AI 공유 서클

반지도 학습은 머신러닝 분야에서 중요한 분야로, 소량의 라벨링된 데이터와 대량의 라벨링되지 않은 데이터를 사용하여 모델을 공동 학습함으로써 학습 효과와 일반화 능력을 향상시킵니다.

비지도 학습(ULS)은 사전 레이블이 지정되지 않은 데이터 세트를 처리하는 데 중점을 둔 머신 러닝의 중요한 분야입니다.

강화 학습은 머신러닝의 중요한 분야로, 인공지능이 환경과의 지속적인 상호작용을 통해 장기적인 누적 보상을 극대화하기 위한 최적의 의사 결정 방법을 자율적으로 학습하는 데 중점을 둡니다.

지도 학습은 머신 러닝의 가장 일반적이고 기본적인 방법 중 하나로, '정답'이 있는 기존 데이터 세트를 사용하여 컴퓨터 모델에 예측이나 판단을 내리는 방법을 가르치는 것이 핵심 아이디어입니다.

딥러닝(DL)은 다층 인공 신경망을 사용하여 데이터의 복잡한 패턴을 학습하고 표현하는 데 중점을 둔 머신러닝의 한 분야입니다.

인공지능 윤리(AI 윤리)는 인공지능 시스템의 개발, 배포 및 사용 시 준수해야 할 윤리적 원칙, 가치 및 사회적 책임을 검토하는 여러 학문을 아우르는 분야입니다.

약한 인공지능(좁은 인공지능)은 현재 현실 세계에서 지배적인 형태의 인공지능 기술 개발입니다. 약한 인공지능은 특정 영역에서 인간을 능가하는 수준의 지능으로 잘 정의된 특정 작업을 수행하도록 설계되고 훈련됩니다.

인공 지능(AI)은 컴퓨터 과학의 핵심 분야로, 인간의 지능을 시뮬레이션하고 확장하며 심지어 능가할 수 있는 이론적, 기술적 시스템을 구축하여 기계가 일반적으로 인간의 지능이 필요한 학습, 추론, 인식, 의사 결정 능력을 갖도록 하는 것을 목표로 합니다....

일반 인공 지능(AGI)은 모든 인지 작업에 대해 인간과 비슷하거나 그 이상으로 이해하고, 학습하고, 추론하고, 적응하고, 창조할 수 있는 지능형 시스템입니다.

설명 가능한 AI(XAI)는 방법 기술 및 거버넌스 프레임워크의 포괄적인 개념 집합입니다.