요약: 최근 개인정보보호 규제 및 AI 모델 윤리 문제가 대두되면서 학습된 모델에서 특정 정보를 선택적으로 제거하는 Machine Unlearning(머신 언러닝)의 필요성이 증가하고 있다. 잊고자 하는 데이터를 제외하고 처음부터 모델을 다시 학습하는 방법도 있지만 이 방법은 막대한 계산 비용으로 인해 효율적이지 않아, 효율적인 언러닝 방법론 연구가 최근 활발히 진행되고 있다. 본 세미나에서는 머신 언러닝의 개념과 고전적인 방법론들에 대한 간단한 설명을 제공하고, 마지막으로 최근 Large Language Model(LLM) 분야에서 머신 언러닝을 다룬 연구를 소개하고자 한다.

참고자료:

[1] Nguyen, T. T., Huynh, T. T., Ren, Z., Nguyen, P. L., Liew, A. W. C., Yin, H., & Nguyen, Q. V. H. (2022). A survey of machine unlearning. arXiv preprint arXiv:2209.02299.

[2] Bourtoule, L., Chandrasekaran, V., Choquette-Choo, C. A., Jia, H., Travers, A., Zhang, B., ... & Papernot, N. (2021, May). Machine unlearning. In 2021 IEEE symposium on security and privacy (SP) (pp. 141-159). IEEE.

[3] Cadet, X. F., Borovykh, A., Malekzadeh, M., Ahmadi-Abhari, S., & Haddadi, H. (2024). Deep Unlearn: Benchmarking Machine Unlearning. In EuroS&P 2025.

[4] Eldan, R., & Russinovich, M. (2023). Who's Harry Potter? Approximate Unlearning in LLMs. arXiv e-prints, arXiv-2310.