Channel Avatar

์‹ ์ธ๋ฅ˜ @UC4yLLoaFX0H6VHUpjf588AQ@youtube.com

3K subscribers - no pronouns :c

์šฐ์ถฉ์™„๊ณผ ํ™์„์ค€์˜ ์‹ ๊ฒฝ๊ณผํ•™๊ณผ ์ธ๊ณต์ง€๋Šฅ์˜ ์œ ๋ณ„๋‚œ ๋งŒ๋‚จ


36:33
[57] 8๋ถ€: Multimodal grounding๊ณผ ๋กœ๋ด‡ํ‹ฑ์Šค | ๋•๋‹ด
44:33
[56] 7๋ถ€: In-context learning์˜ ์›๋ฆฌ | ๋•๋‹ด
48:29
[55] 6๋ถ€: ์—ฐ์†ํ•™์Šต์˜ ์š”์ฒด, ์ผ๋ฐ˜ํ™”์˜ ์„ธ๊ณ„๋กœ | ๋•๋‹ด
45:27
[54] 5๋ถ€: ์ƒˆ๋กœ์šด ํ•ด๋งˆ์˜ ๋ฌธ๋งฅ ๊ณ„์‚ฐ ๋ชจ๋ธ | ๋•๋‹ด
43:42
[53] 4๋ถ€: ๋ฌธ๋งฅ์€ ๋ฌด์—‡์ธ๊ฐ€? | ๋•๋‹ด
46:41
[52] 3๋ถ€: ํŠธ๋žœ์Šคํฌ๋จธ์˜ ๊ธฐ์ž‘ ์›๋ฆฌ | ๋•๋‹ด
38:13
[51] 2๋ถ€: ์ดˆ๊ฑฐ๋Œ€ ์–ธ์–ด ๋ชจ๋ธ๊ณผ ์ˆœ์ฐจ์  ์˜ˆ์ธก ํ•™์Šต | ๋•๋‹ด
32:46
[50] 1๋ถ€: ํ”„๋กค๋กœ๊ทธ, Generalization and Contextualization | ๋•๋‹ด
57:47
[49, ์ตœ์ข…ํšŒ] ํœด๋จผ๋ ˆ๋ฒจ ์ธ๊ณต์ง€๋Šฅ์„ ๋งˆ์น˜๋ฉฐ 2๋ถ€: ์šฐ๋ฆฌ๊ฐ€ ํ˜น์‹œ ๋†“์นœ ๊ฒƒ์€? | ๋•๋‹ด
01:02:40
[48] ํœด๋จผ๋ ˆ๋ฒจ ์ธ๊ณต์ง€๋Šฅ์„ ๋งˆ์น˜๋ฉฐ 1๋ถ€: ์ง€๋Šฅ์„ ๋‹ค์‹œ ์ •์˜ํ•ด๋ณด์ž! | ๋•๋‹ด
31:30
[47] ๋Šฅ๋™์ถ”๋ก  14๋ถ€: Active inference์™€ ๋‹ฎ์€ SOTA RL | ๋•๋‹ด
44:33
[46] ๋Šฅ๋™์ถ”๋ก  13๋ถ€: Deep active inference๊ณผ RL์˜ ๋น„๊ต | ๋•๋‹ด
42:29
[45] ๋Šฅ๋™์ถ”๋ก  12๋ถ€: Active inference์™€ Deep learning๊ณผ์˜ ๋งŒ๋‚จ | ๋•๋‹ด
36:07
[44] ๋Šฅ๋™์ถ”๋ก  11๋ถ€: Deep Generative Model๋Š” ๋ฌด์—‡์ธ๊ฐ€? | ๋•๋‹ด
39:05
[43] ๋Šฅ๋™์ถ”๋ก  10๋ถ€: Active inference์˜ ๋™์ž‘์›๋ฆฌ | ๋•๋‹ด
44:14
[42] ๋Šฅ๋™์ถ”๋ก  9๋ถ€: The Graphical Brain์œผ๋กœ์˜ ์ดˆ๋Œ€ | ๋•๋‹ด
34:04
[41] ๋Šฅ๋™์ถ”๋ก  8๋ถ€: Stable Diffusion์˜ ์†Œ๊ฐœ | ๋•๋‹ด
27:53
[40] ๋Šฅ๋™์ถ”๋ก  7๋ถ€: ์ƒ์„ฑ๋ชจ๋ธ์˜ ๋ํŒ์™•, Diffusion Model ๋“ฑ์žฅ | ๋•๋‹ด
38:31
[39] ๋Šฅ๋™์ถ”๋ก  6๋ถ€: ์ƒ์„ฑ๋ชจ๋ธ์˜ ์›์ฒœ, ๋…ธ์ด์ฆˆ๋ž€ ๋ฌด์—‡์ธ๊ฐ€? | ๋•๋‹ด
30:39
[38] ๋Šฅ๋™์ถ”๋ก  5๋ถ€: ๊ณ„์ธต์  ๋ฒ ์ด์ง€์•ˆ ๋‡Œ (Hierarchical Bayesian Brain) ํŒŒํ—ค์น˜๊ธฐ | ๋•๋‹ด
48:11
[37] ๋Šฅ๋™์ถ”๋ก  4๋ถ€: ๋ฏธ๋ž˜๋ฅผ ์ƒ๊ฐํ•˜๋Š” Expected Free Energy | ๋•๋‹ด
30:32
[36] ๋Šฅ๋™์ถ”๋ก  3๋ถ€: Variational Free Energy์˜ ์ˆจ์€ ์˜๋ฏธ | ๋•๋‹ด
37:56
[35] ๋Šฅ๋™์ถ”๋ก  2๋ถ€: ๋ณ€๋ถ„์ถ”๋ก  (variational inference)๊ณผ ์ž์œ ์—๋„ˆ์ง€ (free energy) | ๋•๋‹ด
53:40
[34] ๋Šฅ๋™์ถ”๋ก  1๋ถ€: Active inference (๋Šฅ๋™์ถ”๋ก )์˜ ์ฒซ์žฅ์„ ์—ด๋‹ค! | ๋•๋‹ด
39:31
[33] ๊ฐ•ํ™”ํ•™์Šต 10๋ถ€: ๊ฐ•ํ™”ํ•™์Šต ์ตœ์‹  ๊ฒฝํ–ฅ (SR, DeepRL, World models, Dreamer, Decision Transformer ๋“ฑ) | ๋•๋‹ด
01:00:58
[32] ๊ฐ•ํ™”ํ•™์Šต 9๋ถ€: ๋” ์ƒ๊ฐํ•  ๊ฑฐ๋ฆฌ๋“ค (๋ฐ”์šด๋”๋ฆฌ, ๋ณด์ƒ, ๋‡Œ) | ๋•๋‹ด
37:30
[31] ๊ฐ•ํ™”ํ•™์Šต 8๋ถ€: ๋ชจ๋ธ ๊ธฐ๋ฐ˜ ๊ฐ•ํ™”ํ•™์Šต ํŒŒํ—ค์น˜๊ธฐ (model-based RL) | ๋•๋‹ด
30:46
[30] ๊ฐ•ํ™”ํ•™์Šต 7๋ถ€: SARSA์™€ Q-learning ํŒŒํ—ค์น˜๊ธฐ | ๋•๋‹ด
44:31
[29] ๊ฐ•ํ™”ํ•™์Šต 6๋ถ€: On/off-policy์™€ ๋ชฌํ…Œ์นด๋ฅผ๋กœ ํ†ต์ œ ํŒŒํ—ค์น˜๊ธฐ (Monte-Carlo control) | ๋•๋‹ด
39:30
[28] ๊ฐ•ํ™”ํ•™์Šต 5๋ถ€: ๋ชฌํ…Œ์นด๋ฅผ๋กœ์™€ ์‹œ๊ฐ„์ฐจ ํ•™์Šต ํŒŒํ—ค์น˜๊ธฐ | ๋•๋‹ด
45:31
[27] ๊ฐ•ํ™”ํ•™์Šต 4๋ถ€: ๋ฒจ๋งŒ ์ตœ์  ๋ฐฉ์ •์‹๊ณผ ๋‹ค์ด๋‚ด๋ฏน ํ”„๋กœ๊ทธ๋ž˜๋ฐ ํŒŒํ—ค์น˜๊ธฐ | ๋•๋‹ด
50:08
[26] ๊ฐ•ํ™”ํ•™์Šต 3๋ถ€: MDP์™€ ๋ฒจ๋งŒ ๊ธฐ๋Œ€ ๋ฐฉ์ •์‹ ํŒŒํ—ค์น˜๊ธฐ | ๋•๋‹ด
01:03:43
[25] ๊ฐ•ํ™”ํ•™์Šต 2๋ถ€: ๊ฐ•ํ™”ํ•™์Šต์ด๋ž€ ๋ฌด์—‡์ธ๊ฐ€? (2) | ๋•๋‹ด
43:35
[24] ๊ฐ•ํ™”ํ•™์Šต 1๋ถ€: ๊ฐ•ํ™”ํ•™์Šต์ด๋ž€ ๋ฌด์—‡์ธ๊ฐ€? (1) | ๋•๋‹ด
42:30
[๋ฒˆ์™ธ] ์—”ํŠธ๋กœํ”ผ 4๋ถ€: ํŒจํ„ด๋•ํ›„ ๊ถŒ์„์ค€ ๊ต์ˆ˜๋‹˜๊ณผ ํ•จ๊ป˜ํ•˜๋Š” ์ •๋ณด ์—”ํŠธ๋กœํ”ผ ์‹ฌํ™” ํ•™์Šต | ๋•๋‹ด
47:13
[๋ฒˆ์™ธ] ์—”ํŠธ๋กœํ”ผ 3๋ถ€: ํŒจํ„ด๋•ํ›„ ๊ถŒ์„์ค€ ๊ต์ˆ˜๋‹˜๊ณผ ํ•จ๊ป˜ํ•˜๋Š” "์„€๋„Œ, ์ •๋ณด์˜ ์ธก๋Ÿ‰์„ ๋งํ•˜๋‹ค. ์ •๋ณด ์—”ํŠธ๋กœํ”ผ์˜ ์›๋ฆฌ๊ณผ ์‘์šฉ" | ๋•๋‹ด
49:55
[๋ฒˆ์™ธ] ์—”ํŠธ๋กœํ”ผ 2๋ถ€: ํŒจํ„ด๋•ํ›„ ๊ถŒ์„์ค€ ๊ต์ˆ˜๋‹˜๊ณผ ํ•จ๊ป˜ํ•˜๋Š” ์—”ํŠธ๋กœํ”ผ "ํ˜ผํ•ฉ์˜ ์„ธ๊ณ„๋ฅผ ์–ด๋–ป๊ฒŒ ๋ฐ”๋ผ๋ณผ ๊ฒƒ์ธ๊ฐ€?" | ๋•๋‹ด
54:04
[๋ฒˆ์™ธ] ์—”ํŠธ๋กœํ”ผ 1๋ถ€: ํŒจํ„ด๋•ํ›„ ๊ถŒ์„์ค€ ๊ต์ˆ˜๋‹˜๊ณผ ํ•จ๊ป˜ํ•˜๋Š” ๋ณผ์ธ ๋งŒ์˜ ์—”ํŠธ๋กœํ”ผ ๋ฐฉ์ •์‹ ์ด์•ผ๊ธฐ | ๋•๋‹ด
47:44
[23] ๊ธฐ์–ต๊ณผ ์ฃผ์˜ 5๋ถ€: Transformer์˜ ๋‡Œ ๊ณ„์‚ฐ์‹ ๊ฒฝ ๊ธฐ์ œ | ๋•๋‹ด
38:52
[22] ๊ธฐ์–ต๊ณผ ์ฃผ์˜ 4๋ถ€: Transformer ์†Œ๊ฐœ | ๋•๋‹ด
34:45
[21] ๊ธฐ์–ต๊ณผ ์ฃผ์˜ 3๋ถ€: Attention ๊ทธ๋ฆฌ๊ณ  ๋‡Œ | ๋•๋‹ด
42:57
[20] ๊ธฐ์–ต๊ณผ ์ฃผ์˜ 2๋ถ€: ๊ณ„์‚ฐ์‹ ๊ฒฝ๊ณผํ•™์  ๊ด€์ ์—์„œ์˜ ๊ธฐ์–ต ๋ฉ”์ปค๋‹ˆ์ฆ˜ | ๋•๋‹ด
36:48
[19] ๊ธฐ์–ต๊ณผ ์ฃผ์˜ 1๋ถ€: ๊ธฐ์–ต์˜ ์ข…๋ฅ˜ ๋ฐ ์ž‘์—…๊ธฐ์–ต์˜ ์ƒ๋ฌผํ•™์  ๊ธฐ์ œ | ๋•๋‹ด
01:19:28
[18] ์ธ์‹๊ณผ ์ถ”๋ก ์˜ ๋ฌธ์ œ 5๋ถ€: Predictive coding์˜ ์ƒ๋ฌผํ•™์  ๊ตฌํ˜„ | ๋•๋‹ด
38:50
[17] ์ธ์‹๊ณผ ์ถ”๋ก ์˜ ๋ฌธ์ œ 4๋ถ€: Active inference์—์„œ์˜ ๊ด€์  ๊ทธ๋ฆฌ๊ณ  Markov Blanket | ๋•๋‹ด
34:15
[16] ์ธ์‹๊ณผ ์ถ”๋ก ์˜ ๋ฌธ์ œ 3๋ถ€: Predictive coding ํŒŒํ—ค์น˜๊ธฐ | ๋•๋‹ด
01:28:08
์‹ ๊ฒฝ๊ณผํ•™๊ณผ ์ธ๊ณต์ง€๋Šฅ์˜ ์œ ๋ณ„๋‚œ ๋งŒ๋‚จ์„ ์œ„ํ•œ ์—ฐ๊ตฌ ์ปค๋ฎค๋‹ˆํ‹ฐ, ์–ด๋–ป๊ฒŒ ๋งŒ๋“ค ๊ฒƒ์ธ๊ฐ€? | ํ†กํ†กํ†ก
48:40
[15] ์ธ์‹๊ณผ ์ถ”๋ก ์˜ ๋ฌธ์ œ 2๋ถ€: ๋ฒ ์ด์ง€์•ˆ ์ถ”๋ก ๊ณผ ์ธ์ง€์‹ ๊ฒฝ๊ณผํ•™์  ํ•ด์„ | ๋•๋‹ด
50:47
[14] ์ธ์‹๊ณผ ์ถ”๋ก ์˜ ๋ฌธ์ œ 1๋ถ€: ์ง€๊ฐ, ์ธ์‹ ๊ทธ๋ฆฌ๊ณ  ์ถ”๋ก ๊นŒ์ง€ | ๋•๋‹ด
37:46
[13] ์ƒ์กด๊ณผ ์ง€๋Šฅ 4๋ถ€: ๋‚ด์ˆ˜์šฉ๊ฐ๊ฐ์„ ํƒ‘์žฌํ•œ ์ธ๊ณต์ง€๋Šฅ | ๋•๋‹ด
41:03
[12] ์ƒ์กด๊ณผ ์ง€๋Šฅ 3๋ถ€: ์ถ”๋ก ๊ณผ ํ†ต์ œ๋กœ์„œ์˜ ๋‚ด์ˆ˜์šฉ๊ฐ๊ฐ | ๋•๋‹ด
42:32
[11] ์ƒ์กด๊ณผ ์ง€๋Šฅ 2๋ถ€: ๋‚ด์ˆ˜์šฉ๊ฐ๊ฐ๊ณผ ๋Š๋‚Œ (Interoception and feelings) | ๋•๋‹ด
47:27
[10] ์ƒ์กด๊ณผ ์ง€๋Šฅ 1๋ถ€: ๋‚ด๋ถ€ ํ™˜๊ฒฝ๊ณผ ํ•ญ์ƒ์„ฑ (Internal milieu and homeostasis) | ๋•๋‹ด
34:43
[09] ์ƒ๋ช…๊ณผ ์ง€๋Šฅ 3๋ถ€: ์ •๋ณด์™€ ๊ฒฝ๊ณ„์กฐ๊ฑด์œผ๋กœ์„œ์˜ ์ƒ๋ช… | ๋•๋‹ด
01:00:20
[08] ์ƒ๋ช…๊ณผ ์ง€๋Šฅ 2๋ถ€: ์—๋„ˆ์ง€, ์งˆ์„œ, ๊ตฌํšํ™”, ์ •๋ณด | ๋•๋‹ด
50:42
[07] ์ƒ๋ช…๊ณผ ์ง€๋Šฅ 1๋ถ€: ์ƒ๋ช…์ด๋ž€ ๋ฌด์—‡์ธ๊ฐ€ | ๋•๋‹ด
57:24
[๋ฒˆ์™ธ] Meta AI ์ธํ„ฐ๋ทฐ ๋ฆฌ์•ก์…˜ 3๋ถ€ | ๋•๋‹ด
44:40
[๋ฒˆ์™ธ] Meta AI ์ธํ„ฐ๋ทฐ ๋ฆฌ์•ก์…˜ 2๋ถ€ | ๋•๋‹ด
40:02
[๋ฒˆ์™ธ] Meta AI ์ธํ„ฐ๋ทฐ ๋ฆฌ์•ก์…˜ 1๋ถ€ | ๋•๋‹ด
43:38
[06] ํ˜„๋Œ€ ์ธ๊ณต์ง€๋Šฅ์˜ ํ๋ฆ„ 2๋ถ€: ์ฒจ๋‹จ ์‹ฌํ™”ํ•™์Šต ์•Œ๊ณ ๋ฆฌ์ฆ˜ ๋กœ๋“œ๋งต | ๋•๋‹ด