능동 학습(AL)은 주석 비용을 최소화하면서 모델 성능을 극대화하는 것을 목표로 한다. 딥러닝의 빠른 확산에 따라, AL 접근법은 현재의 요구에 부응하기 위해 발전해 왔다. 본 연구는 2018년부터 2025년 5월까지 발표된 문헌을 체계적으로 검토하였으며, 네 가지 핵심 동향에 초점을 맞춘다: 배치 모드 선택, 전이 학습 통합, 다중 전략 질의, 그리고 다양한 적용 분야로의 확장. 아울러 고전적 AL 접근법을 요약한다. 관찰 결과, AL과 딥러닝을 결합하면 데이터 효율성이 크게 향상되지만, 중요한 한계는 연구들 간 표준화된 평가 프로토콜이 부재하여 정확한 비교를 어렵게 한다는 점이다. 그럼에도 불구하고, 우리는 AL이 현대적 동향과 잘 부합함을 확인하였으며, 머신러닝 커뮤니티에서 향후 연구를 안내할 수 있는 상대적으로 덜 탐색된 기회에 대한 통찰을 제공한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.