AI 공유 서클

연합 학습(FL)은 2016년 Google 연구팀이 처음 제안한 혁신적인 머신러닝 접근 방식으로, 데이터 프라이버시와 분산 컴퓨팅의 문제를 해결하는 것을 목표로 합니다.

순환 신경망(RNN)은 순차적 데이터를 처리하기 위해 설계된 신경망 아키텍처입니다. 순차 데이터란 언어 텍스트, 음성 신호 또는 시계열과 같이 시간적 순서나 종속성이 있는 데이터의 집합을 말합니다.

신경망(NN)은 생물학적 뇌에서 뉴런이 작동하는 방식에서 영감을 얻은 계산 모델입니다.

AI 공정성은 AI 시스템이 설계, 개발, 배포 및 운영의 수명 주기 동안 모든 개인과 집단을 공정하고 편견 없는 방식으로 대하도록 보장하는 다학제적 분야입니다.

메타 학습 또는 학습 방법 학습은 새로운 작업에 빠르게 적응할 수 있는 학습 알고리즘을 개발하는 데 중점을 둔 머신 러닝 분야의 중요한 분야입니다.

인공지능 안전(AI 안전)은 인공지능 시스템, 특히 점점 더 강력하고 자율적인 인공지능 시스템이 유해한 결과 없이 인간의 의도에 따라 수명 주기 내내 안정적이고 예측 가능하게 작동하도록 보장하는 최첨단 학제 간 분야입니다.

자가 지도 학습(SSL)은 머신러닝 분야에서 떠오르는 학습 패러다임으로, 레이블이 없는 데이터에서 지도 신호를 자동으로 생성하고 모델을 훈련시켜 데이터의 유용한 표현을 학습하는 것이 핵심 아이디어입니다.

인공 초지능(ASI)은 인지, 창의성, 문제 해결, 의사 결정 등 모든 영역에서 인간을 능가하는 능력을 갖춘 지능형 시스템으로, 인간의 지능을 뛰어넘는 시스템입니다.

전이 학습(TL)은 머신러닝 분야에서 중요한 분야로, 한 작업이나 도메인에서 학습한 지식을 관련성이 있지만 다른 작업이나 도메인에 적용하는 것이 핵심 아이디어입니다.

AI 거버넌스는 설계, 개발, 배포, 최종 사용 등 AI 시스템의 전체 수명 주기를 효과적으로 안내, 관리, 감독하는 기술, 윤리, 법률, 사회를 아우르는 포괄적인 프레임워크입니다. 핵심 목표는 기술 혁신을 저해하는 것이 아니라 AI 기술의 개발과 적용이 시작될 수 있도록 하는 것입니다.