AI가 만든 자료를 거듭 학습하면 드문 사례도 남을까?
공통·중간·드문 유형 70·20·10이 합성자료만 거치며 73·23·4와 80·19·1로 바뀌는 고정 모형으로 분포 꼬리와 원자료 보존 조건을 살핍니다.
그림에서 무엇을 볼까요?
원자료의 공통·중간·드문 유형 70·20·10, 1세대 합성 73·23·4, 2세대 합성만 80·19·1, 원자료 보존 비교 72·20·8을 네 카드로 보여 주는 그림
종자 기록 100개에 공통 유형 70개, 중간 유형 20개, 드문 유형 10개가 있다고 합시다. 첫 AI가 이 분포를 근사해 새 표본 100개를 만들었더니 자체 예시에서는 73·23·4가 됐습니다. 유한 표본에서는 드문 유형이 적게 뽑히거나 아예 빠질 수 있습니다.
다음 AI가 원자료를 보지 않고 첫 합성표본만 학습해 다시 100개를 만들면, 이 예시는 80·19·1이 됩니다. 첫 단계의 우연한 축소가 다음 단계의 학습 분포가 되어 반복됩니다. 숫자는 가능한 현상을 눈에 보이게 만든 고정 사례이며 실제 언어모델 실험의 평균이나 예측값이 아닙니다.
함께 확인할 점
네 분포는 연구 결과를 복제한 수치가 아니라 원리를 보여 주려고 고정한 100개짜리 교육용 모형입니다. 버튼은 실제 생성모델을 호출하거나 학습시키지 않습니다.
생각해 볼 질문
반복 생성·요약 과정에서 사라지기 쉬운 드문 사례 하나를 정하고, 원자료 보존 위치·합성 표시·세대별 희귀 평가 지표를 한 줄씩 적어 보세요.
순서를 바꿔도 같은 효과를 볼 수 있을까?
AI가 약한 ETag와 강한 ETag를 같은 검증자로 써도 될까?
AI 정확도 90퍼센트와 60퍼센트를 평균 내면 75퍼센트일까?