문서 검색

딥페이크(Deepfake)는 인공지능 기술인 딥 러닝(Deep Learning)과 가짜(Fake)의 합성어로, 생성적 적대 신경망(GAN) 등의 기계 학습 기술을 사용하여 기존의 사진이나 영상을 다른 영상에 겹쳐서 만드는 인간 이미지 합성 기술이다. 영상 속 인물의 얼굴을 바꾸거나 특정 인물의 목소리를 복제하는 등 초현실적인 조작 콘텐츠를 생성할 수 있다.

생성형 인공지능(Generative AI)은 기존 데이터의 패턴과 구조를 학습하여 텍스트, 이미지, 오디오, 소프트웨어 코드 등 새로운 콘텐츠를 생성할 수 있는 인공지능 기술이다. 사용자가 입력한 프롬프트(Prompt)라 불리는 지시문을 기반으로 결과물을 도출하며, 딥 러닝 모델을 통해 방대한 데이터 속의 관계를 파악하여 독창적인 응답을 생성하는 것이 특징이다.

mHC(Manifold-Constrained Hyper-Connections)는 중국 AI 연구소 딥시크(DeepSeek)가 개발한 대규모 언어 모델(LLM) 학습을 위한 새로운 아키텍처 프레임워크이다. 기존 딥 트랜스포머 모델이 깊어질수록 겪는 정보 흐름 저하와 불안정성을 해결하기 위해 설계되었다. mHC는 하이퍼커넥션(Hyper-Connections) 구조에 다양체 제약(Manifold…

딥마인드(DeepMind Technologies Limited)는 알파벳의 자회사이자 영국의 인공지능(AI) 연구 개발 회사이다. 2010년 데미스 허사비스, 셰인 레그, 무스타파 술레이만이 런던에서 공동 창업하였으며, 초기 사명은 '딥마인드 테크놀로지'였다. 머신러닝과 신경과학을 기반으로 스스로 학습하는 범용 학습 알고리즘을 개발하는 것을 목표로 한다. 2014년 구글이 약 4억 달러에…

딥페이크 금융사기는 인공지능(AI)의 핵심 기술인 딥러닝(Deep Learning)을 활용해 특정 인물의 목소리, 얼굴, 영상 등을 정교하게 합성하여 금융 자산을 가로채는 범죄를 말한다. 기존의 단순한 편집 방식인 셸로페이크(Shallowfake)와 달리, 생성형 AI를 통해 실제와 구분이 어려운 가짜 정보를 생성하여 보이스피싱, 투자 사기, 기업 대상 사회공학적 공격 등에 활용한다. 최근…

딥페이크 금융 사기는 인공지능(AI)의 딥러닝 기술을 활용해 특정 인물의 목소리, 얼굴, 영상 등을 실제와 유사하게 합성하여 금융 자산을 가로채는 범죄 수법이다. 인공지능 기술인 딥러닝(Deep learning)과 가짜를 의미하는 페이크(Fake)의 합성어로, 과거의 단순한 편집 방식인 칩페이크(Cheapfake)보다 훨씬 정교한 것이 특징이다. 최근 생성형 AI의 발전과 함께 금융기관을…

딥시크-R1(DeepSeek-R1)은 중국 인공지능 스타트업 딥시크가 2025년 1월 20일에 출시한 고성능 추론 모델이다. MIT 라이선스로 공개된 오픈 소스 모델이며, 수학·코딩·과학 추론에서 오픈AI의 o1과 유사한 성능을 보였다. 개발 비용은 약 557만 6천 달러로 경쟁 모델 대비 매우 낮았고, 엔비디아 H800 GPU 2,048개로 훈련되었다. 출시 직후 딥시크-R1 기반 챗봇은…

딥시크(DeepSeek)는 중국 저장성 항저우시에 본사를 둔 인공지능 기업이다. 중국 헤지펀드 하이플라이어가 소유하고 자금을 지원하며, 2023년 7월 하이플라이어의 공동 창립자 량원펑이 설립하였다. 딥시크는 대형 언어 모델(LLM)을 개발하며, 2025년 1월 딥시크-R1 챗봇을 출시하여 오픈AI의 GPT-4o 등과 경쟁하는 성능을 저렴한 비용으로 구현해 주목받았다. MIT 허가서로 공개…

딥시크(DeepSeek)는 중국의 인공지능(AI) 기술 개발 기업이다. 2023년 7월 중국 헤지펀드 하이플라이어(High-Flyer)의 공동 창립자 량원펑에 의해 설립되었다. 대규모 언어 모델(LLM) 분야에서 기존 경쟁사 대비 현저히 낮은 비용으로 고성능 모델을 구현하여 시장에 큰 충격을 주었으며, 주요 모델의 가중치를 공개하는 오픈 웨이트 방식을 채택하고 있다.

Sloth는 컴퓨터 비전 연구를 위해 이미지와 비디오 데이터에 라벨을 붙이는 도구이다. Python으로 작성되었으며, 사각형, 점, 다각형 등 표준 형태의 라벨을 지원한다. 각 라벨은 키-값 쌍으로 구성되며 'class' 키가 필수이다. 2011년에 처음 공개되었고, cvhciKIT 그룹이 개발하였다. 2013년 v1.0이 릴리스되었으며, 2020년까지 유지보수되었다.

데이터 라벨링은 머신 러닝 모델 개발의 전처리 단계로, 이미지, 텍스트 파일, 비디오 등 원시 데이터를 식별하고 하나 이상의 레이블을 할당하여 모델에 컨텍스트를 제공하는 작업이다. 이 레이블은 모델이 데이터를 올바르게 해석하고 정확한 예측을 수행하도록 돕는다. 데이터 라벨링은 컴퓨터 비전, 자연어 처리(NLP) 등 다양한 머신 러닝 및 딥 러닝 사용 사례를 뒷받침한다.

인공지능 기술은 범위와 깊이에 따라 계층적으로 구분된다. 인공지능 아래에는 머신 러닝이 있으며, 머신 러닝 아래에는 딥 러닝, 딥 러닝 아래에는 생성형 AI가 위치한다. 머신 러닝(Machine Learning): 데이터를 기반으로 예측이나 결정을 내릴 수 있도록 알고리즘을 학습시켜 모델을 만드는 기술이다. AI 시스템을 개발하는 데 도움이 되는 핵심 기술이다. 딥 러닝(Deep Learn…