Core Concepts
다양한 모달리티 입력을 처리하고 통합하는 다중 모달 학습 시스템의 안전성 보장을 위한 체계적인 접근이 필요하다.
Abstract
이 논문은 다중 모달 학습 시스템(MMLS)의 안전성을 보장하기 위한 체계적인 접근법을 제시한다.
- 강건성, 정렬, 모니터링, 제어 가능성의 4가지 핵심 축을 중심으로 MMLS 안전성을 분류하고 평가한다.
- 강건성 측면에서는 분포 변화와 적대적 공격에 대한 MMLS의 회복력을 다룬다.
- 정렬 측면에서는 MMLS의 오정렬 문제와 이를 해결하기 위한 기법을 소개한다.
- 모니터링 측면에서는 이상 탐지와 모델 출력의 신뢰성 확보 방안을 다룬다.
- 제어 가능성 측면에서는 설명 가능성, 프라이버시, 공정성 등을 다룬다.
- 각 측면에 대한 최신 연구 동향, 한계점, 벤치마크 등을 종합적으로 살펴본다.
- 마지막으로 MMLS 안전성 확보를 위한 고유한 과제와 향후 연구 방향을 제시한다.
Stats
다중 모달 학습 시스템은 기존 단일 모달 시스템보다 자연재해, 악의적 공격 등 다양한 위험에 더 취약하다.
다중 모달 정보의 통합은 프라이버시 침해 위험을 높인다.
다중 모달 학습 시스템의 규모가 커질수록 모니터링과 제어가 더 어려워진다.
Quotes
"다중 모달 학습 시스템(MMLS)의 안전성 보장은 이 분야의 발전을 위해 필수적이다."
"MMLS는 단일 모달 시스템보다 분포 변화와 적대적 공격에 더 취약하다."
"다중 모달 정보의 통합은 프라이버시 침해 위험을 높인다."