인공지능(특히 딥러닝)에서 데이터의 역할

 

항목	세부 내용	비고
지식과 패턴의 원천	üAI모델은 명식적으로 프로그래밍되는 것이 아니라, 데이터에 내재된 패턴과 관계를 학습하여 지식을 획득 üAI가 세상을 이해하고, 문제를 해결하며, 의사결정을 내리는 데 필요한 유일한 정보원	•
성능 향상과 정확도 개선	üAI모델은 데이터 학습량이 많을 수록 성능이 향상되고 예측 정확도가 높아짐. ü정확하고 편향되지 않으며 노이즈가 적은 고품질 데이터일수록 모델이 올바른 패턴을 학습하는 것이 가능해짐. ü다양하고 질좋은 데이터를 많이 학습할수록 인공지능의 일반화 능력이 향상됨.	•인공일반지능 (AGI)
특정 문제 해결을 위한 맞춤형 학습	ü해결하고자 하는 특정한 문제(예, 스팸 메일 분류, 의료영상 진단 등)에 따라 필요한 데이터가 달라짐. ü특정 산업이나 분야(도메인)에 특화된 AI를 개발하려면 해당 도메인의 데이터를 집중적으로 학습시켜야 함.	•
편향 및 공정성 반영	ü실제 데이터는 현실 세계를 반영하므로, 학습 데이터가 특정 그룹에 대한 편향이나 차별적인 정보를 포함하고 있다면, 결과적으로 차별적이고 불공정한 결정을 내릴 수 있음. ü데이터를 수집하고 가공할 때, 다양성을 확보하고 편향을 최소화하려는 노력이 필요함.	•데이터 보안 필요
평가 및 검증	ü학습된 AI의 모델을 평가하는 데에도 데이터가 사용됨. ü상황이나 환경, 시대적 변화에 맞게 기존 모델을 검증하고 지속적으로 개선해야 함.	•