[MIT AI Lecture: Deep Learning 16] GAN에서 디퓨전까지: 생성형 AI가 '진짜'를 만드는 핵심 원리 15가지

00:00 생성형 AI의 발전과 창조의 근본 원리 탐구
01:14 단일 값 예측에서 고차원 구조적 예측으로의 패러다임 변화
02:16 초기 생성 모델의 한계와 ‘평균화의 잿빛 함정’
03:40 하드웨어적 확장을 넘어선 목적 함수의 진화와 구조적 이해
04:52 비평가 역할을 하는 판별자를 통한 생성 능력의 정교화 (Conditional GAN)
06:15 미시적 질감과 세부 구조를 포착하는 PatchGAN의 원리
08:08 잠재 변수를 활용한 불확실성 설계와 다중 모드 샘플링
09:52 텍스트의 자기 회귀적 성질과 조건부 예측의 원리
11:13 시각과 언어를 연결하는 교차 어텐션 메커니즘
12:23 시각적 특징을 토큰화하여 잠재 공간을 구축하는 VQGAN
13:42 무질서한 노이즈에서 질서를 찾아가는 디퓨전 모델의 과정
15:12 직접적인 짝이 없는 데이터 간의 스타일 매핑과 번역
16:00 번역의 일관성을 보장하는 순환 일관성 제약 (Cycle Consistency)
17:40 무한한 가능성 중 단순함을 선택하는 딥러닝의 귀납적 편향
18:46 모든 데이터 모달리티가 통합된 AI 유니파이드 생성의 미래