도깨비방

학습의 한계와 자율지능의 탄생

**{학습의 한계와 자율지능의 탄생}** **'지능의 진화와 문명적 전환'**을 설명하는 가장 강력한 학술적·전략적 테마입니다. 인간의 기존 지식을 모방하던 단계에서, 스스로 문제를 정의하고 진화하는 **'자율지능(Self-Evolving Intelligence)'**으로의 전환 과정을 4가지 핵심 구조로 정리해 드립니다.---### 1. 학습의 한계: 정답 모방(귀납)과 학습 시간의 압축* **기존 AI의 한계**: 초기 인공지능 학습은 인간이 축적해 놓은 기존 정보와 지식을 바탕으로 패턴을 찾고 정답을 모방하는 귀납적 추론에 집중되었습니다 [1].* **역량과 시간의 압축**: 인공지능은 인간이 오랜 역사와 경험을 통해 쌓아온 배움과 학습의 물리적 시간을 대폭 단축시켰으며, 집단지성에 의존하던 지적..

ESG, 신제도주의, CSR CSV의개념과 관계와 발전 동향 정리

■ ESG, 신제도주의, CSR CSV의개념과 관계와 발전 동향 정리최근 ESG가 급격히 제도화되는 과정에서, ESG 경영을 단순히 '탄소 배출 감량'과 동일시하는 인식의 오류가 빈번하게 발생하고 있습니다. 물론 기후위기 대응과 탄소중립 흐름 속에서 탄소배출량(혹은 탄소배출권)이 ESG 평가와 공시의 가장 대표적인 정량 지표이자 비재무적 성과 측정의 핵심 수단으로 활용되는 것은 사실입니다. 그러나 탄소 감량은 ESG가 포괄하는 방대한 영역의 일부일 뿐이며, 비재무적 리스크 관리와 가치 창출의 전부는 아닙니다. 기업이 외형적 지표 맞추기를 넘어 '지속가능성'이라는 본질적 목적을 달성하기 위해서는 리스크를 방어하는 CSR, 공유가치를 창출하는 CSV, 성과를 정량화하는 ESG, 그리고 이를 조직 내에 영속..

sLLM를 활용한 비식별화 연구 26.9.29

sLLM를 활용한 비식별화 연구 26.9.29"정규식의 속도/정확도" + "LLM의 문맥 이해력"을 결합하는 것이 핵심입니다.1) ​정규식(1차): 빠른 속도로 개인정보 가능성이 있는 모든 패턴을 넓게(Recall 높게) 잡아냅니다.2) ​소형 LLM(2차): 정규식이 잡아낸 항목이 실제로 문맥상 개인정보인지 검증하여 오탐/과탐을 제거(Precision 높임)합니다.​이러한 2단계 하이브리드 검증 구조를 도입하면, 기존 정규식 방식의 단점인 과도한 마스킹으로 인한 데이터 훼손이나 처리 오류를 획기적으로 줄일 수 있습니다.소형 LLM(SLM, 1B~8B 규모)은 메모리 사용량이 적고 속도가 매우 빨라 온프레미스/VPC 환경에서 비식별화 전담 에이전트(Anonymization Agent)로 활용하기에 최적입..

자가진화연구-폐쇄망에서 모델 붕괴 조사.26.9.28

# 폐쇄망 LLM 모델 붕괴 관련 논문 조사검색 결과를 바탕으로, 문헌을 ① 모델 붕괴의 기초 연구, ② 완화 조건, ③ LLM 평가자 편향, ④ 자가진화·자기보상 으로 구분했습니다. 학술지·학회 발표와 사전출판 논문을 구별해 해석할 필요가 있습니다.## 1. 핵심 문헌 비교| 논문 | 상태 | 핵심 결과 | 폐쇄망 적용 의미 ||---|---|---|---|| Shumailov et al. (2024) | Nature | 재귀 생성 데이터로 학습하면 원분포의 꼬리가 먼저 사라지고 세대가 반복될수록 분산과 정보가 손실됨 | 원본 데이터와 희귀 사례를 별도 보존해야 함 || Gerstgrasser et al. (2024) | 사전출판 | 합성 데이터가 원본을 대체하면 붕괴하지만, 원본과 세대별 데이터를 누..

A-B-C 멀티 에이전트 루프와 지식 저장(판사 모델)을 활용한 자가진화형 지식증강 에이전트 시스템 설계안 및 연구 방향입니다.1. 주요 문제점 및 학술적 해결 방안 (관련 논문 연구)① 폐쇄형 루프의 모델 붕괴(Model Collapse) 및 환각/편향 문제 * 현상: LLM이 생성한 데이터를 다시 학습 및 지식으로 재입력하면, 데이터 분포의 꼬리(tail) 부분이 소실되며 점차 오류가 증폭되거나 한 가지 답변으로 수렴/붕괴합니다. * 해결 방안 (논문 및 이론적 배경): * 지식 가공 및 검증(Quality Filtering): Shumailov et al. ("The Curse of Recursion: Training on Generated Data Makes Models Forget", Nat..

CSR (Corporate Social Responsibility), ** CSV (Creating Shared Value) , ** ESG (Environmental, Social, Governance)는 모두 기업의 지속가능성과 사회적 책임을 다루는 개념이지만, 목적, 접근 방식, 핵심 주체에서 명확한 차이가 있습니다.1. 개념 정리구분CSR (Corporate Social Responsibility)CSV (Creating Shared Value)ESG (Environmental, Social, Governance)한국어 명칭기업의 사회적 책임공유가치창출환경·사회·지배구조핵심 개념기업이 창출한 이익 일부를 사회에 환원 (선행, 기부)사회적 문제를 해결하는 과정에서 경제적 가치(이익)를 동시에 창출비..

LLM의 발전과 함께 프롬프트, 인프라 memory, 외부 API 연동 레이어로 유입되는 데이터의 유출 위험이 커짐에 따라, "LLM 연계 시스템의 비식별화 및 익명성 보장"을 주제로 한 연구 과제 추진은 매우 시의적절합니다.제시해주신 문제의식(무의식적 개인/금융정보 입력, 쇼핑/금융 연계 시 노출 위험, LLM 메모리 기억으로 인한 익명성 파괴)을 바탕으로, 연구의 실무적 유용성과 학술적 독창성을 동시에 확보할 수 있는 4가지 핵심 연구 주제(Sub-topics)를 제안드립니다.1. [핵심 연구 주제 1] LLM 인-프롬프트(In-Prompt) 가명화 시 업무 유용성(Utility) 보존 및 과마스킹(Over-masking) 방지 방안연구 배경 및 문제의식:LLM에 전달되는 텍스트 내 개인 식별 정보(..

PRISMA(Preferred Reporting Items for Systematic Reviews and Meta-Analyses) 가이드라인에 따른 **체계적 문헌고찰 및 분석의 전체 진행 단계**를 아래와 같이 5단계로 구성하여 제안합니다.---### 📋 PRISMA 연구 분석 단계별 진행 절차 (안)1. **1단계: 데이터 식별 및 통합 검토 (Identification)** * **주요 내용:** 수집된 전체 데이터셋(KCI 국문 DB 3,412건, EnglishDB 영문 2,711건, 총 6,123건)의 데이터 출처별 구성 및 기초 통계를 확정합니다 [1, 2].2. **2단계: 문헌 선별 및 중복 제거 (Screening)** * **주요 내용:** DOI 완전 일치 및 제목 정규화..

프리즈마 비식별 연구 필요성 2026.9.191. 주제.방향 모색 데이터셋(`PRISMA_merged_deduplicated`)에는 2014년부터 2026년까지 수집된 국문(KCI) 및 영문(EnglishDB) 논문의 초록과 키워드가 통합되어 있습니다. 요청하신 **'가명화의 발전 동향'** 및 **'인공지능 학습·산업 데이터의 비식별·가명화 동향'**에 대한 분석과 함께, 데이터셋에서 도출할 수 있는 **추가적인 주요 PRISMA 연구 주제**들을 체계적으로 정리해 드립니다.---### 1. 기본 요청 주제 분석 방향1. 개인정보 활용에서 가명화의 발전 동향: * 전통적인 식별자 제거 및 마스킹 방식에서 출발하여, 데이터 유용성을 유지하면서 재식별 위험을 정량적으로 평가·제어하는 **Copu..

20260903- SFT vs DPO 자가진화 루프의 핵심 차이점DPO, 다층 RAG, LoRA SFT의 삼각 공조 체계는 AI 환각을 차단하고 소형 실동 모델의 성능 한계를 극복하는 가장 진보된 자가개선 설계입니다.1. LLM 진화 모델의 핵심 기술다층 RAG 컨텍스트 주입(Short-Term Loop)LoRA SFT(Supervised Fine-Tuning) 지도 학습(Long-Term Loop)DPO(Direct Preference Optimization, 직접 선호도 최적화) 기술DPO, 다층 RAG, LoRA SFT의 삼각 공조 체계는 AI 환각을 차단하고 소형 실동 모델의 성능 한계를 극복하는 가장 진보된 자가개선 설계입니다.다층 RAG 컨텍스트 주입 (Short-Term Loop - 단기 루..