Glossary

0-9

1-shot learning 2-stage detector 3D convolution 4D data 5G + AI 6DoF pose estimation 7D representation 8-bit quantization 9-layer network 0-shot learning

A

Algorithm Autoencoder Artificial Intelligence (AI)Attention AGI / Artificial General Intelligence

B

Batch Normalization Boosting Backpropagation Bias BERT

C

Classifier / Classification Chatbot Cross-Validation Clustering CNN / Convolutional Neural Network

D

Deterministic Model Data Augmentation Deep Learning Discriminative Model Deepfake

E

Explainable AI (XAI)Ensemble Learning Encoder Embedding Epoch

F

Foundation Model Fine-tuning Forward Propagation Feature Extraction Fusion / Multimodal Fusion

G

Gradient Descent Graph Neural Network (GNN)Generative AI GAN / Generative Adversarial Network Grounding

H

Hierarchical Model Hidden Layer Hyperparameter Hallucination Heuristic

I

Imbalanced Data Instance / Sample Intelligence Amplification / Augmentation Interpretability Instruction tuning

J

Juxtaposition Joint Embedding Jittering JAX JSONL / JSON-lines

K

Knowledge Distillation Kernel Trick K-means Clustering K-Shot Learning KL Divergence (Kullback–Leibler Divergence)

L

Large Language Model (LLM)Loss Function Latent Variable Learning Rate LSTM / Long Short-Term Memory

M

Machine Learning (ML)Multimodal / Multimodality Multi-head Attention Meta-learning Model

N

Novelty Detection / Anomaly Detection Neural Network Normalization NLP / Natural Language Processing NLU / Natural Language Understanding

O

Objective Function Overfitting Online Learning Optimizer One-hot Encoding

P

Parameter Policy / Reinforcement Learning Policy Prompt Pretraining Pooling

Q

Quantization Query Queue / Buffer Quality Estimation Q-learning

R

Reinforcement Learning (RL)Retrieval Augmented Generation (RAG)Regularization Representation Learning RNN / Recurrent Neural Network

S

Supervised Learning Sampling Sequence Modeling Self-Supervised Learning Softmax

T

Transfer Learning Tokenizer Tuning / Hyperparameter Tuning Transformer Training Data

U

Uncertainty Estimation Unsupervised Learning Underfitting Universal Approximation Theorem U-Net

V

Validation Set Vector Embedding Variational Autoencoder (VAE)Vanishing / Exploding Gradient Vision Transformer (ViT)

W

Whitening / Whitening Transformation Weak Supervision Word Embedding Workflow Weight Decay

X

X-axis / feature axis XAI / Explainable AI XLM XLNet XOR problem

Y

Yield (model yield / throughput)Yoga of AI Y-transform / YUV Y-axis / feature axis YAGNI (You Aren't Gonna Need It)

Z

Zero-gradient phenomenon Zero-centric / Zero-bias initialization Zero-shot Learning / Zero-shot inference Zygosity in augmentation Z-score Normalization

5G + AI란 무엇인가

5G, 즉 5세대 이동통신 기술은 우리가 디지털 세계와 연결하고 상호작용하는 방식을 혁신하고 있습니다. 5G는 속도가 크게 빨라지고, 지연 시간이 줄어들며, 더 많은 장치를 동시에 연결할 수 있는 높은 용량을 제공합니다. 이 기술은 스마트 시티와 자율 주행 차량과 같은 응용 분야에 필수적입니다.

반면에 인공지능(AI)은 데이터 처리 및 의사 결정 방식을 변화시키고 있습니다. AI는 알고리즘을 통해 방대한 양의 데이터를 자동 분석하여 운영 효율성을 높입니다. 5G와 AI가 결합되면 실시간 데이터 처리와 즉각적인 반응이 가능해지는 강력한 시너지가 창출됩니다. 특히 스마트 교통 시스템에서 5G는 실시간 데이터를 제공하고 AI는 교통 흐름을 최적화합니다.

5G와 AI 통합의 미래는 산업 전반의 디지털 전환을 주도할 중요한 힘이 될 것입니다. 5G 네트워크가 보편화됨에 따라 기업은 AI를 활용하여 역량을 강화하는 방법을 모색할 것입니다. 그러나 이러한 기술의 빠른 발전은 사이버 보안 및 개인 정보 보호와 같은 문제를 초래하므로 주의가 필요합니다.