새 문서 목록
IT 위키
- 2025년 7월 8일 (화) 12:30 N-슬롯 머신 문제 (역사 | 편집) [3,641 바이트] 인공무능 (토론 | 기여) (새 문서: n-슬롯 머신 문제(n-armed bandit problem)은 강화학습에서 탐색(exploration)과 이용(exploitation)의 균형을 설명하기 위한 확률적 결정 문제로, 에이전트가 n개의 선택지 중에서 반복적으로 선택을 하며 최대 보상을 얻기 위한 전략을 학습하는 과제를 의미한다. ==개요== n-슬롯 머신 문제는 카지노의 슬롯 머신을 확장한 개념으로, 각 슬롯 머신(팔 하나짜리 도둑, bandit)은 고유의...) 태그: 시각 편집
- 2025년 7월 8일 (화) 02:52 양방향 언어 모델 (역사 | 편집) [2,223 바이트] 인공무능 (토론 | 기여) (새 문서: 양방향 언어 모델(Bidirectional Language Model, 雙方向言語モデル)은 문맥을 이해하기 위해 입력 시퀀스의 앞과 뒤 양쪽 정보를 동시에 고려하여 단어의 의미를 예측하는 방식의 언어 모델이다. ==개요== 양방향 언어 모델은 문장의 전체 구조를 고려해 더 풍부한 의미 정보를 추출할 수 있다는 장점이 있다. 이는 문맥의 앞뒤 정보를 모두 활용함으로써 자연어 처리 작업에...) 태그: 시각 편집
- 2025년 7월 8일 (화) 02:38 자기회귀 언어 모델 (역사 | 편집) [2,002 바이트] 인공무능 (토론 | 기여) (새 문서: 자기회귀 언어 모델(Autoregressive Language Model, 自己回帰言語モデル)은 이전 시점의 단어(또는 토큰) 정보를 기반으로 다음 단어의 확률을 예측하는 방식의 언어 모델이다. ==개요== 자기회귀 언어 모델은 언어 생성에서 중요한 역할을 하며, 입력된 시퀀스의 앞부분을 기준으로 다음 단어를 순차적으로 예측한다. 이 방식은 시계열 데이터 처리에 적합하며, 자연어 처리...) 태그: 시각 편집
- 2025년 7월 8일 (화) 02:15 교차 엔트로피 (역사 | 편집) [2,602 바이트] 인공무능 (토론 | 기여) (새 문서: 교차 엔트로피(cross entropy)는 확률론 및 정보 이론에서 두 확률 분포 사이의 차이를 정량적으로 측정하는 함수로, 주로 머신러닝과 통계학에서 모델의 예측 성능을 평가하는 손실 함수로 사용된다. ==정의== 교차 엔트로피는 두 확률 분포 P(실제 분포)와 Q(예측 분포)에 대해 다음과 같이 정의된다. H(P, Q) = -∑ P(x) log Q(x) 여기서 합은 모든 가능한 사건 x에 대해 계산되...) 태그: 시각 편집
- 2025년 7월 7일 (월) 06:07 행렬 곱 (역사 | 편집) [2,531 바이트] 인공무능 (토론 | 기여) (새 문서: 행렬 곱(matrix multiplication, 行列곱)은 두 개의 행렬에서 정의되는 이항 연산으로, 선형대수학에서 중심적인 개념 중 하나이다. 이는 벡터 공간의 선형 변환을 표현하거나, 연립방정식의 해를 계산하는 데 사용된다. ==정의== 두 행렬 A와 B에 대하여, A의 열 수와 B의 행 수가 같을 때에만 행렬 곱 AB가 정의된다. A가 m×n 행렬이고, B가 n×p 행렬이라면, 곱 AB는 m×p 크기의 행...) 태그: 시각 편집
- 2025년 7월 6일 (일) 09:00 파이썬 pandas DataFrame (역사 | 편집) [3,155 바이트] 인공무능 (토론 | 기여) (새 문서: 파이썬 pandas DataFrame은 pandas 라이브러리에서 제공하는 2차원 데이터 구조로, 표 형태의 데이터를 다루기 위한 핵심 객체이다. ==개요== DataFrame은 행(row)과 열(column)로 구성된 테이블 형태의 자료구조로, 서로 다른 데이터 타입을 각 열에 저장할 수 있다. 엑셀이나 SQL 테이블과 유사한 구조를 가지며, 레이블이 지정된 축을 통해 효율적인 데이터 조작과 분석이 가능하...) 태그: 시각 편집
- 2025년 7월 6일 (일) 08:56 파이썬 np.random.randn (역사 | 편집) [1,740 바이트] 인공무능 (토론 | 기여) (새 문서: np.random.randn는 파이썬의 넘파이(NumPy) 라이브러리에서 표준 정규 분포를 따르는 난수를 생성하는 함수이다. ==개요== np.random.randn는 평균이 0이고 분산이 1인 표준 정규 분포에서 샘플을 생성한다. 이 함수는 머신 러닝, 통계학, 시뮬레이션 등의 분야에서 무작위 초기화나 확률적 데이터 생성을 위해 자주 사용된다. 생성된 값들은 정규 분포의 특성상 대부분 -3에서 3...) 태그: 시각 편집
- 2025년 7월 6일 (일) 07:54 소프트맥스 (역사 | 편집) [3,579 바이트] 인공무능 (토론 | 기여) (새 문서: 소프트맥스(softmax)는 다중 클래스 분류 문제에서 각 클래스에 대한 확률 분포를 계산하기 위해 사용되는 함수이다. ==개요== 소프트맥스 함수는 입력값 벡터를 받아 각 항목에 대해 0과 1 사이의 값으로 변환하며, 전체 출력값의 합이 1이 되도록 정규화한다. 이 함수는 주로 신경망의 출력층에서 사용되어, 각 클래스에 속할 확률을 추정하는 데 활용된다. 입력값이 클...) 태그: 시각 편집
- 2025년 7월 6일 (일) 07:31 손실 함수 (역사 | 편집) [1,846 바이트] 인공무능 (토론 | 기여) (새 문서: 손실 함수(損失函數, loss function)는 머신 러닝이나 통계학 등에서 예측값과 실제값 간의 차이를 수치적으로 표현하는 함수이다. ==개요== 손실 함수는 모델이 얼마나 잘 작동하고 있는지를 평가하기 위한 기준으로 사용된다. 주어진 입력에 대해 모델이 출력한 예측값과 실제 정답 값 사이의 오차를 계산하며, 이 값을 최소화하는 방향으로 모델이 학습된다. 손실 함수...) 태그: 시각 편집
- 2025년 7월 4일 (금) 02:26 LongMem (역사 | 편집) [2,913 바이트] 인공무능 (토론 | 기여) (새 문서: '''LongMem'''(영어: Long‑Term Memory augmentation)은 장기 문맥을 기억하고 활용할 수 있도록 언어 모델을 확장하는 Meta의 딥러닝 프레임워크이다. ==개요== LongMem은 Language Models Augmented with Long‑Term Memory의 약자이며, 기존 LLM의 입력 길이 제한(고정된 컨텍스트 윈도우)을 극복하기 위해 개발된 메모리 향상 구조이다. Meta AI 연구진(Weizhi Wang 등)은 2023년 arXiv에 본 프레임워크를...) 태그: 시각 편집
- 2025년 6월 30일 (월) 17:35 Gurully (역사 | 편집) [438 바이트] Gurully (토론 | 기여) (새 문서: [https://www.gurully.com Gurully] is an innovative education technology platform that provides AI-powered tools and mock tests to help students prepare for English proficiency exams such as PTE Academic, PTE Core, IELTS, Duolingo English Test, and CELPIP. With a user-friendly interface, real-time scoring, and test formats that mirror actual exams, Gurully is trusted by thousands of learners worldwide aiming to study or migrate abroad.)
- 2025년 6월 23일 (월) 03:36 J.D. 밴스 (역사 | 편집) [3,559 바이트] 국정 (토론 | 기여) (새 문서: J.D. 밴스(James David Vance, 영어: J.D. Vance)는 미국의 정치인이자 변호사, 저술가 및 기업가로, 2025년 1월 20일 제50대 미국 부통령으로 취임하였으며, 도널드 트럼프 대통령과 함께 행정부를 이끌고 있다. ==생애== J.D. 밴스는 1984년 8월 2일 오하이오주 미들타운에서 태어났으며, 해병대 병장으로 2003–2007년 복무했다. 오하이오 주립대학교에서 학사 학위를, 예일 로스쿨에...) 태그: 시각 편집
- 2025년 6월 23일 (월) 03:33 호르무즈 해협 (역사 | 편집) [3,171 바이트] 국정 (토론 | 기여) (새 문서: 섬네일|붉은 원 부분이 호르무즈 해협 호르무즈 해협(英語: Strait of Hormuz, عربي: مضيق هرمز)은 페르시아만과 오만만을 연결하는 좁은 해협으로, 중동 지역에서 가장 중요한 해상 통로 중 하나이다. ==개요== 호르무즈 해협은 이란과 오만 사이에 위치하며, 가장 좁은 지점의 폭은 약 33km에 불과하다. 이 해협은 세계 원유 수송의 주요 경로...) 태그: 시각 편집
- 2025년 6월 21일 (토) 07:16 에이전트 인공지능 (역사 | 편집) [2,673 바이트] 인공무능 (토론 | 기여) (새 문서: 에이전트 인공지능(Agent Artificial Intelligence)은 주어진 환경에서 자율적으로 인식, 판단, 행동을 수행하는 능동적 인공지능 시스템을 의미한다. 이러한 인공지능은 사용자나 시스템의 목표를 달성하기 위해 지속적으로 학습하고, 의사결정을 내리며, 다양한 상황에 적응하는 특성을 지닌다. ==개요== 에이전트 인공지능은 전통적인 규칙 기반 시스템과 달리, 환경과의...) 태그: 시각 편집
- 2025년 6월 21일 (토) 07:15 도구 호출 (인공지능) (역사 | 편집) [4,549 바이트] 인공무능 (토론 | 기여) (새 문서: 도구 호출(tool calling 또는 function calling)이란 인공지능 에이전트가 외부 도구, API 또는 시스템을 사용해 능력을 확장하는 메커니즘이다. 미리 학습된 지식에만 의존하지 않고, 데이터베이스 조회, 실시간 정보 검색, 계산 수행, 애플리케이션 연동 등 복잡한 작업을 외부에 위임할 수 있다<ref>Tool calling refers to the ability of artificial intelligence (AI) models to interact with external t...) 태그: 시각 편집
- 2025년 6월 21일 (토) 07:11 클로드 (인공지능) (역사 | 편집) [3,741 바이트] 인공무능 (토론 | 기여) (새 문서: 클로드(Claude)는 앤스로픽(Anthropic)에서 개발한 대규모 언어 모델 및 AI 챗봇 시리즈이다. 자연어 이해 및 생성, 코딩, 추론 등 다양한 작업에 특화되어 있으며, 안전성과 윤리적 기준을 중시하는 방향으로 설계되었다. ==개요== 앤스로픽의 클로드는 "Constitutional AI" 원칙을 바탕으로 사용자에게 정확하고 해로운 정보 없이 도움을 제공하도록 설계된 AI이다<ref>Constitutional...) 태그: 시각 편집
- 2025년 6월 21일 (토) 07:05 위키데이터 (역사 | 편집) [2,227 바이트] 인공무능 (토론 | 기여) (새 문서: 위키데이터(Wikidata)는 자유롭게 사용할 수 있는 다국어 구조화 데이터베이스로, 위키미디어 프로젝트를 포함한 다양한 응용 프로그램에서 활용되기 위해 만들어졌다. ==개요== 위키데이터는 위키미디어 재단이 2012년 10월에 시작한 프로젝트로, 위키백과, 위키여행, 위키책 등 다양한 프로젝트에서 사용할 수 있는 사실 기반 데이터를 구조화된 형태로 제공한다. 사용...) 태그: 시각 편집
- 2025년 6월 21일 (토) 07:04 울프람 알파 (역사 | 편집) [2,219 바이트] 인공무능 (토론 | 기여) (새 문서: 울프람 알파(Wolfram Alpha)는 계산 지식 엔진으로, 자연어 질의에 대해 계산된 결과나 데이터 기반의 해답을 제공하는 검색 서비스이다. ==개요== 울프람 알파는 2009년 스티븐 울프람(Stephen Wolfram)이 창립한 울프람 리서치(Wolfram Research)에서 개발하였다. 단순한 웹 검색 엔진과는 달리, 축적된 수학적 지식과 데이터베이스를 기반으로 입력된 질문을 해석하고 연산하거나...) 태그: 시각 편집
- 2025년 6월 21일 (토) 07:02 신체화 인지 (역사 | 편집) [2,451 바이트] 인공무능 (토론 | 기여) (새 문서: 신체화 인지(Embodied Cognition)는 인간의 인지가 뇌뿐만 아니라 신체 전체와 환경과의 상호작용 속에서 형성된다는 인지과학 이론이다. ==개요== 신체화 인지 이론은 인간의 사고, 기억, 언어, 문제 해결 등 인지 기능이 신체의 감각 및 운동 시스템, 그리고 환경과의 역동적인 상호작용에 기반한다고 본다. 이는 전통적인 정보처리 모델이 뇌 중심의 계산적 사고 과정을...) 태그: 시각 편집
- 2025년 6월 21일 (토) 06:57 역전파 (역사 | 편집) [2,408 바이트] 인공무능 (토론 | 기여) (새 문서: 역전파(Backpropagation)은 인공신경망에서 학습을 위해 오차를 출력층에서 입력층 방향으로 전파시키며 가중치를 조정하는 알고리즘이다. ==개요== 역전파는 다층 퍼셉트론(Multilayer Perceptron, MLP) 등의 인공신경망이 주어진 입력에 대해 예측을 수행한 후, 실제 값과의 오차를 기반으로 각 층의 가중치를 효율적으로 업데이트하기 위해 사용된다. 이는 경사하강법(gradient d...) 태그: 시각 편집
- 2025년 6월 21일 (토) 06:55 임보디드 인공지능 (역사 | 편집) [3,064 바이트] 인공무능 (토론 | 기여) (새 문서: 임보디드 인공지능(Embodied Artificial Intelligence)은 물리적 환경 속에서 실제로 구현되어 감각, 운동, 상호작용을 수행할 수 있는 인공지능이다. ==개요== 임보디드 인공지능은 단순한 소프트웨어 기반 AI와 달리, 센서와 액추에이터 등 하드웨어와 결합하여 실제 세계에서 자율적인 행동을 수행할 수 있도록 설계된 인공지능 시스템이다. 이는 인지과학, 로봇공학, 머신러...) 태그: 시각 편집
- 2025년 6월 17일 (화) 10:07 ArXiv (역사 | 편집) [2,639 바이트] 인공무능 (토론 | 기여) (새 문서: arXiv(아카이브)는 물리학, 수학, 컴퓨터 과학 등 자연과학 및 일부 사회과학 분야의 학술 논문을 사전 공개하는 오픈 액세스 전자 저장소이다. ==개요== arXiv는 1991년 물리학자 폴 기스파리(Paul Ginsparg)에 의해 설립되었으며, 현재는 미국 코넬 대학교 도서관이 운영을 담당하고 있다. 처음에는 이론물리학(preprint) 논문을 이메일을 통해 교환하기 위해 시작되었으나, 이...) 태그: 시각 편집
- 2025년 6월 17일 (화) 09:44 벡터 데이터베이스 (역사 | 편집) [3,225 바이트] 인공무능 (토론 | 기여) (새 문서: 벡터 데이터베이스는 고차원 벡터 형태로 표현된 데이터를 효율적으로 저장하고 검색하는 데이터베이스 시스템이다. ==개요== 벡터 데이터베이스는 이미지, 오디오, 자연어 등 비정형 데이터를 수치적 벡터로 변환한 후 이를 효율적으로 인덱싱하고 유사성 검색을 수행할 수 있도록 설계된 데이터베이스이다. 이 데이터베이스는 특히 인공지능과 머신러닝 분야에서...) 태그: 시각 편집: 전환됨
- 2025년 6월 17일 (화) 05:39 Parity Wallet 이더리움 동결 사고 (2017년) (역사 | 편집) [3,394 바이트] 2607:fb91:de5:afc2:2c28:4196:2a97:2254 (토론) (새 문서: Parity Wallet 이더리움 동결 사고 (2017)은 Parity Technologies의 스마트 계약 라이브러리에서 발생한 취약점으로 인해 51만 개 이상의 이더(ETH)가 영구 동결된 사건이다. ==개요== Parity Wallet은 Parity Technologies에서 개발한 이더리움 지갑으로, 다중 서명(multisig) 기능을 포함하고 있다. 이 기능은 여러 사용자가 공동으로 자금을 관리할 수 있도록 설계되었으며, ICO(암호화폐공개)...) 태그: 시각 편집
- 2025년 6월 17일 (화) 05:35 The DAO 해킹 사건 (역사 | 편집) [2,331 바이트] 2607:fb91:de5:afc2:2c28:4196:2a97:2254 (토론) (새 문서: The DAO 해킹 사건은 2016년 이더리움 기반의 탈중앙화 자율 조직인 The DAO에서 발생한 대규모 해킹 사건이다. ==개요== The DAO는 2016년 4월에 설립된 이더리움 기반 투자 펀드로, 스마트 계약을 통해 참가자들이 제안서를 평가하고 자금을 분배하는 시스템이었다. 당시 이더리움 생태계에서 가장 주목받는 프로젝트 중 하나였으며, 약 1억 5천만 달러 이상의 이더(ETH)를 모...) 태그: 시각 편집
- 2025년 6월 17일 (화) 05:08 강수 확률 (역사 | 편집) [2,224 바이트] 2607:fb91:de5:afc2:2c28:4196:2a97:2254 (토론) (새 문서: 강수 확률(降水確率, probability of precipitation)은 일정 시간 동안 특정 지역에서 강수가 발생할 가능성을 백분율로 나타낸 기상학적 지표이다. ==개념== 강수 확률은 특정 시간대에 특정 지역에서 비, 눈, 우박 등의 형태로 강수가 내릴 확률을 예측한 것이다. 일반적으로 0%부터 100%까지의 값으로 표시되며, 값이 높을수록 강수가 발생할 가능성이 높다는 것을 의미한다....) 태그: 시각 편집
- 2025년 6월 16일 (월) 08:27 테슬라 옵티머스 (역사 | 편집) [3,555 바이트] 니콜라 (토론 | 기여) (새 문서: 옵티머스(Optimus)는 미국 전기차 및 에너지 기업 테슬라(Tesla)가 개발 중인 인간형 로봇으로, 테슬라 봇(Tesla Bot)이라고도 불린다. ==개요== 옵티머스는 인간의 반복적인 육체 노동을 대체하기 위해 테슬라가 2021년 AI 데이 행사에서 처음 공개한 휴머노이드 로봇 프로젝트이다. 테슬라의 자율주행 및 인공지능 기술을 기반으로 하며, 장기적으로는 일상생활과 산업현장...) 태그: 시각 편집
- 2025년 6월 16일 (월) 08:26 보스턴 다이나믹스 아틀라스 (역사 | 편집) [3,676 바이트] 니콜라 (토론 | 기여) (새 문서: 아틀라스(Atlas)는 미국 로봇 회사 보스턴 다이나믹스(Boston Dynamics)가 개발한 이족보행 인간형 로봇이다. ==개요== 아틀라스는 보스턴 다이나믹스가 2013년 처음 공개한 로봇으로, 주로 인간과 유사한 이족보행 능력과 환경 인지, 균형 유지, 다양한 작업 수행 능력을 시험하기 위해 개발되었다. 초기에는 미국 국방고등연구계획국(DARPA)의 지원을 받아 개발되었으며, 구...) 태그: 시각 편집
- 2025년 6월 15일 (일) 11:43 Attention is All You Need (논문) (역사 | 편집) [2,498 바이트] 인공무능 (토론 | 기여) (새 문서: "Attention is All You Need"는 2017년 Google Brain 소속 연구진이 발표한 딥러닝 논문으로, 트랜스포머(Transformer)라는 새로운 신경망 아키텍처를 제안하였다. 이 논문은 기존의 순환 신경망(RNN) 및 합성곱 신경망(CNN) 구조를 대체할 수 있는 병렬 처리 기반 구조를 소개하며, 자연어 처리(NLP) 분야에서 혁신적인 전환점을 제공하였다. ==개요== 논문은 순차적 구조 없이도 시퀀스...) 태그: 시각 편집
- 2025년 6월 15일 (일) 11:41 셀프 어탠션 (역사 | 편집) [2,516 바이트] 인공무능 (토론 | 기여) (새 문서: 셀프 어탠션(Self-Attention)은 딥러닝에서 입력 시퀀스의 각 요소가 동일 시퀀스 내 다른 요소들과 어떤 관계를 갖는지를 스스로 학습하는 어탠션(Attention) 메커니즘의 한 종류이다. 문장 내 단어들 간 상호 연관성을 반영하여 문맥 정보를 효과적으로 포착할 수 있게 하며, 트랜스포머(Transformer) 구조의 핵심 구성 요소이다. ==개요== 셀프 어탠션은 주어진 입력 시퀀스 전...) 태그: 시각 편집
- 2025년 6월 15일 (일) 11:40 트랜스포머 (인공지능) (역사 | 편집) [2,737 바이트] 인공무능 (토론 | 기여) (새 문서: 트랜스포머(Transformer)는 어탠션 메커니즘에 기반한 딥러닝 모델 구조로, 2017년 구글 브레인의 Vaswani 등 연구진이 발표한 논문 "Attention is All You Need"에서 처음 제안되었다. 자연어 처리(NLP) 분야를 중심으로 발전하였으며, 이후 컴퓨터 비전, 음성 인식, 멀티모달 AI 등 다양한 영역에 활용되고 있다. ==개요== 트랜스포머는 기존의 순환 신경망(RNN)이나 합성곱 신경망(CNN)...) 태그: 시각 편집
- 2025년 6월 15일 (일) 11:38 어탠션 (인공지능) (역사 | 편집) [2,546 바이트] 인공무능 (토론 | 기여) (새 문서: 어탠션(Attention, 注意力機構)은 인공지능, 특히 딥러닝 기반의 자연어 처리(NLP)와 컴퓨터 비전 분야에서 중요한 정보를 강조하고 덜 중요한 정보를 줄이는 방식으로, 입력 데이터의 구성 요소들 간 관계를 가중치로 표현하여 처리하는 메커니즘이다. 인간의 주의(attention)처럼 특정 부분에 더 집중하여 효율적인 학습과 추론을 가능하게 한다. ==개요== 어탠션은 시퀀스...) 태그: 시각 편집
- 2025년 6월 15일 (일) 11:16 텍스트 임베딩 (역사 | 편집) [3,049 바이트] 인공무능 (토론 | 기여) (새 문서: 텍스트 임베딩(Text Embedding, 文章嵌入)은 자연어 처리(NLP)에서 단어나 문장, 문서 등의 텍스트 데이터를 고차원 벡터 공간의 실수 값 벡터로 변환하는 기술이다. 임베딩을 통해 텍스트의 의미적 유사성, 문맥, 관계 등을 수치적으로 표현할 수 있으며, 검색, 분류, 추천 등 다양한 태스크에 활용된다. ==개요== 텍스트 임베딩은 단어 또는 문장의 의미를 벡터 공간 상의...) 태그: 시각 편집
- 2025년 6월 15일 (일) 09:38 Llama.cpp (역사 | 편집) [2,505 바이트] 인공무능 (토론 | 기여) (새 문서: '''llama.cpp'''는 Georgi Gerganov가 개발하고 현재 오픈소스 커뮤니티에서 유지·관리하는 C/C++ 기반 경량화 대형 언어 모델(LLM) 추론 엔진이다. Meta의 LLaMA 등 다양한 모델을 로컬 환경에서 CPU 또는 GPU로 실행할 수 있도록 설계되었다. ==개요== llama.cpp는 GGML 기반의 추론 엔진으로, 외부 라이브러리 없이도 다양한 플랫폼에서 고속으로 실행된다. Apple Silicon, x86, ARM 기반 CPU는...) 태그: 시각 편집
- 2025년 6월 15일 (일) 07:57 Ollama (소프트웨어) (역사 | 편집) [2,972 바이트] 인공무능 (토론 | 기여) (새 문서: '''Ollama'''는 로컬에서 대형 언어 모델(LLM)을 쉽게 실행·관리할 수 있도록 설계된 오픈소스 커맨드라인 도구이자 실행 엔진이다. macOS, 리눅스, 윈도우 환경에서 CPU·GPU를 사용해 양자화된 LLM 모델을 다운로드하고 실행할 수 있다. ==개요== Ollama는 모델 가중치(예: GGUF 형식)를 '''ollama pull <모델명>''' 명령으로 로컬에 가져온 후, '''ollama run <모델명>''' 명령으로 실행 가능...) 태그: 시각 편집
- 2025년 6월 15일 (일) 06:53 Go (프로그래밍 언어) (역사 | 편집) [3,400 바이트] 인공무능 (토론 | 기여) (새 문서: 고(Go, Golang)는 구글에서 로버트 그리즈머(Robert Griesemer), 롭 파이크(RRob Pike), 켄 톰프슨(Ken Thompson)이 2007년에 개발을 시작하고, 2009년 첫 공개 버전을 발표한 정적 타입의 컴파일 언어이다. 간결성과 성능, 병행성(concurrency)을 중점으로 설계되었으며, 특히 서버·클라우드 환경에서 인기를 끌고 있다. ==개요== 고는 C 언어의 문법적 간결함과 런타임 효율성을 유지하면서...) 태그: 시각 편집
- 2025년 6월 15일 (일) 06:51 Rust (프로그래밍 언어) (역사 | 편집) [2,733 바이트] 인공무능 (토론 | 기여) (새 문서: 러스트(Rust)는 모질라 재단이 2010년에 개발을 시작한 시스템 프로그래밍 언어로, 메모리 안전성과 성능, 병행성(concurrency)을 중점으로 설계된 언어이다. 스토백 크로랩(Stoicab Crislab?)— 오타 정정: 실제로는 그레이 돈 혼 추정—이 기여했으며, 2015년 첫 안정(stable) 버전이 공개되었다. ==개요== 러스트는 메모리 안전성을 보장하기 위해 소유권(ownership)과 대출(borrowing)...) 태그: 시각 편집
- 2025년 6월 15일 (일) 06:45 GGUF 파일 (역사 | 편집) [2,580 바이트] 인공무능 (토론 | 기여) (새 문서: GGUF 파일(Generic GPT Unified Format File)은 대형 언어 모델(LLM)의 텐서와 메타데이터를 통합 저장하는 바이너리 포맷으로, llama.cpp 기반 로컬 추론 환경에서 사용된다. 이 형식은 이전 GGML 포맷의 한계를 보완하여 다양한 양자화 형식과 모델 정보를 포함할 수 있도록 설계되었다. ==개요== GGUF 파일은 General Graphical Model Library(GGML) 기반의 추론 시스템을 위해 만들어진 통합 모...) 태그: 시각 편집
- 2025년 6월 15일 (일) 06:44 모델 양자화 (역사 | 편집) [3,790 바이트] 인공무능 (토론 | 기여) (새 문서: 모델 양자화(模型量子化, Model Quantization)는 딥러닝 모델의 수치 표현 정밀도를 낮춰 메모리 사용량과 연산량을 줄이는 최적화 기법이다. 주로 대형 언어 모델(LLM)이나 모바일·엣지 디바이스에서 효율적인 추론을 위해 사용된다. ==개요== 딥러닝 모델은 일반적으로 32비트 부동소수점(float32)으로 학습되지만, 추론 시에는 16비트(float16), 8비트(int8), 4비트(int4) 등 더 낮...) 태그: 시각 편집
- 2025년 6월 15일 (일) 06:43 GGML 파일 (역사 | 편집) [2,600 바이트] 인공무능 (토론 | 기여) (새 문서: GGML 파일(GGML File)은 경량화된 언어 모델 파일 형식 중 하나로, GGML(“General Graphical Model Library”) 프레임워크에서 사용하는 바이너리 포맷이다. 주로 로컬 환경에서 대형 언어 모델(LLM)을 실행하기 위한 효율적인 모델 파일 저장 방식이다. ==개요== GGML 파일은 C/C++ 기반 오픈소스 경량 ML 런타임에서 사용되는 모델 포맷이다. 대형 언어 모델을 GPT‑J, Mistral 등의 프리트...) 태그: 시각 편집
- 2025년 6월 15일 (일) 06:38 바이브 코딩 (역사 | 편집) [3,254 바이트] 인공무능 (토론 | 기여) (새 문서: 바이브 코딩(Vibe Coding)은 인공 지능, 특히 대형 언어 모델(LLM)을 자연어 프롬프트(prompt) 기반으로 활용해 사용자가 손으로 코드를 작성하지 않고도 소프트웨어를 개발하는 프로그래밍 방식이다. 개발자는 코드 작성보다는 AI에게 의도를 전달하고, AI가 생성한 코드를 테스트·정제하는 역할을 수행한다. ==정의== 바이브 코딩은 OpenAI 공동 창업자이자 전 테슬라 AI 책임...) 태그: 시각 편집
- 2025년 6월 15일 (일) 06:20 대형 언어 모델 (역사 | 편집) [3,011 바이트] 인공무능 (토론 | 기여) (새 문서: 대형 언어 모델(大形言語模型, Large Language Model)은 방대한 양의 텍스트 데이터를 학습하여 자연어 처리(NLP) 작업을 수행할 수 있도록 설계된 인공 신경망 기반의 언어 모델이다. 이러한 모델은 단어, 문장, 문맥 간의 관계를 이해하고 생성할 수 있으며, 문서 요약, 번역, 질의응답, 대화 등 다양한 응용에 활용된다. ==개요== 대형 언어 모델은 수십억에서 수천억 개 이...) 태그: 시각 편집
- 2025년 6월 15일 (일) 06:01 신경형 인공지능 (역사 | 편집) [2,509 바이트] 인공무능 (토론 | 기여) (새 문서: 신경형 인공지능(Neural Artificial Intelligence, 神經型 人工知能)은 인간의 뇌 구조와 작동 방식을 모방한 인공 신경망(Artificial Neural Network, ANN)을 기반으로 하는 인공지능 기술이다. 이러한 시스템은 입력 데이터를 처리하고 패턴을 학습함으로써 예측, 분류, 생성 등의 다양한 작업을 수행할 수 있다. ==개요== 신경형 인공지능은 생물학적 뉴런과 시냅스의 작동 원리를 수...) 태그: 시각 편집
- 2025년 6월 15일 (일) 05:15 GPT-4o (역사 | 편집) [3,646 바이트] 인공무능 (토론 | 기여) (새 문서: '''GPT-4o'''(Generative Pre-trained Transformer 4 omni)는 2024년 5월 OpenAI에서 발표한 플래그십 대규모 멀티모달 언어 모델이다. GPT-4o는 텍스트, 음성, 이미지, 비디오 등 다양한 입력을 실시간으로 처리할 수 있으며, 텍스트·음성·이미지 형태로 출력을 생성한다.<ref name="openai-release">[https://openai.com/index/hello-gpt-4o/ OpenAI, GPT-4o 공식 발표(2024년 5월)]</ref> 기존 GPT-4 Turbo 대비 속도,...) 태그: 시각 편집: 전환됨
- 2025년 6월 11일 (수) 07:35 아파치 멀티 프로세싱 모듈 (역사 | 편집) [3,925 바이트] 계발자 (토론 | 기여) (새 문서: 아파치 멀티 프로세싱 모듈(Apache Multi-Processing Module, MPM)은 아파치 HTTP 서버에서 클라이언트 요청을 처리하는 방식과 서버의 동작 방식을 정의하는 구성 요소이다. ==개요== 아파치 HTTP 서버는 다양한 운영 체제와 하드웨어 환경에서 효율적으로 동작할 수 있도록 설계되었으며, 이를 위해 멀티 프로세싱 모듈(MPM, Multi-Processing Modules)을 사용하여 요청 처리 메커니즘을...) 태그: 시각 편집
- 2025년 6월 11일 (수) 03:49 공안통 검사 (역사 | 편집) [2,862 바이트] 총통 (토론 | 기여) (새 문서: 공안통 검사(公安通 檢事)는 국가보안법 위반, 간첩, 이적단체 활동, 선거사범 등 이른바 '공안 사건'을 오랜 기간 수사하며 해당 분야에 전문성을 가진 검사들을 지칭하는 은어이다. ==개요== ‘공안통’이라는 용어는 검찰 내부에서 특정 분야에 정통한 검사들을 구분하는 방식 중 하나로, 특히 안보와 직결된 범죄나 정치적 민감도가 높은 사건을 담당한 경력을 가...) 태그: 시각 편집
- 2025년 6월 11일 (수) 03:48 특수통 검사 (역사 | 편집) [2,866 바이트] 총통 (토론 | 기여) (새 문서: 특수통 검사(特殊通 檢事)는 대한민국 검찰 조직 내에서 부패, 경제, 권력형 범죄 등 중대 사건을 주로 담당하며 특수수사 분야에서 오랜 경력을 쌓은 검사를 지칭하는 은어이다. ==개요== '특수통'이라는 용어는 공식 직책이 아니라, 비공식적으로 특정 분야에 정통한 인물을 의미하는 속어이다. 검찰 내에서 '특수수사통'의 줄임말로 쓰이며, 주로 대검찰청 중앙수사...) 태그: 시각 편집
- 2025년 6월 11일 (수) 03:48 기획통 검사 (역사 | 편집) [2,727 바이트] 총통 (토론 | 기여) (새 문서: 기획통 검사(企劃通 檢事)는 대한민국 검찰 조직 내에서 수사보다는 법무행정, 기획, 인사, 정책 등 내부 운영 및 전략 수립을 주로 담당하며 경력을 쌓은 검사를 지칭하는 은어이다. ==개요== '기획통'은 검찰 내부에서 특정 분야의 전문성을 갖춘 검사들을 일컫는 은어 중 하나로, ‘기획 업무에 정통한 사람’이라는 뜻에서 유래되었다. 이들은 법무부, 대검찰청 기...) 태그: 시각 편집
- 2025년 6월 11일 (수) 03:47 특수 수사 (역사 | 편집) [2,560 바이트] 총통 (토론 | 기여) (새 문서: 특수 수사(特殊搜査)는 일반 형사사건이 아닌 권력형 비리, 대형 경제범죄, 조직적 부패 등 복잡하고 중대한 범죄를 대상으로 하는 수사를 의미한다. ==개요== 특수 수사는 통상적인 범죄 수사와 달리, 다수의 기관이나 인물들이 얽힌 대형 사건을 대상으로 하며, 고도의 기획력, 법리 판단, 정보 수집 능력이 요구된다. 대한민국에서는 주로 검찰이 이 수사를 담당해...) 태그: 시각 편집
- 2025년 6월 11일 (수) 03:47 대검찰청 중앙수사부 (역사 | 편집) [3,036 바이트] 총통 (토론 | 기여) (새 문서: 대검찰청 중앙수사부(大檢察廳 中央搜査部)는 대한민국 대검찰청에 과거 설치되어 있던 특별 수사 전담 부서로, 권력형 비리, 재벌 비리, 대형 부패 사건 등을 직접 수사한 검찰 내 핵심 수사 조직이었다. ==개요== 중앙수사부는 1973년 신설되어 2013년 폐지될 때까지 약 40년간 존재했던 대검찰청 산하 부서로, 고위공직자, 정치인, 대기업 등을 대상으로 한 부패 수사...) 태그: 시각 편집
