[MIT AI Lecture: Deep Learning 19] AI 지식 전이의 혁명 (Data++ & Meta-Learning)과 데이터 공간 확장의 원리 |전이 학습의

00:00 데이터와 메타 학습의 결합을 통한 전이 학습의 진화 및 새로운 패러다임 소개
00:51 지식 전이의 두 가지 핵심 궤도인 데이터 공간 확장(Data++)과 시간 압축(Met...
01:30 원본 데이터(X)를 잠재 공간(Z)으로 압축하고 생성기(G)를 통해 새로운 지식을 창...
02:40 픽셀 공간의 단순 보간과 대비되는 잠재 공간(Z) 내에서의 자연스러운 비선형적 현실 ...
03:25 잠재 공간(Z)의 속성 얽힘을 해소하여 나이, 조명 등을 독립적으로 제어할 수 있는 ...
05:41 단 한 장의 라벨링 데이터로부터 수백 장의 고품질 학습 데이터를 복제 및 증폭하는 D...
07:18 의료 망막 이미지의 미세 섭동을 이용한 반사실적 추론을 통해 AI 진단의 블랙박스를 ...
08:51 물리적 제약을 넘어서는 잠재 공간의 미세 이동(Latent Views)을 활용한 생성...
11:11 생성 모델이 직면한 다양성과 본질적 충실도 사이의 딜레마 및 알비노 울새를 통한 철학...
12:41 합성 데이터의 반복 학습으로 인해 현실의 다양성이 상실되고 모델이 퇴화하는 '분포의 ...
13:51 단순 미세 조정을 넘어 새로운 환경에 즉각 적응하는 '학습 본능'을 이식하는 보편적 ...
15:21 빠른 적응을 위한 내부 루프와 범용 코어를 최적화하는 외부 루프가 결합된 MAML의 ...
17:32 MAML의 연산 부하를 해결하기 위해 지리 공간 임베딩 등 문맥 토큰을 주입하여 연산...
18:57 역전파 없이 문맥(In-Context) 내 시퀀스 통계를 실시간으로 흡수하여 규칙을 ...
20:56 전통적 파인튜닝, 공간의 전이(Data++), 시간의 전이(Meta-Learning)...