latent space

잠재 공간

기계학습 모델이 데이터를 압축된 수치 벡터로 표현하는 내부의 추상적 공간이다.

기사 1편최근 언급

latent space(잠재 공간)는 기계학습 모델이 데이터를 압축된 수치 벡터로 표현하는 내부의 추상적인 공간이다. 모델은 입력 데이터를 이 공간의 점으로 사상하며, 의미가 비슷한 데이터일수록 공간 안에서 가까운 위치에 놓인다. 원본 데이터보다 차원이 낮은 경우가 많아 데이터의 핵심 특징만 남긴 표현으로 볼 수 있다.

생성 모델 분야에서 특히 중요한 개념으로, variational autoencoder(VAE)와 GAN, diffusion model은 latent space의 점을 조작하거나 샘플링해 새로운 이미지나 텍스트를 만든다. embedding 모델이 만드는 벡터 공간도 latent space의 한 예이며, LLM에서는 모델 내부의 hidden state가 놓이는 공간을 가리키는 말로도 쓰인다.

이 설명은 AIPOST 기사와 널리 알려진 사실을 바탕으로 정리했습니다. 잘못된 내용이 있으면 정정 요청으로 알려 주세요.

이 항목을 다룬 기사

  • agent의 차이는 모델이 아니라 intelligence plane에서 난다AI 활용 ·

    데이터베이스 안에서 memory를 다루는 truth space, KV 상태를 prompt caching하는 latent space, LoRA/QLoRA로 fine-tuning하는 weight space입니다.

    기사 읽기

설명이 잘못되었거나 찾는 항목이 없나요?

위키 설명은 AIPOST 기사와 널리 알려진 사실을 바탕으로 정리합니다. 잘못된 설명은 정정 요청으로 알려 주시면 확인해 고칩니다. 새 기사에 나온 이름은 기사가 올라온 뒤 위키에 더해집니다.