머신 언러닝

머신 언러닝(MU)은 개인정보 보호, 법적 요구 사항 또는 저작권 보호와 같은 요구 사항을 충족하기 위해 머신 러닝 모델이 훈련 과정에서 특정 데이터 포인트에 대한 지식을 잊거나 제거할 수 있도록 하는 것을 목표로 합니다.

기계 망각에는 정밀 망각과 근사 망각이라는 두 가지 주요 전략이 있습니다. 정밀 망각은 모델을 처음부터 다시 학습시켜 망각해야 할 데이터를 완전히 배제하지만, 이 방법은 계산량이 많습니다. 근사 망각은 기존 모델을 수정하여 망각을 달성함으로써 높은 재학습 비용을 피하려고 합니다.