AI 이상 탐지 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 이상 징후 감지가 라벨이 지정된 이상 사례 없이 작동하는 경우가 많은 이유는 무엇입니까?
   • 이상 현상은 드물고 예측 불가능하므로 모델은 대신 '정상'을 학습합니다.
   • 라벨 사용이 불법입니다
   • 이상현상은 절대 발생하지 않습니다
   • 이미지만 사용합니다
2. '맥락적 이상'은 다음과 같은 데이터 포인트입니다.
   • 항상 어디서나 비정상적
   • 한 상황에서는 정상이지만 다른 상황에서는 비정상임
   • 데이터베이스의 오타
   • 중복된 기록
3. What does the cited WACV autoencoder study use as an anomaly score?
   • A legal fraud label assigned to every record
   • A guarantee that no future fault will occur
   • Reconstruction error from an autoencoder trained to model the data
   • The number of random trees in an Isolation Forest
4. How does the original Isolation Forest paper isolate candidate anomalies?
   • It requires an expert to label every anomaly in advance
   • It measures reconstruction error from a neural decoder
   • It uses a fixed threshold that proves an item is defective
   • Random partitioning tends to isolate anomalous instances in fewer splits
5. 이상치 임계값을 너무 민감하게 설정할 때 발생할 수 있는 주요 위험은 무엇입니까?
   • 분석가들은 허위 경보로 넘쳐납니다.
   • 모델이 더 빠르게 실행됩니다.
   • 데이터가 암호화됨
   • 이상현상이 불가능해짐
6. What can an unusual machine-vibration score reasonably trigger?
   • An automatic shutdown because failure is guaranteed
   • A maintenance investigation or additional measurement, without predicting failure with certainty
   • A confirmed diagnosis of the failed component
   • A claim that the machine will fail within a fixed number of hours
7. Why is an anomaly score not automatically a fraud or defect label?
   • It is always a verified label
   • Anomaly scores cannot be compared
   • It indicates unusualness under a model or baseline, not the cause or consequence
   • The threshold proves intent
8. What should be documented when setting an anomaly threshold?
   • Only the model’s name
   • A claim that false positives are impossible
   • The number of GPUs alone
   • The reference data, score definition, threshold rationale, and review process