Files
2nd/10_Wiki/Topics_Blog/Neural-Architecture-Search.md
T

29 lines
2.1 KiB
Markdown

---
id: NAS-001
category: "10_Wiki/💡 Topics/AI"
confidence_score: 1.0
tags: [ai, automl, neural-networks, optimization, research]
last_reinforced: 2026-04-26
---
# Neural Architecture Search (NAS, 신경망 구조 탐색)
## 📌 한 줄 통찰 (The Karpathy Summary)
> "AI 모델을 만드는 AI를 설계하라" — 사람이 수동으로 신경망의 레이어와 연결 구조를 설계하는 대신, 알고리즘이 주어진 태스크에 최적화된 아키텍처를 자동으로 찾아내는 기술.
## 📖 구조화된 지식 (Synthesized Content)
- **추출된 패턴:** 가능한 신경망 구조의 탐색 공간(Search Space)에서 최적의 성능을 내는 조합을 강화학습이나 진화 연산 등을 통해 효율적으로 검색하는 AutoML 패턴.
- **세부 내용:**
- **Search Space:** 레이어 타입, 커널 크기, 연결 방식 등 탐색 가능한 모든 아키텍처 요소들의 집합.
- **Search Strategy:** 강화학습(RL), 진화 알고리즘(EA), 경사 기반 최적화 등을 사용하여 유망한 구조 탐색.
- **Performance Estimation:** 찾은 구조의 성능을 빠르게 평가하여 다음 탐색에 반영 (실제 학습 없이 가중치 공유 등을 활용).
- **Hardware-aware NAS:** 특정 하드웨어(모바일, 엣지 기기)의 제약 조건 내에서 최적의 성능을 내는 구조 탐색.
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **과거 데이터와의 충돌:** 연구자의 직관과 노가다(?)에 의존하던 모델 설계가 시스템화되고 자동화됨으로써 인간보다 뛰어난 효율의 모델(예: EfficientNet) 등장.
- **정책 변화:** Antigravity 프로젝트는 향후 경량화 모델 배포 시 NAS 기법을 적용하여 성능 손실을 최소화하면서 연산 비용을 절감할 계획임.
## 🔗 지식 연결 (Graph)
- AutoML, [[Reinforcement-Learning|Reinforcement-Learning]], [[Evolutionary-Computation|Evolutionary-Computation]], [[Hyperparameter-Optimization|Hyperparameter-Optimization]]
- **Raw Source:** 10_Wiki/Topics/AI/Neural-Architecture-Search.md