인공지능입니다의 사용자 기여

2024년 2월 18일 (일)

• 23:422024년 2월 18일 (일) 23:42 차이 역사 +24‎ GPT-2 ‎편집 요약 없음 최신 태그: 시각 편집
• 23:422024년 2월 18일 (일) 23:42 차이 역사 +24‎ GPT-3 ‎편집 요약 없음 최신 태그: 시각 편집
• 23:422024년 2월 18일 (일) 23:42 차이 역사 +48‎ GPGPU ‎편집 요약 없음 최신 태그: 시각 편집
• 23:392024년 2월 18일 (일) 23:39 차이 역사 +2,582‎ 새글 GPT-3 ‎ 새 문서: '''Generative Pre Training of a language model 3''' GPT-3는 생성형 언어 모델로, OpenAI가 개발한 GPT-2의 후속작이다. * 2020년 6월에 출시되었으며, 2022년 11월에 GPT-3.5가 출시되었다. == 상세 == * GPT-3는 자기회귀 언어 모델이다. 또한, OpenAI가 만든 GPT의 3세대 모델이다. * GPT-3는 1,750억 개의 매개변수로 구성되어, 2020년 5월 도입된 전작인 GPT-2보다 100배 이... 태그: 시각 편집
• 23:362024년 2월 18일 (일) 23:36 차이 역사 +95‎ GPT-2 ‎편집 요약 없음 태그: 시각 편집
• 23:352024년 2월 18일 (일) 23:35 차이 역사 +1,025‎ 새글 GPT-2 ‎ 새 문서: '''Generative Pre Training of a language model 2''' GPT-2는 OpenAI가 개발한 GPT-1의 후속작이다. GPT의 2번째 버전이자 오픈소스로 공개된 마지막 버전. 2019년 2월 14일에 출시되었다. 연구용으로 활용할 가치는 있으나 초기버전이라 그런지 매개변수가 15억 개로 너무 적어 답변의 정확도가 매우 떨어져서 상용성은 기대하기 어렵다. 가끔 심각하게 틀린 답변을 하기 때문이다.... 태그: 시각 편집
• 23:332024년 2월 18일 (일) 23:33 차이 역사 +161‎ GPT-1 ‎편집 요약 없음 최신 태그: 시각 편집
• 22:362024년 2월 18일 (일) 22:36 차이 역사 +8,869‎ 새글 GPGPU ‎ 새 문서: '''G'''eneral-'''P'''urpose computing on '''G'''raphics '''P'''rocessing '''U'''nits GPGPU란 그래픽 카드를 위해 만들어졌던 GPU란 개념을 일반 연산에 적용시켜 CPU처럼 활용하는 개념을 말한다. == GPGPU 개념의 등장 배경 == 초기 컴퓨터는 CPU가 화면에 출력할 정보를 계산하는 것은 물론 디스플레이에 보낼 전기 신호까지도 직접 생성했으며, 이 때문에 화면 출력... 태그: 시각 편집
• 22:362024년 2월 18일 (일) 22:36 차이 역사 +14‎ 새글 파일:CPU와 GPU의 구조.png ‎편집 요약 없음 최신

2024년 2월 17일 (토)

• 18:452024년 2월 17일 (토) 18:45 차이 역사 +481‎ 새글 생성형 인공지능 ‎ 새 문서: == 대화형 == === 챗봇 === * 오픈AI ChatGPT * Microsoft Copilot * LLaMA * 구글 Gemini * 네이버 CLOVA X * Cue: * Inflection AI === 언어 모델 === * GPT-1 * GPT-2 * GPT-3 * GPT-4 * GPT-5 * 삼성 가우스 * Gemini == 텍스트 == * NovelAI * AI Dungeon == 그림 == * Midjourney * DALL-E * Artbreeder * NovelAI Image Generation * Stable Diffusion * Gaugan2 == 영상 == * Stable Video * AI 스튜디오 페르소 * Sora == 음성 == * A.I.VOICE * DeepVocal 최신 태그: 시각 편집

2024년 2월 6일 (화)

• 22:092024년 2월 6일 (화) 22:09 차이 역사 +6‎ T-closeness ‎편집 요약 없음 최신 태그: 시각 편집
• 22:082024년 2월 6일 (화) 22:08 차이 역사 +540‎ 새글 T-closeness ‎ 새 문서: T-closeness aims to make the distribution of sensitive information within a group similar to the distribution of sensitive information for an individual record. It minimizes the difference between the sensitive information of an individual and the overall distribution within the group. '''Example''' If the sensitive information distribution within a group closely resembles the distribution of an individual's sensitive information, the data can be considered to satisfy T-closen... 태그: 시각 편집
• 22:082024년 2월 6일 (화) 22:08 차이 역사 +491‎ 새글 L-diversity ‎ 새 문서: L-diversity is a concept designed to overcome the limitations of K-anonymity. '''It ensures diversity of sensitive information''' within groups of identical attribute values, requiring each group to have at least L distinct values of sensitive information. '''Example''' Applying L-diversity within groups with the same attributes like gender or age means each group should have at least L different values of sensitive information. == See Also == * K-anonymity * T-clo... 최신 태그: 시각 편집
• 22:072024년 2월 6일 (화) 22:07 차이 역사 +488‎ 새글 K-anonymity ‎ 새 문서: K-anonymity is the concept that each individual record in a dataset is indistinguishable from at least K other records based on certain attributes. This makes it challenging to identify each record individually, enhancing privacy protection. '''Example''' Considering attributes like gender, age, and location, if each record shares at least the same values with three other records, the data can be considered to have a 3-anonymity. == See Also == * L-diversity * T-closen... 최신 태그: 시각 편집
• 22:002024년 2월 6일 (화) 22:00 차이 역사 +615‎ 새글 Pseudonymization ‎ 새 문서: Pseudonymization is a technical approach to protecting personal information, involving the substitution of actual identifying information with substitute values or virtual identifiers. ==Characteristics== Actual identifying information is retained but replaced with virtual identifiers, enhancing security. For example, real names may be replaced with encrypted codes. ==Purpose== Primarily used when there is a need to enhance security while retaining some level of identifiable in... 최신 태그: 시각 편집
• 21:592024년 2월 6일 (화) 21:59 차이 역사 +558‎ 새글 Anonymization ‎ 새 문서: Anonymization involves the process of rendering personal information entirely absent, creating a state where individuals cannot be identified. == Characteristics == It often entails complete removal of all personally identifiable information or aggregating data in a way that makes specific individuals indistinguishable. == Purpose == Mainly employed to protect sensitive personal information and share data with third parties, aiming to virtually eliminate the identifiability o... 최신 태그: 시각 편집
• 21:582024년 2월 6일 (화) 21:58 차이 역사 +572‎ 새글 De-identification ‎ 새 문서: De-identification refers to the process of removing or transforming personally identifiable information in data to reduce its identifiability. == Characteristics == It typically involves keeping some non-identifying information intact while altering or removing potentially identifying elements, such as names or social security numbers. == Purpose == Primarily used for purposes like research or statistical analysis, aiming to minimize identification risks while maintaining the... 최신 태그: 시각 편집
• 21:442024년 2월 6일 (화) 21:44 차이 역사 +715‎ 인공지능 대상 공격 ‎편집 요약 없음 최신 태그: 시각 편집

2024년 2월 4일 (일)

• 09:582024년 2월 4일 (일) 09:58 차이 역사 +100‎ 인공지능 대상 공격 ‎편집 요약 없음 태그: 시각 편집
• 09:342024년 2월 4일 (일) 09:34 차이 역사 +24‎ DP-SGD 기법 ‎편집 요약 없음 최신 태그: 시각 편집
• 09:342024년 2월 4일 (일) 09:34 차이 역사 +743‎ 새글 DP-SGD 기법 ‎ 새 문서: '''Differential Privacy – Stochastic Gradient Descent''' * SGD는 AI 모델을 학습 방식의 대표적인 방법으로 입력 데이터를 작은 크기로 분할 집합(Mini Batch)하여 학습 진행 ** 여기서 AI 모델 학습은 새로운 데이터 입력으로 AI 모델 내의 노드 등의 수치가 최적화(Optimize)되는 과정으로 정의한다. * DP-SGD는 SGD방식에서 차등 프라이버시 기법을 적용하여 학습 진행 ∙ 분할 집합마다 각... 태그: 시각 편집
• 09:282024년 2월 4일 (일) 09:28 차이 역사 +24‎ FoolsGold 기법 ‎편집 요약 없음 최신 태그: 시각 편집
• 09:272024년 2월 4일 (일) 09:27 차이 역사 +2,318‎ 새글 FoolsGold 기법 ‎ 새 문서: 인공지능 연합 학습 등의 과정에서 발생할 수 있는 중독 공격을 방지하기 위해 데이터의 유사도를 기준으로 악의적 데이터와 정상 정보를 구분하는 기법 == 이름의 유래 == Fool's Gold 알고리즘의 이름은 'Fool's Gold'라는 영어 표현에서 유래하였다. 이 표현은 현실에서는 가치가 없지만 비전문가나 경험이 부족한 사람들이 그것을 가치 있는 것으로 오인하는 것을 나... 태그: 시각 편집
• 09:262024년 2월 4일 (일) 09:26 차이 역사 +87‎ 새글 파일:FoolsGold 알고리즘.png ‎편집 요약 없음 최신
• 09:222024년 2월 4일 (일) 09:22 차이 역사 +87‎ 새글 파일:FoolsGood 알고리즘.png ‎편집 요약 없음 최신

2024년 2월 3일 (토)

• 20:572024년 2월 3일 (토) 20:57 차이 역사 +87‎ 새글 파일:시빌 업데이트 예시.png ‎편집 요약 없음 최신
• 20:522024년 2월 3일 (토) 20:52 차이 역사 +42‎ 벡터 유사도 ‎편집 요약 없음 최신 태그: 시각 편집
• 20:512024년 2월 3일 (토) 20:51 차이 역사 +2,628‎ 새글 벡터 유사도 ‎ 새 문서: === 유클리드 거리 === '''Euclidean distance''' 두 점 사이의 거리를 구하는 가장 대표적인 방식이다. 구하는 방식은 두 벡터에서 각 성분 간의 차를 제곱하여 합한 뒤 제곱근을 씌워 구한다. 벡터 P와 Q 사이의 유클리드 거리는 아래와 같이 나타낼 수 있다. 파일:유클리드 거리 공.png === 맨해튼 거리 === '''Manhattan distance''' 흔히 택시 거리라고도 하며, 거리 공간에서 유... 태그: 시각 편집: 전환됨
• 20:512024년 2월 3일 (토) 20:51 차이 역사 +75‎ 새글 파일:자카드 유사도.png ‎편집 요약 없음 최신
• 20:502024년 2월 3일 (토) 20:50 차이 역사 +75‎ 새글 파일:코사인 거리 공.png ‎편집 요약 없음 최신
• 20:492024년 2월 3일 (토) 20:49 차이 역사 +75‎ 새글 파일:민코프스키 거리.png ‎편집 요약 없음 최신
• 20:482024년 2월 3일 (토) 20:48 차이 역사 +75‎ 새글 파일:맨해튼 거리 공식.png ‎편집 요약 없음 최신
• 20:462024년 2월 3일 (토) 20:46 차이 역사 +75‎ 새글 파일:유클리드 거리 공.png ‎편집 요약 없음 최신
• 20:392024년 2월 3일 (토) 20:39 차이 역사 +31‎ 새글 음차표기 ‎ 음차 표기 문서로 넘겨주기 최신 태그: 새 넘겨주기 시각 편집
• 20:392024년 2월 3일 (토) 20:39 차이 역사 +331‎ 새글 음차 표기 ‎ 새 문서: '''Transliteration''' 음차 표기(transliteration)는 한 언어로 쓰인 단어를 다른 언어로 표기하는 것이다. 예를 들어, 음차 표기는 “television”이라는 영어 단어를 “텔레비전”과 같이 한글로 표기하는 것을 의미하며, 그 반대의 과정은 음차 복원이라고 한다. 최신 태그: 시각 편집
• 20:382024년 2월 3일 (토) 20:38 차이 역사 +1,309‎ 새글 시빌 ‎ 새 문서: Sybil 시빌<ref>한국어 특성상 영어 알파벳을 기준으로 음차 표기하는 경우가 많아 '시빌'이라고 적지만, 실제로는 "시불"에 가깝게 발음된다.</ref>(Sybil)은 주로 컴퓨터 시스템에서 신뢰할 수 없는 개체들을 위조하거나 적대적으로 생성하는 것을 의미한다. 이 용어는 주로 분산 시스템이나 네트워크에서 발생하는 특정 유형의 공격에 사용된다. == 시빌 인격(Sybil Persona... 최신 태그: 시각 편집
• 20:332024년 2월 3일 (토) 20:33 차이 역사 +316‎ 새글 인공지능 대상 공격 ‎ 새 문서: 인공지능 시스템이나 인공지능 모델을 대상으로 한 공격이다. === 데이터 오염(Data Poisoning) === === 백도어 공격(Backdoor Attack) === === 모델 오염(Model Poisoning) === === 라벨 뒤집기(Label-flipping) === 분류:인공지능 분류:보안 분류:보안 공격 태그: 시각 편집
• 20:282024년 2월 3일 (토) 20:28 차이 역사 +91‎ 데이터 오염 공격 ‎편집 요약 없음 최신 태그: 시각 편집
• 20:242024년 2월 3일 (토) 20:24 차이 역사 +17‎ 데이터 오염 공격 ‎편집 요약 없음 태그: 시각 편집
• 20:242024년 2월 3일 (토) 20:24 차이 역사 +2,107‎ 새글 데이터 오염 공격 ‎ 새 문서: Data Poisoning == 명칭 == 영어로는 보통 그냥 "데이터 오염(Data Poisoning)"이라고 한다. 한국에서는 데이터 오염, 데이터 중독이나 데이터 오염 공격 등으로 다양하게 번역된다. == 설명 == 오염된 데이터가 AI 모델 학습 시에 활용되어, AI 시스템의 오작동이나 성능저하를 유발 하게 되는 공격이다. 오염된 데이터란 적대적 예제 또는 악의적인 노이즈 등이 삽입된 데이... 태그: 시각 편집
• 20:172024년 2월 3일 (토) 20:17 차이 역사 +35‎ 새글 파일:데이터 오염 공격.png ‎편집 요약 없음 최신