유니버설 기계 학습 모델
정의
기계학습에서 유니버설 모델universal model이란, 하나의 도메인 안에서 광범위하게 사용할 수 있는 모델을 말한다.
설명
유니버설 모델의 정의는 비스포크 모델과의 비교를 통해 이해하는 것이 더 수월할 것이다. 예를 들어 우리의 목표가 물질의 에너지를 근사하는 신경망을 개발하는 것이라고 하자. 여기서 용출 나노입자exsolved nanoparticle, 3원계 금속 산화물ternary metal oxides, 퀀텀 닷quantum dot, 비정질 실리콘amorphous silicon등과 같은 특정한 환경에서의 데이터로만 학습한 모델을 비스포크 모델이라 부른다. 반면에 SevenNet-Omni는 무기결정구조inorganic crystal, 촉매catalyst, MOFmetal-organic framework, 분자 등을 아우르는 광범위한 데이터 셋으로 학습되었기 때문에 유니버설 모델이라 부를 수 있다.
파운데이션 모델과의 차이
유니버설 모델과 🔒(26/07/06)파운데이션 모델foundation model은 종종 같은 뜻으로 쓰이지만 강조점이 다르다. 유니버설 모델이 원자계처럼 하나의 도메인 안에서 여러 문제를 두루 감당하는 데 초점을 둔다면, 파운데이션 모델은 그 범위가 한 분야에 머무르지 않는다. 무엇보다 양식과 분야를 가리지 않는 방대한 데이터로 대규모로 학습된다는 점을 강조한다.
그 대표적인 예가 최신 버전의 ChatGPT, Gemini, Claude와 같은 모델이다. 이들은 분야(수학, 물리학, 인문학 등)나 데이터의 형태(사진, 음성, 글자 등)를 가리지 않고, 사용자가 원하는 것이라면 무엇이든 두루 처리할 수 있다.