후회가 없도록

화면 출력에 특화된 프론트엔드 프레임워크, 리액트 1. 기원 1) 누가 페이스북의 소프트웨어 엔지니어, Jordan Walke 2) 언제 - 2011년 페이스북의 뉴스피드에 첫 적용 - 2012년 인스타그램닷컴에 적용 - 2013년 5월 JSConf US에서 오픈 소스화 3) 어디서 페이스북 및 공동체 4) 왜 리액트를 개발한 Jordan Walke는 PHP용 컴포넌트 프레임워크인 XHP에서 영향을 받았다고 한다. 기존의 자바스크립트는 어떤 속성에 대해 값이 변경될 때, 그 속성에 해당하는 DOM과 요소를 찾은 다음 사용자가 정의한 규칙(함수, 이벤트 등)을 적용한다. 만약 이런 인터랙션이 자주 발생하고, 동적인 UI가 요구되는 상황에서는 이런 규칙이 엄청 많아질 것이고, 개발자는 그런 규칙과 DOM을 ..

1. 내용 OpenAI의 GPT-3, 페이스북 AI의 블렌더봇 첫 번째 버전과 같이 지금까지 개발된 유명한 인공지능(AI) 언어 생성 모델은 적어도 진행 중인 대화의 맥락에서 명확하고 현실적으로 보이는 텍스트를 생성할 수 있었습니다. 하지만 해당 모델들은 매우 짧은 기억력을 갖고 있고, 개발 단계에서 학습된 데이터를 기반으로 말하기 때문에, 이후에 대화를 통해 얻은 지식은 학습되지 않습니다. 즉, AI 언어 모델과 대화하면서 오늘 일어난 일을 말해주고, 내일 다시 물어보면 오늘의 일을 기억하지 못한다는 뜻입니다. 또, 알고리즘의 결함으로 이전에 학습된 정보가 정확하거나 구체적인 정보가 아닐 수도 있습니다. 이에 페이스북 AI 연구소(Facebook AI Research)는 지속적으로 접근할 수 있는 장기..

1. 내용 페이스북 AI와 미시간주립대학교(Michigan State University, MSU)는 공동연구를 통해 딥 페이크(deep fake)를 탐지하는 플랫폼과 방법을 지난 6월 16일(현지시간)에 제시했습니다. 딥 페이크를 논하는 현재의 방법은 이미지의 딥 페이크 조작 여부, 학습 중에 본 모델에 의해 이미지가 생성되었는지 여부 등을 확인하는 데 초점을 맞추고 있습니다. 이는 클로즈셋(close-set) 분류를 통한 이미지 속성이라고도 하는데, 딥 페이크 확산 문제를 해결하기 위해선 한 단계 더 논의를 진행해야 하고, 학습 중에 존재하는 제한된 모델 세트를 넘어 이미지 속성을 확장하는 방법을 이해하기 위해 노력해야 합니다. 즉, 학습에서 볼 수 없는 생성 모델을 이용해 딥 페이크를 만들 수 있기..