|
CNN(컨벌루션 신경망). CNN은 이미지를 처리하는 두뇌 부분인 두뇌의 시각 피질 조직에서 영감을 받아 연결 연결이 영감을 받은 일종의 피드포워드 신경망입니다. 따라서 CNN은 사진을 기반으로 새나 식물 종을 식별하는 것과 같은 지각 작업에 매우 적합합니다. 비즈니스 사용 사례에는 의료 스캔을 통해 질병을 진단하거나 소셜 미디어에서 회사 로고를 감지하여 브랜드 평판을 관리하거나 잠재적인 공동 마케팅 기회를 식별하는 것이 포함됩니다.
작동 방식은 다음과 같습니다.
순환 신경망(RNN). RNN은 연결에 루프가 포함된 인공 신경망입니다. 즉, 모델이 데이터를 앞으로 이동하고 뒤로 루프하여 이전 레이어를 다시 실행한다는 의미입니다. RNN은 텍스트, 음성 또는 이미지의 대규모 샘플과 같은 시퀀스의 감정이나 결말을 예측하는 데 유용합니다. 각 개별 입력이 자체적으로 모델에 입력될 뿐만 아니라 이전 입력과 결합되어 제공되기 때문에 이를 수행할 수 있습니다.
은행 예를 계속해서 살펴보면 RNN은 피드포워드 신경망과 마찬가지로 사기성 금융 거래를 탐지하는 데 도움이 되지만 더 복잡한 방식으로 수행됩니다. 피드포워드 신경망은 하나의 개별 거래가 사기일 가능성이 있는지 여부를 예측하는 데 도움이 되는 반면, 순환 신경망은 개인의 금융 행동(예: 신용 카드 기록과 같은 일련의 거래)으로부터 "학습"하고 각 거래를 측정할 수 있습니다. 그 사람의 기록 전체에 반하는 것입니다. 피드포워드 신경망 모델의 일반 학습을 사용하는 것 외에도 이 작업을 수행할 수 있습니다.
딥 러닝, 신경망 및 그 사용 사례에 대한 자세한 내용은 경영진 의 AI 가이드를 참조하세요 . McKinsey 디지털 에 대해 자세히 알아보세요 .
기초 모델이란 무엇입니까?
기초 모델은 변환기 네트워크 아키텍처(구조화되지 않고 레이블이 지정되지 않은 방대한 양의 데이터)에 대해 훈련된 딥 러닝 모델입니다 . 기초 모델은 기본적으로 사용하거나 미세 조정을 통해 특정 작업에 맞게 조정하여 다양한 작업에 사용할 수 있습니다. 미세 조정에는 레이블이 지정된 데이터 세트에 대한 상대적으로 짧은 기간의 교육이 포함되며, 이는 일반적으로 모델이 처음 교육된 데이터 세트보다 훨씬 작습니다. 이러한 추가 교육을 통해 모델은 더 작은 데이터 세트에서 발견되는 뉘앙스, 용어 및 특정 패턴을 학습하고 이에 적응할 수 있습니다. 기초 모델의 예로는 DALL-E 2, GPT-4 및 Stable Diffusion이 있습니다.
대규모 언어 모델이란 무엇입니까?
대규모 언어 모델은 대량의 구조화되지 않은 텍스트를 처리 할 수 있는 기본 모델 클래스입니다 . 이러한 모델은 토큰 이라고도 하는 단어 또는 단어 부분 간의 관계를 학습할 수 있습니다 . 이를 통해 대규모 언어 모델이 자연어 텍스트를 생성하거나 요약 또는 지식 추출과 같은 작업을 수행할 수 있습니다. Google의 Gemini는 LaMDA라는 대규모 언어 모델에서 실행됩니다.
McKinsey 디지털 에 대해 자세히 알아보세요 .
머신러닝과 딥러닝의 이점을 누릴 수 있는 분야는 무엇인가요?
McKinsey는 19개 산업과 9개 비즈니스 기능에 걸쳐 400개 이상의 머신러닝 및 딥러닝 사용 사례를 수집했습니다. 우리의 분석에 따르면 거의 모든 산업이 머신러닝과 딥러닝의 이점을 누릴 수 있다고 믿습니다 . 다음은 여러 분야에 걸친 사용 사례의 몇 가지 예입니다.
McKinsey 디지털 에 대해 자세히 알아보세요 . McKinsey와 협력하는 데 관심이 있다면 딥 러닝 관련 취업 기회를 확인해 보세요 .
참조된 기사:
딥러닝에 대해 더 알고 싶으십니까?
|