Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
ZennAI 번역헤드라인
수요 예측에서의 절단 문제 ① 도입편 ─ 「레이와 시대의 쌀 소동」이 가르쳐준 수요 예측의 함정
일본의 '레이와 시대 쌀 소동' 사례를 통해 수요 예측 시 발생하는 '절단 문제(Censoring Problem)'를 소개합니다. 실제 판매량과 잠재적 수요 사이의 괴리가 데이터 분석에 미치는 영향을 다룹니다.
5월 25일0
ZennAI 번역헤드라인
수요 예측에서의 절단 문제 ② 이론편·전편 ─ 왜 일반적인 예측 모델은 계통적으로 틀리는가
재고 부족으로 인해 실제 수요가 데이터에 제대로 반영되지 않는 '절단(Censoring)' 문제를 통계학적 관점에서 분석합니다. Censoring, Truncation, Sample selection의 차이를 정의하고, 합성 데이터를 통해 일반적인 OLS 모델이 수요를 어떻게 과소평가하는지 시각화합니다.
5월 25일0
ZennAI 번역헤드라인
AI가 80년의 벽을 허문 날
OpenAI의 모델이 80년 동안 미해결 상태였던 수학적 난제인 '단위 거리 문제(unit distance problem)'의 기존 예측을 뒤집는 반례를 발견했습니다. 이는 AI가 단순 계산을 넘어 수학적 구조를 탐색하고 정설을 부정할 수 있음을 보여준 기념비적 사건입니다.
5월 25일0
ZennAI 번역헤드라인
AI가 분쟁을 악화시킨다? 알려지지 않은 위기
무장 분쟁 지역에서 AI 모델이 대화의 감정적 극성에 따라 판단이 왜곡되는 '동조 편향'과 'AMEL' 현상을 분석한 연구를 소개합니다. LLM이 평가자로 사용될 때 축적된 문맥이 후속 판단에 편향을 일으켜 사회적 갈등을 심화시킬 수 있음을 경고합니다.
5월 24일0
ZennAI 번역헤드라인
SE 블록과 Residual 연결을 조합했더니 예상치 못한 결과가 나왔습니다 【Keras × CIFAR-10 실험】
CIFAR-10 데이터셋을 활용하여 SE 블록과 Residual 연결의 조합 실험을 진행한 결과, 얕은 네트워크에서는 두 기법의 조합이 단독 사용보다 낮은 성능을 보임을 확인했습니다. SE 블록이 파라미터 증가 대비 가장 높은 비용 효율성을 보였으며, 조합의 유효성은 네트워크의 깊이에 따라 달라질 수 있습니다.
5월 23일0
ZennAI 번역헤드라인
AI가 80년 된 난제를 풀었다
OpenAI의 추론 모델이 80년 동안 해결되지 않았던 수학 난제인 '단위 거리 문제'의 새로운 구성을 발견하고 증명 골격을 제시했습니다. 인간의 직관적 편향을 넘어 광대한 해 공간을 탐색함으로써 수학적 상식을 뒤집는 성과를 거두었습니다.
5월 22일1
ZennAI 번역헤드라인
긴 시계열 예측을 위한 효율적인 Transformer: LogTrans, Informer, Reformer, Pyraformer 비교 정리
긴 시계열 예측을 위한 Transformer 모델들의 효율화 방안을 비교 분석합니다. 기존 Transformer의 O(L^2) 계산 복잡도 문제를 해결하기 위해 LogTrans, Informer, Reformer, Pyraformer가 채택한 다양한 Sparse Attention 기법을 다룹니다.
5월 22일0
ZennAI 번역헤드라인
47세 목수가 SSRN(Elsevier)에 논문을 게재한 이야기 — 건설비 오픈 데이터와 「신뢰의 증명」
건설 현장 전문가가 LLM의 부정확한 건설비 답변 문제를 해결하기 위해 일본 최초의 건설비 오픈 데이터셋(JCCDB)을 구축하고 이를 SSRN에 논문으로 게재했습니다. 데이터의 신뢰성을 확보하기 위해 방법론을 Bitcoin 블록에 앵커링하여 위조 불가능한 검증 체계를 마련했습니다.
5월 22일0
ZennAI 번역헤드라인
미세한 유의차를 검출하는 기법 "PWTAB"의 검증
기존 A/B 테스트 기법이 포착하기 어려운 미세한 유의차를 검출하기 위한 새로운 기법 'PWTAB'를 소개합니다. Strategic Central Limit Theorem과 2-Armed Bandit 알고리즘을 결합하여 효과의 유무를 더 섬세하게 식별하는 방법을 다룹니다.
5월 22일0