딥 러닝과 인공 지능의 5가지 새로운 트렌드 딥 러닝 및 인공 지능의 5가지 새로운 트렌드인 연합 학습, GAN, XAI, 강화 학습

[백산]

딥 러닝과 인공 지능의 5가지 새로운 트렌드

출처  cointelegraph  저자 앨리스 아이비  소스:EK 이페어케이 플러스

딥 러닝 및 인공 지능의 5가지 새로운 트렌드인 연합 학습, GAN, XAI, 강화 학습 및 전이 학습을 살펴보세요.

딥러닝과 인공지능(AI)은 끊임없이 등장하는 새로운 기술로 빠르게 진화하고 있는 분야입니다. 이 분야에서 가장 유망한 5가지 새로운 트렌드에는 연합 학습, GAN, XAI, 강화 학습 및 전이 학습이 포함됩니다.

이러한 기술은 이미지 인식에서 게임 플레이에 이르기까지 기계 학습의 다양한 응용 분야에 혁명을 일으키고 연구원과 개발자 모두에게 흥미롭고 새로운 기회를 제공할 수 있는 잠재력을 가지고 있습니다.

연합 학습
연합 학습은 여러 장치가 중앙 서버와 데이터를 공유하지 않고도 단일 모델에서 협업할 수 있도록 하는 기계 학습 접근 방식입니다. 이 접근 방식은 데이터 개인 정보 보호가 중요한 상황에서 특히 유용합니다.

예를 들어 Google은 사용자의 개인 정보를 침해하지 않으면서 예측 텍스트 키보드의 정확도를 개선하기 위해 연합 학습을 사용했습니다. 기계 학습 모델은 일반적으로 중앙 집중식 데이터 소스를 사용하여 개발되므로 중앙 서버와 사용자 데이터를 공유해야 합니다. 사용자는 데이터가 수집되어 단일 서버에 저장되는 것에 대해 불안감을 느낄 수 있지만 이 전략은 개인 정보 보호 문제를 일으킬 수 있습니다.

연합 학습은 사용자의 장치에 남아 있는 데이터에 대한 모델을 학습시켜 데이터가 중앙 서버로 전송되는 것을 방지함으로써 이 문제를 해결합니다. 또한 학습 데이터가 사용자의 장치에 남아 있기 때문에 방대한 양의 데이터를 중앙 서버로 보낼 필요가 없어 시스템의 컴퓨팅 및 스토리지 요구 사항이 감소했습니다.



생성적 적대 신경망(GAN)
생성된 적대적 네트워크는 기존 데이터를 기반으로 새롭고 사실적인 데이터를 생성하는 데 사용할 수 있는 일종의 신경망입니다. 예를 들어, GAN은 사람, 동물, 심지어 풍경의 사실적인 이미지를 생성하는 데 사용되었습니다. GAN은 두 개의 신경망을 서로 대립시켜 작동하며, 한 네트워크는 가짜 데이터를 생성하고 다른 네트워크는 데이터가 진짜인지 가짜인지 감지하려고 합니다.

트윗

phill.ai

@phill_ai

Generative Adversarial Networks, or GANs for short, have rapidly emerged as a leading technology for generating realistic synthetic data. GANs are a type of neural network architecture that consists of two networks: a g... https://phill.ai/gans-unlocking-the-potential-of-generative-adversarial-networks/?utm_source=rss&utm_medium=rss&utm_campaign=gans-unlocking-the-potential-of-generative-adversarial-networks…

트윗 번역하기

오전 1:48 · 2023년 4월 21일

·

57

조회수

설명 가능한 AI(XAI)
설명 가능한 AI로 알려진 AI에 대한 접근 방식은 기계 학습 모델의 투명성과 이해도를 높이는 것을 목표로 합니다. XAI는 AI 시스템이 공정하고 공정한 결정을 내릴 수 있도록 보장할 수 있기 때문에 매우 중요합니다. 다음은 XAI를 사용할 수 있는 방법의 예입니다.

금융 기관이 기계 학습 알고리즘을 사용하여 대출 신청자가 대출을 불이행할 가능성을 예측하는 시나리오를 생각해 보십시오. 기존 블랙박스 알고리즘의 경우 은행은 알고리즘의 의사 결정 프로세스에 대한 지식이 없으며 대출 신청자에게 설명하지 못할 수 있습니다.

그러나 XAI를 사용하면 알고리즘이 자신의 선택을 설명할 수 있으므로 은행은 XAI가 부정확하거나 차별적인 정보가 아닌 합리적인 고려 사항을 기반으로 한다는 것을 확인할 수 있습니다. 예를 들어, 알고리즘은 신청자의 신용 점수, 소득 및 고용 기록을 기반으로 위험 점수를 계산하도록 지정할 수 있습니다. 이러한 수준의 투명성과 설명 가능성은 AI 시스템에 대한 신뢰를 높이고 책임성을 개선하며 궁극적으로 더 나은 의사 결정으로 이어질 수 있습니다.

강화 학습
강화 학습이라고 하는 기계 학습 유형에는 비판과 인센티브를 통해 학습하는 교육 에이전트가 포함됩니다. 로봇 공학, 게임, 심지어 은행을 포함한 많은 응용 프로그램에서 이 전략을 사용했습니다. 예를 들어, 딥마인드(DeepMind)의 알파고(AlphaGo)는 이 접근 방식을 사용하여 게임 플레이를 지속적으로 개선하고 결국 최고의 인간 바둑 플레이어를 물리치고 복잡한 의사 결정 작업에서 강화 학습의 효과를 입증했습니다.

스레드

Miles Grimshaw

@milesgrimshaw

AI can be an agent for our improvement. The most interesting paper I've seen on this is a study of professional GO player performance before vs. after the introduction of Leela, the open-source version of DeepMind''s AlphaGo. Player performance improved.

트윗 번역하기

오전 7:51 · 2023년 1월 16일

·

2.9만

조회수

전이 학습
전이 학습이라는 기계 학습 전략에는 이전에 학습된 모델을 적용하여 완전히 새로운 문제를 해결하는 것이 포함됩니다. 새로운 문제에 사용할 수 있는 데이터가 거의 없는 경우 이 방법이 특히 유용합니다.

예를 들어, 연구자들은 특정 유형의 사진(예: 얼굴)을 위해 개발된 이미지 인식 모델을 다른 종류의 이미지(예: 동물)에 적용하기 위해 전이 학습을 사용했습니다.

이 접근 방식을 사용하면 미리 학습된 모델의 학습된 기능, 가중치 및 편향을 새 작업에서 재사용할 수 있으므로 모델의 성능을 크게 개선하고 학습에 필요한 데이터의 양을 줄일 수 있습니다.

저자 앨리스 아이비

Alice는 2021년에 암호화폐 산업에 합류한 블록체인 및 NFT 애호가이자 작가입니다