이트, 출력 게이트)을 사용하여 표준 RNN에서 흔히 발생하는 기울기 소실 문제를 …
인공지능에서 메모리는 모델이 단일 추론 단계를 넘어 정보를 유지할 수 있도록 하는 메커니즘을 의미합니다. 여기에는 짧은 시퀀스 내의 즉각적인 맥락을 위한 단기 …
모델 컨텍스트 프로토콜(MCP)은 AI 애플리케이션이 데이터베이스, API, 파일 시스템 등 다양한 데이터 소스에 균일한 방식으로 연결할 수 있게 하는 오픈 표 …
비용 함수 또는 오차 함수라고도 불리는 손실 함수는 모델의 성능이 얼마나 좋은지를 나타내는 스칼라 값을 제공합니다. …
학습률은 각 학습 반복 동안 계산된 기울기에 비해 모델의 가중치가 얼마나 업데이트되는지를 결정합니다. 너무 높은 학습률은 모델이 최적점을 지나쳐서 발산하거나 불 …
제일브레이킹은 AI 모델이 내장된 안전 지침을 무시하도록 속여 혐오 발언, …
지식 베이스는 AI 시스템이 쿼리하여 정확하고 문맥에 맞는 응답을 제공할 수 있도록 선별된 데이터, 문서 또는 사실을 포함하는 디지털 도서관 역할을 합니다. 현 …
지연 시간은 일반적으로 밀리초 단위로 표현되며, AI 서비스의 반응 속도를 측정합니다. 여기에는 추론 시간, 네트워크 전송 지연 및 처리 오버헤드가 포함됩니다. …
해석 가능성(또는 설명 가능성)은 AI 모델의 내부 작동 방식과 의사결정 과정을 인간이 투명하게 이해할 수 있도록 하는 것을 포함합니다. 이는 모델 디버깅, 편 …
휴먼 인 더 루프(HITL)는 데이터 라벨링, 모델 평가, 최종 의사결정 승인 등 워크플로우의 다양한 단계에서 인간의 개입이 필요한 AI 시스템을 의미합니다. …
경사 하강법은 미분 가능한 함수의 국소 최소값을 찾기 위한 1차원 반복 최적화 알고리즘입니다. 머신러닝에서는 모델의 가중치를 손실 함수의 기울기(그래디언트)가 …
퓨 샷 러닝은 인간 학습의 효율성을 모방하여, 단 몇 개의 예시만으로 모델을 일반화할 수 있도록 하는 것을 목표로 합니다. 이는 일반적으로 메타러 …
이 방법은 프롬프트 내에 직접적인 설명 예시를 몇 개 제공함으로써 대규모 언어 모델의 문맥 내 학습(In-context learning) 능력을 활용합니다. 모 …
계산적 맥락에서 플럭스는 단위 시간당 주어진 면적을 통과하는 양의 이동률을 설명합니다. AI 및 데이터 엔지니어링 분야에서는 주로 데이터 스트리밍과 관련되어 있 …
함수 호출은 대규모 언어 모델이 외부 도구 및 API와 상호작용할 수 있도록 합니다. 모델은 실행할 함수 이름과 필요한 인자(arguments) …
인공지능에서 공정성은 인종, 성별, 연령과 같은 보호된 속성에 기반한 사회적 편향을 재생성하거나 증폭시키지 않도록 알고리즘이 보장해야 하는 중요한 윤리적 지표입 …
이 개념은 SHAP이나 LIME과 같은 기법을 통해 모델이 특정 예측에 도달하는 방식을 시각화함으로써 복잡한 AI 시스템의 ‘블랙박스’ 문 …
연관 학습은 민감한 원시 데이터를 공유하지 않고도 조직들이 협력하여 AI 모델을 훈련할 수 있게 합니다. 정보를 중앙 집중식 저장소에 모으는 대신, …
인코더는 원시 입력 시퀀스나 데이터 구조를 처리하여 잠재 공간(latent space) 표현, 즉 종종 임베딩이나 코드로 불리는 형태로 변환합니다. 이들은 트랜 …
이 모델들은 고차원 데이터를 저차원의 연속 벡터 공간으로 매핑하여, 유사한 항목들이 서로 더 가깝게 위치하도록 합니다. 이러한 변환은 의미론적 관계를 포착하여 …
도커는 개발자가 애플리케이션과 모든 의존성을 소프트웨어 개발을 위한 표준화된 단위인 컨테이너로 패키징할 수 있게 합니다. 이러한 컨테이너는 소프트웨어를 환경으로 …
신경망에서 드롭아웃은 각 학습 단계마다 무작위로 선택된 뉴런의 하위 집합을 임시로 제거하여 과적합을 방지합니다. 이는 네트워크가 결합된 상황에서 유용한 견고한 …
시퀀스 투 시퀀스(sequence-to-sequence) 모델에서 디코더는 인코더가 생성한 컨텍스트 벡터를 입력받아 대상 출력을 단계별로 생성합니다. …
딥페이크는 생성적 적대 신경망(GANs)이나 오토인코더(autoencoders)를 사용하여 생성되는 초현실적인 오디오 또는 비디오 조작물입니다. 이는 허위 정보 …
분산 학습은 여러 GPU나 노드에서 계산을 병렬화하여 모델 수렴 속도를 가속화합니다. 여기에는 각 작업자가 데이터의 하위 집합을 처리하는 데이터 병렬성(data …
데이터 보호는 개인 및 독점 데이터를 침해와 오용으로부터 안전하게 지키기 위해 설계된 법적, 기술적, 조직적 조치를 포괄합니다. AI 분야에서는 암호화 구현, …
생각의 사슬(Chain-of-Thought, CoT) 프롬프팅은 모델에게 단계별 논리를 명시적으로 서술하도록 요청함으로써 복잡한 추론 작업에서 대규모 언어 모델 …
지속적 통합(CI)은 여러 기여자의 코드 변경 사항을 단일 소프트웨어 프로젝트에 자동으로 통합하는 중요한 DevOps 관행입니다. 자동화된 빌드와 테스트를 실행 …
코드는 컴퓨터가 특정 작업을 수행하기 위해 실행하는 Python, C++, JavaScript 등의 프로그래밍 언어로 작성된 명령어 집합을 나타냅니다. …
클로드는 AI 안전 기업인 Anthropic이 만든 고급 대규모 언어 모델 시리즈입니다. 강력한 정렬 원칙과 헌법적 AI(Constitutional AI) 프레 …
바이트 페어 인코딩(BPE)은 낯선 단어(out-of-vocabulary)를 처리하기 위해 자연어 처리에 적용된 데이터 압축 기술입니다. 개별 문자로 구성된 어 …
명령줄 인터페이스(CLI)는 그래픽 요소 대신 텍스트 명령어를 입력하여 소프트웨어를 제어할 수 있게 합니다. AI 개발 환경에서는 스크립트 실행, 모델 관리, …
어댑터는 주로 대규모 언어 모델과 트랜스포머에서 사용되는 매개변수 효율적인 파인튜닝 기법입니다. 계산 비용이 많이 드는 모든 모델 가중치를 업데이트하는 대신, …
어텐션 메커니즘은 모델이 입력을 처리할 때 관련 정보에 집중할 수 있게 합니다. 특히 텍스트와 같은 순차적 데이터에서 어텐션 스코어를 계산함으로써 모델은 현재 …
‘에이전틱’이라는 용어는 높은 수준의 자율성을 가지고 작동하는 AI 에이전트를 설명합니다. 단순히 텍스트를 예측하거나 데이터를 분류하는 수 …
AI 윤리는 인공지능 기술이 책임감 있게 개발되고 사용되도록 보장하기 위해 설계된 원칙과 표준의 체계를 포괄합니다. 여기서는 알고리즘 편향, 투명성, 책임 소 …
비전 기반 패러다임은 카메라와 이미지 처리 알고리즘을 활용하여 시각적 장면에서 의미 있는 정보를 추출합니다. 이러한 시스템은 로봇 공학, 자율 주행, 증강 현 …
제로 샷 학습은 초기 학습 단계에서 레이블이 지정된 훈련 데이터가 제공되지 않은 새로운 범주나 작업에 대해 모델이 일반화될 수 있도록 합니다. 이는 일반적으로 …
투 스테이지 아키텍처는 복잡한 작업을 두 개의 별도 단계로 나누며, 일반적으로 탐지(Detection) 이후 분류(Classification) 또는 정 …
활성화 함수는 뉴럴 네트워크에 비선형성을 도입하여 복잡한 패턴과 데이터 내 관계를 학습할 수 있게 합니다. 이러한 함수가 없다면 다층 네트워크는 단순한 선형 회 …
AI 및 공학 분야에서 트레이드오프는 모델 정확도와 계산 비용, 혹은 지연 시간과 정밀도처럼 상충되는 목표를 최적화할 때 필요한 균형을 말합니다. 자원은 제한적 …
인공지능에서 실시간은 시스템이 최소한의 지연(latency)으로 입력을 처리하고 출력을 생성하는 능력을 나타내며, 종종 밀리초 단위로 이루어집니다. 이는 자율 …
자기지도학습은 기계학습의 하위 분야로, 감독 신호가 수동 레이블링 없이 데이터 자체에서 자동으로 유도됩니다. 모델은 일반적으로 데이터의 구조를 활용하여 숨겨진 …
작업 특화형은 객체 감지나 언어 번역 등 좁은 범위의 목표에서 탁월한 성능을 발휘하도록 맞춤화된 AI 모델 또는 구성 요소를 의미합니다. …
훈련 불필요 접근법은 역전파를 통해 기본 가중치를 업데이트하지 않고 모델의 동작이나 출력을 수정하는 기법을 지칭합니다. 이러한 방법은 종종 프롬프트 엔지니어링이 …
분포 밖(OOD) 감지는 학습 데이터 분포의 범위를 벗어난 입력을 식별합니다. 모델은 종종 OOD 데이터에서 성능이 저하되거나 과도하게 확신하며 잘못된 예측을 …
사전 훈련된 모델은 위키피디아나 ImageNet과 같은 방대하고 다양한 데이터셋으로 광범위하게 훈련된 기반 AI 모델입니다. …
사후 훈련은 대규모 일반 데이터로 초기 사전 훈련이 완료된 후 발생하는 머신러닝 라이프사이클의 중요한 단계입니다. 이 단계에서 모델은 특정 태스크에 맞게 미세 …
오픈 소스는 소프트웨어 프로젝트의 기반 코드가 공개적으로 접근 가능한 개발 모델을 의미합니다. AI 분야에서 이는 연구자와 개발자가 알고리즘을 검사하고, 수정하 …
오픈 웨이트 모델은 최종 학습된 파라미터만 공개될 뿐, 이를 생성하는 데 사용된 인프라나 데이터가 반드시 공개되는 것은 아니라는 점에서 완전한 오픈 소스와 구별 …
다단계 방법은 복잡한 쿼리나 작업을 더 작고 실행 가능한 단계로 분해하는 과정을 포함합니다. 이 접근 방식은 수학 문제 풀이나 코드 생성과 같은 추론 작업에서 …
온-폴리시 알고리즘은 에이전트가 현재 정책이 취한 행동으로부터 직접 학습하도록 요구합니다. …
원샷 학습은 알고리즘이 훈련 중에 단 하나의 긍정적 예제만 본 후 새로운 클래스나 작업에 일반화해야 하는 퓨샷 학습의 특정 유형입니다. 이 접근 방식은 인간의 …
머신러닝과 최적화에서 원스텝 방법은 수렴하기 위해 여러 반복이나 업데이트를 필요로 하지 않고 문제를 직접 해결합니다. 많은 단계를 거쳐 최소화하는 경사 하강법과 …
자연어는 모호성, 관용구, 문화적 뉘앙스를 모두 포함하는 인간의 말과 글쓰기 방식을 의미합니다. AI에서 자연어 처리란 구문과 의미론을 이해하는 것을 포함합니 …
다단계 접근 방식은 복잡한 워크플로우를 관리 가능한 세그먼트로 분할하여 각 단계에서 전문화된 처리를 가능하게 합니다. 이 방법은 제어, …
다중 에이전트 시스템은 환경을 지각하고, 결정을 내리며, 행동에 옮기는 여러 독립적이고 지능적인 엔티티로 구성됩니다. 이러한 에이전트들은 서로 협력하거나 경쟁하 …
장기적 문제는 초기 결정의 영향이 많은 단계가 지난 후에야 나타나는 일련의 행동을 포함합니다. 이는 로봇 공학, 계획 수립, 다단계 추론 작업에서 흔하게 발견됩 …
저비용 AI는 효율성에 중점을 두어 머신러닝과 관련된 진입 장벽 및 운영 비용을 줄이는 것을 목표로 합니다. 여기에는 모델 압축, 양자화, 경량화 등의 기법이 …
학습 기반 접근 방식은 명시적 규칙 시스템과 대조적으로, 데이터 노출을 기반으로 패턴을 식별하고 결정을 내리기 위해 통계적 알고리즘에 의존합니다. 이 범주에는 …
AI에서 ‘고수준’은 복잡한 과정을 단순화하는 추상화를 의미합니다. 파이썬과 같은 고수준 언어나 API는 개발자가 메모리 관리나 하드웨어 …
고차원은 방대한 수의 속성이나 특성을 포함하는 데이터셋이나 벡터 공간을 의미합니다. AI 분야에서는 텍스트 임베딩, 이미지 픽셀, 유전자 발현 데이터 등에서 흔 …
고충실도는 생성 모델의 출력이 실제 데이터와 구별이 불가능하거나 매우 유사한 상태를 묘사합니다. 이미지 생성의 경우 사실적인 질감과 조명을 의미하며, 오디오 분 …
인공지능에서 고품질은 일반적으로 높은 충실도, 낮은 노이즈, 강력한 일반화 능력을 갖춘 데이터나 모델 출력을 설명합니다. 고품질의 학습 데이터는 모델의 성능을 …
대규모는 AI 시스템 내 구성 요소의 규모를 의미하며, 종종 수십억 개의 매개변수, 테라바이트 단위의 학습 데이터, 또는 분산 컴퓨팅 클러스터를 포함합니다. …
파인그레인드 분석은 단순히 주요 클래스를 식별하는 것을 넘어, 하위 클래스 수준에서 객체나 개념을 식별하고 범주화하는 것을 포함합니다. 예를 들어, …
파인튜닝은 방대하고 일반적인 데이터셋으로 이미 훈련된 모델을 가져와, 더 작고 작업 특화된 데이터셋으로 훈련을 계속하는 기법입니다. 이 기술은 사전 훈련 단계에 …
인공지능과 수학에서 ‘퍼스트오더’는 일반적으로 고차 상호작용 없이 직접적이고 선형적인 관계를 다루는 시스템이나 연산을 설명합니다. 최적화 …
퓨샷 학습은 머신러닝 모델이 매우 제한된 데이터(일반적으로 클래스당 1~10개 예제)로부터 일반화할 수 있도록 합니다. 수천 개의 레이블이 필요한 전통적인 지도 …
‘홀드아웃’ 데이터셋은 머신러닝 모델의 훈련 단계에서 의도적으로 제외된 예제들의 집합입니다. 이 부분집합은 모델이 보지 못한 데이 …
디퓨전 기반 모델은 무작위 분포에서 노이즈를 반복적으로 제거하여 새로운 데이터 샘플을 생성하는 생성형 AI의 한 클래스입니다. 이 과정은 가우시안 노이즈를 천천 …
연속 시간 모델은 미분 방정식을 사용하여 시스템 역학을 설명하며, 시간에 따른 상태의 부드러운 진화를 가능하게 합니다. AI에서는 신경 상미분 방정 …
인공지능에서 의사결정은 시스템이 특정 기준이나 목표에 따라 잠재적 행동을 평가하여 최적의 결과를 선택하는 알고리즘적 과정을 의미합니다. 여기에는 상태 평가 및 …
크로스 모달 AI는 시각, 청각, 텍스트 입력 등 서로 다른 모드에서 데이터를 처리하고 상관관계를 맺습니다. …
AI의 폐루프 시스템은 환경으로부터의 실시간 피드백을 활용하여 행동이나 매개변수를 동적으로 조정합니다. 이는 미리 정의된 시퀀스를 실행하는 개방 루프 시스템과 …
바서스타인 거리(또는 지상 이동자 거리)는 한 분포에서 질량을 이동시키는 데 필요한 최소 ‘작업량’을 계산하여 두 확률 분포 간의 불일치성 …
데이터베이스 관리에서 뷰는 테이블처럼 동작하지만 자체 데이터는 포함하지 않는 저장된 SQL 쿼리입니다. 이는 기본 데이터에 대한 단순화되거나 사용자 정의된 관점 …
AI에서 블랙박스 모델은 딥 뉴럴 네트워크와 같은 복잡한 시스템을 지칭하며, 내부 의사결정 논리는 불투명하고 인간이 해석하기 어렵습니다. 이러한 모델은 종종 높 …
AI에서 ‘비주얼’이라는 용어는 주로 컴퓨터 비전을 지칭하며, 이는 기계가 디지털 이미지, 비디오 및 기타 시각적 입력에서 의미 있는 정보 …
전통적으로 수송 수단을 의미하지만, AI 용어에서는 ‘비클’이 모바일 앱, …
‘Transformers’라는 용어는 종종 Hugging Face가 유지 관리하는 널리 사용되는 Python 라이브러리를 가리킵니다. 이 …
데이터베이스 쿼리 및 논리에서 ‘UNLIKE’는 일반적으로 NOT LIKE 연산자를 참조하며, 이는 역방향 패턴 매칭을 수행합니다. 열 값 …
벡터 데이터베이스는 데이터를 수치 임베딩으로 변환하여 비정형 데이터의 저장 및 검색을 최적화합니다. 근사 최근접 이웃(ANN) 알고리즘 등을 사용하여 유사한 벡 …
AI의 이해는 통계적 상관관계를 넘어 데이터의 근본적인 의미를 해석하는 것을 포함합니다. 언어 모델의 경우, 이는 일관되고 논리적인 출력을 생성하기 위해 구문, …
튜닝은 더 나은 정확도나 효율성을 달성하기 위해 머신러닝 모델을 정제하는 과정을 의미합니다. …
전이 학습은 사전 훈련된 모델을 활용하여 새로운 관련 작업에서 성능을 향상시키고 훈련 시간을 단축합니다. 처음부터 훈련하는 대신, 개발자는 기존 가중치를 미세 …
AI 개발에서 ‘지향(towards)‘은 종종 최적화 과정의 궤적을 설명합니다. 예를 들어, 경사 하강법(gradient descent) …
토큰은 자연어 처리(NLP)에서 입력 데이터의 핵심 구성 요소로, 일반적으로 단어, 부분 단어(subword), 또는 문자를 나타냅니다. 대규모 언어 모 …
토큰화는 구조화되지 않은 텍스트를 모델이 섭취하기 적합한 구조화된 데이터로 변환하는 자연어 처리(NLP)의 중요한 전처리 단계입니다. 이는 문장을 여러 단위로 …
‘Attention Is All You Need’ 논문에서 소개된 트랜스포머 아키텍처는 자연어 처리 및 그 이상의 분야를 혁신했습니다. 이 …
시간은 특히 순차적 모델링 및 실시간 시스템에서 인공지능의 기본 개념입니다. 이는 데이터 포인트가 정렬되는 축 역할을 하여 RNN …
AI의 시간적 개념은 주가, 센서 읽기 값 또는 자연어 문장처럼 시간 순으로 정렬된 데이터 포인트를 분석하는 것을 포함합니다. 시간적 데이터를 처리하는 모델은 …
테스트 세트는 최종 모델의 일반화 능력을 평가하기 위해 훈련 과정에서 제외된 데이터의 일부입니다. …
‘Through’는 AI 용어에서 독립적인 정의를 가지고 있지 않습니다. 이는 일반적으로 ‘처리 …
엄격한 기술 용어는 아니지만, AI 컨텍스트에서 ’together’는 공통 목표를 향해 작동하는 다중 에이전트 시스템이나 여러 모델이 결합 …
AI 용어 맥락에서 ‘Symbal’에 대한 확립된 정의는 없습니다. 이는 ‘Symbolic’(기호적)의 오타이거나 비 …
구조적 측면은 데이터나 신경망 레이어가 어떻게 조직되는지를 정의합니다. 그래프 신경망(GNN)에서 구조는 노드 간 연결을 의미하며, 딥러닝에서는 레이어의 위 …
지도 학습은 알고리즘에 입력과 정답(레이블)이 모두 포함된 데이터를 공급하는 과정을 포함합니다. 모델은 예측 오차를 최소화함으로써 입력을 출력으로 매핑하는 방법 …
AI에서 합성 데이터는 실제 세계의 데이터를 모방하지만 실제 개인 정보나 민감한 기록을 포함하지 않는 인공적으로 생성된 정보입니다. 이는 실제
합 …
확률적 요소는 데이터의 노이즈나 가중치의 무작위 초기화처럼 AI 시스템에 변동성을 도입합니다. 결정론적 모델과 달리 확률적 모델은 불확실성을 고려하므로, …
AI 용어에서 ‘구체적으로’는 모델, 데이터 포인트 또는 연산을 정의할 때의 정밀함을 나타냅니다. 일반적인 범주와 정확한 파라미터를 구분하 …
상태는 마르코프 결정 과정(MDP)과 같은 시스템에서 미래 행동을 결정하는 데 필요한 모든 관련 정보를 나타냅니다. 강화 학습에서 상태는 환경의 현재 상황을 포 …
셀프 어텐션은 거리의长短에 상관없이 시퀀스 내 모든 위치 간의 의존성을 동시에 포착할 수 있게 합니다. 모든 토큰 쌍 사이에 어텐션 점수를 계산함으로써, …
AI 컨텍스트에서 ‘소스’는 일반적으로 훈련 데이터셋의 근원, 오픈 소스 라이브러리 또는 사전 학습된 모델 가중치의 출처를 나타냅니다. 재 …
AI에서의 시맨틱 분석은 표면적인 패턴뿐만 아니라 입력의 근본적인 의미를 이해하는 데 중점을 둡니다. 이는 단어나 기호를 개념으로 매핑하고, …
검색은 게임 플레이나 경로 계획과 같은 복잡한 문제 공간을 탐색하는 데 사용되는 AI의 기본 패러다임입니다. A*, 미니맥스 또는 몬테카를로 트리 검색과 같은 …
인공지능에서의 과학적 접근법은 증거 기반의 개발과 검증을 강조합니다. 이는 모델 행동에 대한 가설을 수립하고, 통제된 실험을 수행하며, 결과를 분석하는 과정을 …
AI 보안은 적대적 공격, 데이터 독성 및 모델 추출과 같은 위협으로부터 머신러닝 모델, 데이터 파이프라인 및 배포 인프라를 보호하기 위한 조치를 포괄합니다. …
현재의 AI는 의식을 가지고 있지 않지만, ‘자기’라는 용어는 종종 모델이 자신의 출력, 신뢰도 수준 또는 내부 상태를 분석하는 메타인지 …
점수는 정확도, 정밀도 또는 보상과 같은 특정 지표에 대해 머신러닝 모델이 얼마나 잘 수행되었는지 정량화합니다. 강화 학습에서는 누적 보상을 나타내며, 분류 작 …
인공지능에서 견고함(Robustness)은 적대적 공격, 데이터 분포 변화 또는 노이즈가 있는 입력에 대한 모델의 회복 탄력성을 의미합니다. 견고한 알고리즘은 …
인공지능에서 규모(Scale)는 일반적으로 성능 향상을 위해 데이터셋 크기, 모델 파라미터 수 또는 컴퓨팅 파워를 증가시키는 것을 의미합니다. …
AI 안전성(AI Safety)은 고급 인공지능으로 인한 악영향을 방지하는 데 중점을 둔 다학제적 분야입니다. 여기에는 정렬(Alignment), 해석 가능성, …
AI의 안전성은 자동화된 시스템이 예측 가능하게 행동하고 의도하지 않은 부정적인 결과를 초래하지 않도록 보장하기 위해 제약 조건과 안전 장치를 구현하는 것을 포 …
확장(Scaling)은 더 많은 레이어, 뉴런 또는 학습 예제를 추가하여 AI 시스템을 확장하는 능동적인 방법론입니다. 여기에는 증가하는 계산 부하를 처리하기 …
강화 학습(Reinforcement Learning, RL) …
검색 증강 생성(Retrieval-Augmented Generation, RAG)은 검색 기반 AI 시스템과 생성 기반 AI 시스템의 강점을 결합합니다. 사전 …
로봇은 독립적으로 또는 원격 제어 하에 작업을 수행하도록 설계된 자율적 또는 반자율적인 기계 장치입니다. 일반적으로 환경 인식을 위한 센서, 작업을 수행하는 구 …
로봇들은 이동성, 구조 또는 적용 분야에 따라 분류될 수 있는 다양한 기계들의 포괄적인 범주를 포함합니다. 이 카테고리에는 산업용 로봇 팔, 자율 주행 이동 로 …
인간 피드백 기반 강화 학습(Reinforcement Learning from Human Feedback, RLHF)은 대규모 언어 모델(LLM) …
‘Rather’라는 용어 자체는 선호도나 대조를 나타내는 표준 영어 부사입니다. 인공 지능 및 대규모 언어 모델이라는 특정 분야에서는 별도 …
무작위성은 AI에서 모델 가중치 초기화, 데이터셋 셔플링, 그리고 과적합을 방지하기 위한 훈련 중 확률적 요소 도입 등에 필수적입니다. 컴퓨터는 본질적으로 결정 …
AI에서 ‘레이트’는 가장 흔히 학습률(Learning Rate)을 의미합니다. 이는 모델 가중치가 업데이트될 때마다 추정된 오차에 반응하 …
리인포스먼트(보강)는 에이전트의 행동이 결과에 의해 형성되는 근본적인 심리학적 및 계산적 메커니즘입니다. 머신러닝에서는 에이전트가 긍정적인 피드백(보상)을 받도 …
프롬프트는 대규모 언어 모델(Large Language Models) 및 기타 생성형 AI 시스템과 상호작용하는 주요 인터페이스 역할을 합니다. 이는 모델의 출 …
인공지능에서 프라이버시는 데이터 수집, 모델 훈련, 추론 단계 동안 민감한 사용자 정보가 무단 접근이나 오용으로부터 보호되는 것을 의미합니다. 여기에는 익명화, …
디지털 통신 및 AI 데이터 컨텍스트에서 ‘게시물(post)‘은 온라인으로 공유되는 콘텐츠의 개별 단위를 의미합니다. 이는 자연어 처리 모 …
사전 학습(pre-training)은 딥러닝의 기초 기술로, 모델이 레이블이 없는 방대한 양의 데이터로부터 광범위한 특징과 패턴을 학습하는 과정을 말합니다. …
‘프라이어(Prior)‘는 새로운 관측치를 반영하기 전에 변수에 대해 가지고 있는 기존 신념이나 역사적 데이터를 의미합니다. 베이지안 추론 …
AI 개발 내에서 프로세스는 원시 데이터를 실행 가능한 통찰력이나 모델로 변환하기 위해 필요한 체계적인 워크플로우를 지칭합니다. 여기에는 데이터 흡수, 전처리, …
AI 모델을 평가할 때 ‘전반적’ 지표는 고립된 구성 요소에 집중하기보다 시스템 성능에 대한 포괄적인 시각을 제공합니다. 여기에는 전체 정 …
인공지능 및 기술 거버넌스 맥락에서 정책(Policies)은 AI 시스템이 어떻게 개발되고, 배포되며, 모니터링되어야 하는지를 규정하는 공식화된 프레임워크를 의 …
‘정책(Policy)‘이라는 용어는 맥락에 따라 두 가지 의미를 가집니다. 일반적인 경영에서는 의사 결정을 위한 지침 원칙을 의미하지만, …
AI 지각은 원시 센서 데이터를 상위 추론 모듈에서 처리할 수 있는 의미 있는 정보로 변환하는 것을 포함합니다. 여기에는 시각적 장면을 해석하기 위한 컴퓨터 비 …
AI 문맥에서 포인트는 일반적으로 특징 공간(feature space)이나 임베딩 벡터 내의 이산 좌표를 나타냅니다. 예를 들어, K-Means와 같은 클러스터 …
객체는 컴퓨터 과학, 특히 객체지향 프로그래밍(OOP)에서 근본적인 개념입니다. 이는 클래스의 인스턴스를 나타내며 상태(속성 또는 데이터)와 동작… …
AI 및 데이터 과학의 맥락에서 수치적(numerical)은 정수, 부동 소수점, 소수 등 정량적 값을 포함하는 데이터 유형이나 방법을 지칭합니다. 범주형이나 …
인공지능 맥락에서 ‘오픈’이라는 용어는 종종 두 가지 서로 다른 영역을 설명합니다. 하나는 모델 가중치와 코드가 수정 가능하도록 공개된 오 …
온라인 학습은 모델이 한 번에 고정된 배치 데이터를 학습하는 대신, 새로운 데이터 포인트가 도착함에 따라 점진적으로 업데이트되는 머신러닝 패러다임입니다. 이 접 …
AI 및 최적화 이론에서 최적의 솔루션은 강화 학습에서의 최대 보상이나 회귀 분석에서의 최소 오차와 같이 가능한 최고 성능 지표를 달성하는 것을 말합니다. 최적 …
특히 다중 에이전트 시스템과 강화 학습 분야에서 AI의 내시 균형은 모든 다른 에이전트의 전략이 주어졌을 때 각 에이전트의 전략이 최적인 안정된 상태를 설명합니 …
멀티 헤드 어텐션은 표준 어텐션 메커니즘을 서로 다른 학습된 선형 투영(linear projections)을 사용하여 병렬로 여러 번 실행함으로써 이를 확장합니 …
접두사 ‘multi-‘는 AI에서 여러 개의 병렬 구성 요소가 관여하는 아키텍처나 프로세스를 지칭하는 데 자주 사용됩니다. …
신경망은 인간의 뇌가 작동하는 방식을 모방하는 과정을 통해 데이터 세트의 숨겨진 관계를 인식하려는 일련의 알고리즘입니다. 이는 입력층, 은닉층, …
자연어 처리(NLP)는 인공 지능의 하위 분야로, 계산 언어학과 통계적, 기계 학습 및 딥러닝 모델을 결합합니다. 이를 통해 기계는 텍스트나 음성 형태의 인간 …
AI 문서 및 기술적 글쓰기 맥락에서 ‘Moreover(게다가)‘는 현재 논의에 지지하는 증거를 추가하거나 논지를 강화하는 추가 지점을 나 …
매칭은 서로 다른 데이터 엔티티 간의 관계를 확립하기 위해 머신러닝에서 사용되는 중요한 기술입니다. 컴퓨터 비전에서는 특징 매칭을 통해 이미지 간 대응 지점을 …
AI 모델링은 데이터에서 패턴을 학습하는 알고리즘을 설계, 훈련 및 검증하는 전체 워크플로우를 포괄합니다. 여기서는 적절한 아키텍처 선택, …
컴퓨터 비전 및 로봇공학에서 모션은 시각 데이터나 물리적 시스템 내의 움직임을 감지하고 분석하는 것을 의미합니다. 광학 유동(Optical Flow)과 같은 알 …
몬테카를로 기법은 수학적 양을 추정하기 위해 반복적인 무작위 표본 추출에 의존하는 계산 알고리즘 클래스입니다. 이들은 고차원 적분 등에서 특히 유용합니다. …
컴퓨터 과학 및 AI 개발의 기본 제어 흐름 구조인 루프는 알고리즘이 데이터셋을 순회하거나 반복 계산을 수행하며, 훈련 에포크(epoch)를 실행할 수 있게 합 …
인공지능 및 확률론에서 마르코프 과정은 시스템이 무작위로 상태 간 전이를 설명하는 데 사용되는 기본 모델입니다. 핵심 원리는 마르코프 성질로, 과거의 상태 역사 …
맘바는 하드웨어 인식 선택적 상태 공간 모델(SSM)을 도입함으로써 시퀀스 모델링 분야에서 중요한 진전을 이루었습니다. 기존 트랜스포머가 시퀀스 길이에 따라 제 …
머신러닝(ML)은 컴퓨터가 과거 데이터에서 패턴을 학습하고 새로운 미시청 데이터에 대해 의사결정이나 예측을 내릴 수 있도록 합니다. 여기에는 지도 학습, …
비용 함수(Cost Function)라고도 불리는 손실 함수는 훈련 중 머신러닝 모델의 예측이 정답(Ground Truth)과 얼마나 일치하는지를 측정합니다. …
LoRA는 사전 학습된 모델 가중치를 고정하고 트랜스포머 아키텍처의 각 레이어에 학습 가능한 분해 행렬을 삽입합니다. …
인공지능에서 ‘로컬’은 일반적으로 원격 서버에 의존하지 않고 노트북이나 스마트폰 등 사용자의 하드웨어에서 직접 수행되는 작업을 지칭합니다. …
AI 맥락에서 ‘롱’은 종종 긴 문서나 길이가 긴 비디오 스트림과 같은 광범위한 입력을 처리하는 능력을 설명합니다. 대규모 언어 모델의 경 …
선형 연산은 비선형 활성화 함수 없이 곱셈과 덧셈만을 포함합니다. 신경망에서 선형 레이어(또는 밀집 레이어)는 입력 벡터에 가중치 행렬 변환을 적용합니다. …
머신러닝에서 잠재 변수는 관측된 데이터에 영향을 미치는 관찰되지 않은 요인을 의미합니다. 오토인코더와 디퓨전 모델과 같은 신경망에서는 잠재 공간(latent …
대규모 언어 모델(LLM)은 트랜스포머 아키텍처를 기반으로 한 고급 인공지능 시스템으로, 방대한 양의 텍스트 및 코드 데이터셋으로 학습됩니다. …
이 용수는 수십억 개의 매개변수를 가진 모델을 활용하여 다양한 언어 작업에 제로샷 또는 퓨샷 학습을 적용하는 더 넓은 응용 패러다임을 지칭합니다. 이는 특화된 …
랑주뱅 동역학은 에너지 경관을 효율적으로 탐색하기 위해 무작위 노이즈와 감쇠력을 통합합니다. AI에서는 주로 해밀턴 몬테 카를로나 확률적 그래디언트와 같은 샘플 …
이 과정은 일반적인 사전 훈련과 특정 작업 수행 사이의 격차를 메웁니다. 다양한 지시문-응답 쌍에 노출시킴으로써, 모델은 추가적인 조정 없이 미처 보지 못한 작 …
AI에서 지식은 종종 추론과 추론을 가능하게 하는 데이터베이스, 온톨로지 또는 신경망 가중치에 명시적으로 저장된 정보를 의미합니다. 이는 DIKW …
AI에서 ‘가이드드(Guided)‘라는 용어는 일반적으로 모델의 동작이 주요 입력 외에 추가 정보에 의해 유도되는 기법을 의미합니다. 일반 …
계층적 AI 시스템은 정보나 제어를 중첩된 계층의 트리 구조로 조직합니다. 강화 학습(Hierarchical RL) …
기술적인 AI 알고리즘 용어는 아니지만, 프롬프트 엔지니어링과 자연어 이해(NLU)에서 ‘instead’는 중요합니다. 이는 절 사이의 대 …
AI 및 컴퓨터 과학의 맥락에서 정보는 원시 데이터(raw data)와 구별됩니다. 정보는 조직화, 구조화 또는 해석되어 의미와 유용성을 갖게 된 데이터를 의미 …
고전 역학에서 유래한 해밀토니안은 시스템의 운동 에너지와 위치 에너지의 합을 나타냅니다. AI 분야에서는 해밀토니안 신경망(Hamiltonian Neural …
인공지능에서 ‘그라운디드(Grounded)‘는 단어나 논리적 명제와 같은 심볼 표현을 실제 물리적 세계의 참조 대상이나 감각 경험과 연결하 …
그래프는 정점(노드)과 간선(링크)으로 구성되며, 이는 관계성을 나타내는 AI의 기본 데이터 구조입니다. 그래프 신경망(GNN)은 비유클리 …
단수형 ‘graph’가 추상적인 데이터 구조를 지칭하는 반면, ‘graphs’는 종종 여러 개의 개별 그래프 인스턴스 …
수학과 이론 컴퓨터 과학에서 그룹(Group)은 폐쇄성, 결합법칙, 항등원, 역원을 만족하는 이항 연산을 갖춘 집합 G입니다. AI에서는 대칭성 및 불변성을 모 …
AI에서 ‘글로벌(Global)‘이라는 용어는 일반적으로 ‘로컬(Local)‘과 대비되며, 전체 시스템을 포괄하는 측 …
가우시안은 평균과 분산으로 특징지어지는 연속 확률 분포인 정규 분포를 의미합니다. AI 분야에서 이는 확률적 모델링, 베이지안 추론 등 다양한 통계적 접근법에 …
기술적인 알고리즘은 아니지만, ‘furthermore(더욱이)‘는 AI 문서 및 연구 논문에서 중요한 언어적 도구입니다. 이 단어는 아이디 …
인공지능에서 생성은 특히 GAN(생성 적대 신경망)이나 트랜스포머 기반 LLM과 같은 모델이 텍스트, 이미지 등 새로운 콘텐츠를 생산할 수 있는 능력을指합니다. …
‘생성된’이라는 용어는 텍스트, 이미지, 오디오 또는 코드와 같은 생성형 AI 모델이 생산한 출력을 설명합니다. 기존 데이터를 가져오는 검 …
AI 및 컴퓨터 과학 맥락에서 ‘given(주어진)‘은 계산이 시작되기 전에 모델이나 함수에 공급되는 초기 상태, …
AI 맥락에서 ‘무료’는 일반적으로 사용자가 요금을 지불하지 않고 접근, 수정 및 배포할 수 있는 오픈 소스 모델, 데이터셋 또는 도구를 …
‘Finally’ 개념은 처리된 데이터가 예측, 분류 또는 생성된 텍스트와 같은 최종 결과를 산출하는 AI 파이프라인의 종단 단계를 나타냅 …
인공지능에서 파운데이션 모델은 이미지, 텍스트 또는 오디오 등 광범위한 데이터를 대규모로 학습한 대형 머신러닝 모델을 지칭합니다. 이러한 모델은 다양한 다운스트 …
파인튜닝은 대규모 데이터셋으로 훈련된 범용 모델을 가져와, 더 작고 전문적인 데이터셋으로 추가로 훈련하여 특정 작업에 대한 성능을 향상시키는 기술입니다. 이 기 …
데이터 흐름은 AI 시스템 내에서 데이터가 수집부터 최종 출력까지 거치는 경로를 포괄하며, 여기에는 전처리, 특징 추출, 모델 추론 및 사후 처리가 포함됩니다. …
‘고속’이라는 용어는 빠른 추론 시간과 빠른 데이터 처리 능력을 강조하며, 인공지능 모델 내의 계산 효율성을 설명합니다. 이는 실시 …
광범위한(extensive)은 대규모 데이터셋, 포괄적인 평가 스위트(suite) 또는 무거운 컴퓨팅 작업량 등 AI 작업의 규모와 포괄성을 의미합니다. 광범위 …
AI에서의 실험은 기계 학습 모델 내의 인과 관계를 이해하기 위해 변수를 체계적으로 테스트하는 것을 포함합니다. 이러한 절차를 통해 개발자는 서로 다른 하이퍼파 …
실험적은 안정성 확보나 광범위한 채택 이전에 현재 테스트, 연구 또는 프로토타이핑 중인 AI 구성 요소를 나타냅니다. 이러한 시스템은 종종 새로운 아키텍처나 검 …
피드백 메커니즘은 AI 시스템이 사용자나 환경과의 상호작용으로부터 학습하여 향후 예측이나 행동을 정교하게 다듬도록 합니다. 여기에는 강화 학습 신호, 인간 개 …
AI에서 에너지는 두 가지 주요 의미를 가집니다. 첫째, 모델이 확장됨에 따라 지속 가능성의 중요한 쟁점이 된 하드웨어 구동에 필요한 전기 전력을 나타냅니다. …
주로 인간의 언어이지만, AI 문맥에서 ‘영어’는 방대한 디지털 텍스트 데이터의 존재로 인해 NLP 연구에서 가장 지배적인 언어 도메인을 …
인공지능에서 증거는 모델의 행동, 정확도 또는 효과성에 대한 주장을 뒷받침하는 경험적 데이터, 통계적 결과 또는 관찰 가능한 결과를 의미합니다. 이는 모델의 신 …
‘진화하는’이라는 용어는 초기 학습 후에도 정적이지 않고 지속적인 학습과 적응을 거치는 동적 AI 모델을 특징짓습니다. 이 개념은 평생 학 …
평가는 정량적 지표(예: 정확도, F1 점수, BLEU 점수)와 정성적 평가를 사용하여 AI 모델이 특정 작업에서 얼마나 잘 수행되는지를 체계적으로 측정하는 것 …
고정된 아키텍처나 미리 결정된 실행 경로를 가진 정적 시스템과 달리, 동적 AI 시스템은 런타임 중 작업을 수정할 수 있습니다. 딥러닝에서 동적 계산 그래프 …
머신러닝, 특히 이전 학습(transfer learning)에서 도메인은 두 가지 구성 요소로 정의됩니다: 특징 공간(모든 가능한 입력의 집합)과 해당 입력의 …
‘드라이븐’이라는 용어는 일반적으로 AI 접근 방식 뒤의 주요 힘이나 메커니즘을 나타내는 접미사로 사용됩니다. 예를 들어, ‘데 …
효율은 모델이나 알고리즘이 사용 가능한 자원을 얼마나 잘 활용하는지를 측정하는 AI의 핵심 지표입니다. 여기에는 컴퓨팅 효율성(추론 및 훈련 속도) …
엠버디드 AI는 지능이 에이전트의 물리적 형태와 환경 간의 상호작용에서 나타난다는 주장을 펼칩니다. 추상적인 데이터를 처리하는 비구체 …
디퓨전 모델은 데이터에 노이즈를 추가하는 확률적 과정을 역학습하는 생성형 AI 클래스입니다. 신경망이 단계별로 노이즈를 예측하고 제거하도록 훈련시킴으로써, 최종 …
최적화 관점에서 발산은 모델의 파라미터 업데이트가 손실을 감소시키지 않고 오히려 증가시킬 때 발생합니다. 이는 종종 NaN 값이나 무한大的인 그래디언트, …
이 과정은 복잡하고 고성능인 ‘교사(Teacher)’ 신경망에서 더 단순하고 효율적인 ‘학생(Student)’ 네트워 …
AI 맥락에서 ‘직접(Direct)‘은 강화학습의 직접 정책 최적화나 직접 매핑 등에서 볼 수 있듯이, 중간 추상화 계층을 우회하여 입력에 …
탐지는 AI 모델이 관심 대상의 존재 여부와 위치를 식별하는 컴퓨터 비전 및 신호 처리의 핵심 작업입니다. 레이블을 할당하는 분류(Classification) …
AI에서의 의사결정은 데이터, 모델 및 사전 정의된 목표를 기반으로 가능한 행동 세트 중 최적의 행동을 선택하는 과정을 포함합니다. 이는 엄격한 규칙을 따르는 …
이 개념은 분산이나 편향을 줄이기 위해 여러 모델의 예측을 집계하는 앙상블 학습(ensemble learning)과 같은 방법을 포괄합니다. …
이 방법은 잠재 공간(latent space)에서 양성 쌍(유사 항목)의 임베딩(embedding)을 서로 가까이 끌어당기고, 음성 쌍(비유사 항목)은 멀리 떨 …
자연어 처리(NLP)에서 문맥은 대명사나 관용구를 이전 문장을 바탕으로 이해하는 등 모호성을 해결하는 데 필수적입니다. 트랜스포머(Transformer) …
인공지능에서 제어는 현재 상태와 목표에 기반하여 시스템의 행동을 안내하는 메커니즘과 알고리즘을 의미합니다. 여기서는 출력을 모니터링하고 피드백 루 …
AI 용어의 맥락에서 ‘비욘드(Beyond)‘는 종종 현재 능력을 초월하는 새로운 패러다임이나 미래 방향, 예를 들어 인공 일반 지 …
빌딩(Building)은 데이터 수집, 모델 선택, 훈련, 검증 및 배포를 포함하여 AI 솔루션을 생성하는 엔드투엔드(end-to-end) 엔지니어링 과정을 의 …
인공지능에서 인과 모델링은 한 변수에 대한 개입이 다른 변수에 어떻게 영향을 미치는지 이해하려는 시도입니다. 관찰된 패턴에 의존하는 예측 모델과 달리, …
몬테 카를로 방법은 해석적으로 풀기 어려운 복잡한 수학 문제를 근사화하기 위해 AI와 통계학에서 필수적인 기법입니다. 수천 또는 수백만 개의 무작위 표본을 생성 …
클라우드 컴퓨팅은 AI 워크로드를 위한 확장 가능한 인프라를 제공하며, 개발자가 물리적 데이터 센터를 유지보수하지 않고도 강력한 GPU와 스토리지에 접근할 수 …
AI에서의 베이지안 접근법은 가설의 가능성을 새로운 증거가 제공됨에 따라 업데이트하기 위해 확률론을 사용합니다. 이 방법은 모델이 불확실성을 정량화하고 예측을 …
벤치는 서로 다른 AI 모델이나 알고리즘의 능력을 비교하기 위한 표준화된 참조점을 제공합니다. 일반적으로 큐레이션된 데이터셋과 정확도나 속도 같은 특정 평가 지 …
인공지능에서 벤치마크는 머신러닝 모델의 능력을 측정하도록 설계된 표준화된 테스트 스위트 또는 데이터셋입니다. 이는 서로 다른 모델을 비교하기 위한 일관된 프레임 …
벤치마킹은 미리 정의된 벤치마크를 사용하여 특정 작업에서 AI 모델이 얼마나 잘 수행되는지 측정하기 위해 실험을 수행하는 적극적인 관행입니다. 이 과정은 표준화 …
AI 문맥에서 ‘인지’는 일반적으로 상황적 또는 맥락적 인지를 의미하며, 시스템이 관련 환경 요인이나 사용자 상태를 인식하는 것을 말합니 …
AI의 맥락에서 분석은 근본적인 패턴을 이해하거나 문제를 진단하며, 실행 가능한 통찰을 도출하기 위해 데이터, …
AI 에이전트는 센서(입력)를 통해 주변 환경을 지각하고, 정보를 처리하며, 정의된 목표를 달성하기 위해 작동기(출력) …
AI에서의 자동화는 전통적으로 인간의 노력이 필요했던 작업을 알고리즘과 시스템을 사용하여 수행하는 것을 포함합니다. 이는 미리 정의된 규칙을 따르거나 학습된 패 …
AI에서의 자율성은 시스템이 직접적인 인간의 통제 없이 환경을 지각하고, 결정을 내리며, 행동을 실행할 수 있는 능력을 의미합니다. 단순한 자동화와 달리 자율 …
AI에서 ‘적응형(Adaptive)‘은 새로운 데이터나 환경의 피드백에 기반하여 내부 상태, …
Adam(적응 모멘트 추정)은 심층 신경망 훈련에 널리 사용되는 1계 경사 기반 최적화 알고리즘입니다. 이는 확률적 경사 하강법의 두 가지 확장 버전인 모멘 …
인공지능 및 로봇공학에서 액션은 지능형 에이전트가 환경과 상호작용하기 위해 취하는 특정 단계나 결정을 의미합니다. 액션은 현재 상태와 정책에 따라 선택되며, 환 …
추론은 완성된 모델을 사용하여 보지 못한 데이터에 대해 결정을 내리거나 예측을 수행하는 배포 단계를 의미합니다. 가중치를 업데이트하는 훈련과 달리, …
컨텍스트 내 학습(ICL)은 대규모 언어 모델이 가중치를 업데이트하지 않고도 새로운 작업에 적응할 수 있게 합니다. 프롬프트 컨텍스트 내에 입력-출력 쌍을 제공 …
환각은 생성형 AI 모델이 현실이나 원본 데이터에 기반하지는 않지만 그럴듯해 보이는 출력을 생성할 때 발생합니다. 이는 높은 정확도가 요구되는 애플리케이션에서 …
딥 러닝 알고리즘은 인간의 뇌 분석 및 학습 과정을 모방하려고 시도합니다. 서로 연결된 노드의 여러 층을 쌓음으로써 이러한 모델들은 원시 데이터로부터 계층적 특 …
임베딩은 기하학적 공간에서 의미적 관계가 보존되는 데이터의 밀집 벡터 표현입니다. 범주형이거나 고차원적인 입력을 고정 길이의 벡터로 변환함으로써 모델은 이러한 …
컨텍스트 윈도우는 단일 상호작용에서 AI 모델의 메모리 작동 한계를 정의합니다. 이는 모델이 이전 대화 기록, 문서 텍스트, 또는 입력 데이터를 얼마나 많이 주 …
파인튜닝은 이미 대규모 일반 데이터셋으로 훈련된 모델을 가져와 전문화된 데이터셋으로 추가 훈련하는 것을 포함합니다. …
합성곱 신경망(CNN)은 시각적 입력으로부터 특징의 공간적 계층 구조를 자동으로 그리고 적응적으로 학습하도록 설계되었습니다. …
생각의 사슬(Chain-of-Thought, CoT) 프롬프팅은 대규모 언어 모델이 최종 답안에 도달하기 전에 단계별 추론 설명을 생성하도록 안내하는 전략입니 …
역전파(Backpropagation)는 오차의 역전파를 줄여주는 방법으로, 인공 신경망에서 손실 함수에 대한 가중치의 기울기를 계산하는 데 사용됩니다. 이 방법 …
컴퓨터 비전(Computer Vision)은 계산적 과정을 통해 인간의 시각 능력을 모방하는 데 중점을 둡니다. 이 분야는 객체를 식별하고 패턴을 인식하며 시각 …
코드 생성(Code Generation)은 방대한 프로그래밍 언어 저장소로 훈련된 대형 언어 모델을 활용하여 기능적인 소프트웨어 산출물을 생산합니다. 이는 주석 …
AI 윤리에서 편향(Bias)은 알고리즘적 의사결정에서 체계적이고 불공정한 차별을 지칭하며, 이는 종종 치우친 학습 데이터나 결함이 있는 모델 설계로 인해 발생 …
API는 소프트웨어 및 애플리케이션을 구축하기 위한 일련의 프로토콜과 도구를 정의합니다. AI에서 API를 사용하면 개발자가 대규모 언어 모델(LLM)이나 이미 …
어텐션 메커니즘은 모델이 입력 시퀀스 내의 서로 다른 요소들의 중요도를 동적으로 가중치 부여할 수 있게 합니다. 모든 입력 데이터를 동일하게 취급하는 대신, 어 …
AI에서 에이전트는 사용자를 대신하거나 시스템을 위해 작업을 완료하는 주체입니다. 프롬프트에만 응답하는 수동적인 모델과 달리 에이전트는 계획을 세우고, 도구를 …
인공지능(AI)은 디지털 컴퓨터나 컴퓨터 제어 로봇이 지능적인 존재와 일반적으로 연관된 작업을 수행할 수 있는 능력을 의미합니다. 이는 다양한 하위 분야를 포괄 …
정렬은 AI가 단순히 문자 그대로의 요청을 수행하는 것이 아니라 인간이 실제로 원하는 것을 수행하도록 하는 데 중점을 둡니다. …
AI 안전성은 자율 시스템이 인간에게 유익하고 해롭지 않게 행동하도록 보장하기 위한 연구와 실천을 포괄합니다. 이 분야는 편향(Bias), 허위 정보 확산, 보 …
프롬프트 엔지니어링은 생성형 AI 모델로부터 정확하고 관련성이 높으며 고품질의 응답을 이끌어내기 위해 ‘프롬프트’라고 불리는 특정 입력을 …