모델과 아키텍처

복잡한 AI 주제에 대한 해설, 입문, 맥락.

학습

모델과 아키텍처

개념AI 모델이란 무엇인가요?AI 모델은 입력을 예측, 분류, 추천, 행동 또는 생성된 결과와 같은 출력으로 변환하는 AI 시스템의 구성 요소입니다. 현재 대부분의 사용 맥락에서 AI 모델은 학습 데이터에 의해 동작 방식이 형성된 머신러닝 모델을 의미합니다.
개념LLM이란 무엇인가요?대규모 언어 모델(LLM)은 대량의 언어 데이터 모음으로 학습하여 텍스트의 개연성 높은 시퀀스를 처리하거나 생성하는 AI 모델입니다. 텍스트 생성에 사용되는 대부분의 LLM은 프롬프트를 입력받고 한 번에 작은 단위 하나씩 응답을 생성합니다.
개념모델 가중치란 무엇인가요?모델 가중치는 모델이 출력을 계산할 때 각 입력 또는 중간 신호를 얼마나 강하게 사용할지 결정하는 학습된 숫자입니다. 일반적으로 행렬 또는 텐서라는 큰 묶음으로 저장되며, 학습 과정에서 모델의 출력이 목표에 더 잘 부합하도록 값이 변경됩니다.
개념모델 파라미터란 무엇인가요?모델 파라미터는 학습이 완료된 모델 내부에 저장된 수치로, 입력을 출력으로 변환하는 방식을 결정합니다. 신경망에서는 일반적으로 학습 중에 값이 결정되고 모델이 예측을 수행할 때 재사용되는 가중치와 편향이 파라미터에 포함됩니다.
비교모델 파라미터와 모델 가중치 비교모델 파라미터는 모델의 동작을 결정하는 학습된 모든 값이며, 모델 가중치는 파라미터의 한 유형을 의미하거나 모델이 학습한 값 전체를 비공식적으로 가리키는 이름입니다. 층의 수식에서 “가중치”는 일반적으로 더 좁은 의미를 갖습니다. 반면 “모델 가중치를 다운로드한다”와 같은 표현에서는 대개 더 넓은 의미를 갖습니다.
개념신경망이란 무엇인가요?신경망은 연결된 단순한 계산 계층을 통해 입력 숫자를 유용한 출력 숫자로 바꾸는 방법을 학습하는 머신러닝 모델입니다. 이러한 계층은 학습 가능한 하나의 수학적 함수를 이루며, 실제 전자식 뇌가 아닙니다.
개념파운데이션 모델이란 무엇인가요?파운데이션 모델은 한 가지 작업만 수행하도록 만들어진 것이 아니라, 다양한 작업에 맞게 조정할 수 있도록 광범위한 데이터로 학습된 머신러닝 모델입니다. 완성된 애플리케이션이 아니라 재사용 가능한 출발점입니다.