ㅁ 생성 기법 ㅇ 정의: 생성 기법은 기존 데이터를 바탕으로 새로운 데이터를 창출하는 방법으로, 데이터 부족 문제를 해결하거나 모델 학습을 강화하기 위해 사용된다. ㅇ 특징: – 기존 데이터의 분포를 학습하여 유사한 데이터를 생성. – 데이터 다양성을 증가시켜 모델의 일반화 성능을 향상. – 실제 데이터를 대체할 수 있는 합성 데이터를 생성 가능. ㅇ 적합한 경우: –
ㅁ 기술/아키텍처 ㅇ 정의: 온디바이스 환경에서의 데이터 전처리 및 모델 경량화를 통해 리소스 효율성을 극대화하는 기술. ㅇ 특징: – 저사양 디바이스에서도 안정적으로 동작 가능. – 데이터 전송 최소화로 프라이버시 보호. – 전력 소모와 비용 절감에 효과적. ㅇ 적합한 경우: – 네트워크 연결이 제한적인 환경. – 전력 소모에 민감한 IoT 디바이스. – 대규모 데이터 전송이 부담스러운
ㅁ 기술/아키텍처 ㅇ 정의: – Edge Preprocessing은 데이터가 클라우드로 전송되기 전에 디바이스 자체에서 데이터를 필터링, 변환, 축소하는 과정을 의미한다. ㅇ 특징: – 네트워크 대역폭 절감. – 데이터 전송 지연 감소. – 민감한 데이터의 로컬 처리로 보안 강화. ㅇ 적합한 경우: – 실시간 데이터 처리가 필요한 IoT 환경. – 네트워크 연결이 제한적이거나 불안정한 경우. – 데이터
ㅁ 기술/아키텍처 ㅇ 정의: – 온디바이스 환경에서 데이터 전처리를 수행하기 위해 설계된 기술 및 아키텍처를 의미하며, 주로 모바일 기기나 임베디드 시스템에서 사용. ㅇ 특징: – 데이터 전송 지연 감소, 개인정보 보호 강화, 실시간 처리 가능. – 제한된 하드웨어 자원을 효율적으로 활용. ㅇ 적합한 경우: – 네트워크 연결이 불안정하거나 지연이 큰 환경. – 데이터 보안이 중요한
ㅁ 기술/아키텍처 ㅇ 정의: – 온디바이스 전처리란 데이터 전처리 과정을 클라우드가 아닌 디바이스 내에서 수행하는 기술을 의미한다. ㅇ 특징: – 데이터 전송 비용 절감. – 실시간 처리 가능. – 개인정보 보호 향상. ㅇ 적합한 경우: – 네트워크 연결이 불안정하거나 비용이 높은 경우. – 민감한 데이터를 다루는 애플리케이션. – 실시간 처리가 중요한 경우. ㅇ 시험 함정:
ㅁ 주요 과제 ㅇ 정의: AI 시스템이 사회적으로 수용되기 위해 해결해야 할 윤리적, 기술적 문제를 의미함. 예를 들어, 투명성, 공정성, 책임성 등이 포함됨. ㅇ 특징: AI의 신뢰성을 보장하기 위해 다양한 이해관계자 간 협력이 필요하며, 기술적 구현과 정책적 접근이 병행되어야 함. ㅇ 적합한 경우: AI 시스템이 다양한 사회적 영향을 미칠 가능성이 높은 경우, 특히 의료, 금융
ㅁ 주요 과제 ㅇ 정의: AI 시스템 개발 및 활용 과정에서 발생하는 윤리적, 사회적 문제를 해결하기 위한 주요 논점들. ㅇ 특징: 기술적 발전과 함께 윤리적 기준 설정이 필수적이며, 다양한 이해관계자 간 협력이 중요함. ㅇ 적합한 경우: AI 기술이 사회적 영향을 크게 미칠 때, 윤리적 문제를 사전에 해결하고자 할 때. ㅇ 시험 함정: 주요 과제를 기술적
ㅁ 융합/응용 ㅇ 정의: 뉴로심볼릭 AI는 딥러닝(뉴럴 네트워크)과 심볼릭 AI(기호 기반 추론)의 장점을 결합한 접근 방식으로, 복잡한 문제를 해결하기 위해 기계 학습과 논리적 추론을 통합함. ㅇ 특징: – 딥러닝의 패턴 인식 능력과 심볼릭 AI의 논리적 추론 능력을 결합. – 데이터가 부족하거나 불완전한 상황에서도 높은 성능을 발휘. – 인간의 추론 방식을 모방하여 해석 가능성과 투명성을 제공.
ㅁ 융합/응용 ㅇ 정의: 뉴로심볼릭 AI의 융합/응용 사례로, 심볼릭 AI에서 사용하는 지식 그래프(Knowledge Graph)와 신경망(Neural Network)을 결합하여 데이터를 처리하고 추론하는 방식. ㅇ 특징: – 지식 그래프의 구조적 정보와 신경망의 패턴 인식 능력을 결합. – 복잡한 데이터 간 관계를 학습하고 추론하는 데 유리. – 데이터 부족 상황에서도 기존 지식 그래프를 활용하여 성능을 보완 가능. ㅇ 적합한
ㅁ 구성/활용법 ㅇ 정의: 에이전트 AI의 구성 요소와 이를 활용하는 방법에 대한 체계적인 접근 방식을 의미. ㅇ 특징: 다양한 에이전트 간의 상호작용과 조화를 통해 복잡한 작업을 수행할 수 있도록 설계됨. ㅇ 적합한 경우: 여러 에이전트가 협력하여 복잡한 문제를 해결해야 하는 상황, 예를 들어 스마트 시티 관리나 대규모 네트워크 최적화. ㅇ 시험 함정: 에이전트 간의 독립성과