[일반] 이미지 데이터를 때려박은 모델은

[익명(118.235)]

그 안에서 투시와 빛, 구도, 비례를 학습했다.

언어를 때려박은 모델이 단순히 언어 통계 머신이라는건

너무 1차원적 접근 아니냐

[익명(61.255)]

그림 인공지능 원리도 모르는구나... 투시 빛, 구도, 비례를 학습한 게 아니라 그냥 통계학적으로 입력한 프롬프트와 맞는 이미지를 합성해서 출력하는거임...

[익명(175.206)]

그건 생성모델 이야기인 것 같고 글쓴이는 이미지 분류 같은 일반적인 CV 모델 말하는 거 아님?

[익명(89.187)]

특평ㅋㅋㅋ

[익명(175.206)]

잉, 난 이 글에 대체로 동의하는데. LLM이 통계모델이냐. 아니라곤 할 수 없겠지만, 그래도 우리가 일반적으로 생각하는 통계모델보단 뛰어나잖아. NLP 발전 역사에서 최초의 모델들이, 진짜 우리가 아는 A단어 뒤에 B 단어가 오더라. 를 구현한거고 성능 개똥망. 그 다음 모델들이 word2vec으로 단어에 녹아있는 정보를 벡터화 시켜서 학습한거잖아. 그래서, 서울에서 한국을 빼고, 일본을 넣으면 도쿄가 나오는 거고. 단순 확률이라기보다 단어 사이의 거리를 학습했다고 할 수 있겠지. 근데 이걸로 한계가 있었는데, 트랜스포머 나오면서 문맥도 이해하고 LLM이 된 거 아님? 그럼 분명 인간의 이해나 그 수준은 아니고 그냥 흉내일 뿐이더라도, 난 긍정적이라고 봄. 지능이냐? 아니지만 가능성은 보여준거지.

[익명(175.206)]

개인적으론 짐켈러의 말을 좋아하는데. 짐 켈러는, 이해는 지식의 총합이 아니라, 정보의 관계의 총합이라고 했을 걸. 즉, 사과에 대한 정보를 백과사전처럼 나열하는 게 아니라, 사과가 요리 단어와 가깝고 비행기 같은 단어랑은 먼 걸 아는 게 이해라는 거지. 그래서 나는 AI들이 인간이 말하는 지능에 더 가깝게 다가가는 중이라고 생각함. 이 길이 결국 막다른 길이라 돌아가야 할 순 있겠지만, 그래도 절대적인 거리 자체는 가까워진 건 맞는 듯.

[웰빙킴(killerbow)]

3d나 영상을 입력하면 훨씬더 많은 정보를 학습할수 있을거같음. ㅇㅇ - dc App