AI 인사이트 일상 속에서 활용되는 이미지 분류 기술 Image Classification (이미지 분류) 기술은 AI를 이용한 대표적인 기술입니다. 2012년 이미지 인식 경진 대회에서 딥러닝 모델이 최초로 우승을 차지하고, 2016년에는 무려 96%의 정확도를 달성하며 이미지 분류 딥러닝 기술은 점점 많은 관심을 받기 시작했습니다. 이러한 이미지 분류 기술은 무엇이며 현재 우리 산업에서 어떻게 활용되고 있는지 소개해 드리겠습니다. 이미지 분류 (Image
AI 인사이트 구글은 ‘혁신가의 딜레마’에 빠진 것일까?: 책임감 있는 인공지능 개발 혁신가의 딜레마란 시장을 선도하는 기술을 가진 거대 기업이 어느 시점에서 더 이상 혁신을 이뤄내지 못하고 후발 기업의 기술에 시장 지배력을 잠식당하는 현상을 말한다. 이 딜레마에 빠져버린 '혁신가'란 바로 구글을 가리키는 말이 되어버린 듯 하다. 사람들은 이제 구글을 한 물 간 기업 취급한다.구글이'책임감 있는 AI&
AI 인사이트 인공지능 사업의 성공에 있어 기술보다 더 중요한 것! 인공지능과 같은 첨단 기술 산업에서 기술보다 중요한 것이 과연 있을까? 더 중요한 것은 무엇일까 하는 의문을 가지고 이 글을 시작하겠습니다. 최근 ChatGPT 서비스가 공개되고 나서 수많은 변화가 일어나고, 수십개의 스타트업들이 나타났습니다. Stable Diffusion 같은 생성형 모델의 대중화 까지 고려하면 수백개 이상의 기업들이 생겨나고 있습니다. 그리고 그런 기업들이 놓치기 쉬운 두
AI 인사이트 최신 딥러닝 기술의 가장 큰 약점과 AI 반도체가 해결하려는 문제 최근 Generative AI의 기세가 꺾이지 않고 지속되고 있습니다. Stable Diffusion 같은 이미지 생성 오픈소스가 공개된 탓도 있고, 초거대 언어모델 (LLM)의 일반적인 서비스 대중화에 힘입은 측면도 있습니다. 이런 AI 열풍을 만들어 낸 배경 기술에는 딥러닝 알고리즘과 그래픽 처리 유닛(GPU)이 있습니다. 이 두 가지가 없었다면 지금과 같은 ChatGPT는 존재할
AI 인사이트 머신러닝 모델 및 데이터 관리를 위한 소프트웨어 BEST10 📢 오늘 글은 전문적인 ML 엔지니어, 업계 종사자 분들을 위한 글은 아닙니다. (제품 마다의 상세한 기능 분석은 하지 않아요.) 데이터 바우처 또는 AI 모델 구축을 위해 라벨링 프로젝트에 니즈가 있는 기업 담당자 분들이나 국내 어떤 데이터 라벨링 기업이 있는지 살펴보고 싶은 분들을 위한 '데이터 라벨링 입문'글이니 살펴보기 전
AI 인사이트 ChatGPT로 보는 초거대 AI ChatGPT 요즘 엄청 핫하죠. 왜 이게 핫한지, 그리고 네이버, 카카오는 어떻게 고군분투하고 있는지 살펴볼게요. ChatGPT로 보는 초거대 AI - 구글이 없어질 수 있다? -> ChatGPT=대화형 검색엔진 - 네이버, 카카오의 고군분투 -> 한국어 패치된 초거대 AI의 경쟁력 - 빅테크 기업만 도전할 수 있는 이유-> 독과점 no, 확보할
AI 인사이트 ChatGPT, 마케팅에 어떻게 활용될까? 지난 11월 오픈 API 재단에 의해 출시된 ChatGPT(챗지피티)에 대한 반응이 뜨겁다. 한 달만에 1000만 명 가입자를 돌파했다고 하고 ChatGPT와 대화를 통해 구글의 검색을 대체할 수도 있다는 등 여러가지 뉴스와 사용후기 등이 나오는 듯 하다. 최근 몇 년동안 AI의 적용 범위가 커지면서 AI가 마케팅에 어떻게 적용될지 이야기는 많았지만 실무에서는
AI 인사이트 빅테크, 스타트업이 클라우드에 주목하는 이유 '클라우드'라는 단어 자체는 일반 대중들에게 생소한 단어는 아닐 거에요. 10년 전부터도 '네이버클라우드'에 사진을 올려놓기도 했고, 아이폰 사용자들은 iCloud 공간이 부족하다는 알림 메세지를 수도 없이 받았을테니까요. 다만, 오늘은 보다 더 기술적인 측면에서, 그 사업성을 살펴보고자 해요. 왜 빅테크와 스타트업이 모두 클라우드에 뛰어드는지, 불황 속에서도 왜
AI 인사이트 요즘 난리난 ChatGPT 팩트 체크 2022년 연말, IT 업계를 뜨겁게 달구었고 2023년 연초까지 계속 핫 이슈가 되고 있는 chatGPT에 대해 재미있고 흥미로운 팩트 체크를 해볼까 합니다. chatGPT에 대한 일반인들의 이해를 넓히기 위해서 몇가지 제한된 주제를 파헤치는 형식을 빌어 작성되었습니다. 우선 미디어에서 언급된 chatGPT 기사를 몇 가지 발췌해 보면 다음과 같습니다. * 대화형 AI chatGPT, 구글천하 끝장낼까?
AI 인사이트 [3분 알고리즘] 랜덤 포레스트 지난 글에서 머신러닝 알고리즘 가운데 가장 이해하기 쉽고 의사결정과정이 명확한 의사결정나무 알고리즘에 대해 알아보았다. 다만 의사결정나무는 분기를 어디까지 할 지 파라미터들을 설정하지 않으면 과적합 문제가 발생하기 쉽다는 게 가장 큰 단점이였다. 의사결정나무를 기반으로 한 알고리즘이 많은데 캐글 같은 머신러닝 대회에서는 랜덤 포레스트나 XGBoost처럼 의사결정나무를 기반으로 한 알고리즘의 성능이 좋은 경우가
AI 인사이트 [3분 알고리즘] 의사결정나무 알아보기 머신러닝을 적용할 때 가장 많이 사용하는 알고리즘 중에 하나로 의사결정나무(Decision Tree)가 있다. 많은 머신러닝 알고리즘들이 각자의 가설함수와 손실함수, 그리고 최적화 함수를 가지고 최적의 가중치를 찾는 과정인데 비해 의사결정나무는 우리가 흔히 알고 있는 스무고개 놀이와 비슷하다. 최대 20개 질문에 대해 예 또는 아니오로 대답하는 과정에서 답을 알아맞추는 놀이 말이다.
AI 인사이트 새로운 게임 체인저 생성 AI: 텍스트 생성 AI와 그 파급력 지난달 MS가 ChatGPT의 OpenAI사에 100억 달러 투자를 결정하고 자사 포털 사이트 Bing에 ChatGPT 탑재를 결정하면서 두 빅테크의 동맹이 현실화되었다. 이에 뒤질세라 Google에서는 서둘러 자사의 알고리즘(Lambda)에 기반한 Bard 출시를 발표하였다. 며칠 전에는 Meta(전 Facebook)가 자사 언어모델 LLaMA를 발표하여 '연구 사용 사례에 초점을 맞춘 비상업적 라이선스'
AI 인사이트 데이터 웨어하우스와 데이터 레이크의 차이를 아시나요 클라우드 빅3는 모두 알다시피 Microsoft사의 MS Azure, Amazon사의 AWS, Google사의 Google Cloud. 그런데, 2021년 뉴욕 거래소에 상장한 클라우드 기반 소프트웨어 회사가 하나 있는데, 현재 시총은 92조원이나 됩니다. 바그 주인공은 바로 2012년에 설립된 SNOWFLAKE입니다. ‘클라우드 사업은 빅테크 기업만의 소유물’이라는 업계의 시각이 있죠. 도대체 어떻게 된 일인지 차근차근 알아가 보도록 해요!
바우처 지원사업 이미지 라벨링을 AI 로! 라벨링 시간 절약하기 : 클라우드 바우처 지원사업 안내 AI 구축에 관심이있다면 슈퍼브에이아이가 바우처별 상담을 통해 맞는 바우처로 내해드릴게요. 슈퍼브에이아이는 올해 데이터 바우처, 클라우드 바우처, AI바우처를 통해 선정되어 3가지 바우처 중 필요한 바우처로 사용할 수 있어요. 클라우드 바우처는 무슨사업인가요? 클라우드 바우처를 알고가기 전 클라우드 서비스에 대해 먼저 알면 좋아요. 클라우드 서비스란 수도나 전기와 같이 서버, 소프트웨어, 개발환경 등의 IT
AI 인사이트 인공지능(AI) 개발자의 일자리가 위협받고 있다: MLOps의 등장 2016년 DeepMind의 알파고가 세계 바둑 챔피언을 꺾었을 때, 회의론이 지배적이던 인공지능 업계에 대한 관심이 급격히 높아졌다. 이후 OpenAI의 Dalle가 사람보다 더욱 사람 같은 그림을 그렸을 때에도, 얼마 전 OpenAI사에서 사람보다 더 사람같이 말하는 GPT-3.5 기반의 ChatGPT를 발표했을 때에도 사람들은 뜨거운 반응을 보였다. 이처럼 인공지능은 여태까지 사람들이 하지 못하던 일들을
AI 인사이트 나의 인공지능 개인비서 ChatGPT: 최신 인공지능 언어모델 ChatGPT를 써보고 느낀점 누구나 한 번쯤 해보았을 법한 상상에 대한 이야기로 시작해 보고자 한다. 어린 시절 나는 나를 꼭 빼닮은 복제인간을 만들어 나 대신 귀찮은 일을 떠넘기고 싶다는 상상을 하곤 했다. 놀이터에 나가서 실컷 노는 동안 나 대신 공부를 하고 학교에 가서 시험을 봐주는 존재가 있다면 얼마나 좋을까? 라고. 어른이 되어서도 그 생각은
AI 인사이트 Pandas 2.0을 맞이합시다! Pandas 2.0이 개발 마무리에 있습니다. 지난 2023년 2월 21일 화요일에 조용히 Pandas (이하 판다스) 2.0.0 rc0가 공개되었습니다. MS Windows (윈도우즈)의 경우도 RC (release candidated) 버전은 거의 수정이 없고, 안정화를 단단히 한 후에 정식버전을 출시하니 곧 판다스도 멋진 2.0..0 정식버전이 공개되겠지요? 데이터 분석을 공부해 보신
AI 인사이트 ChatGPT는 어떻게 비즈니스를 혁신할 것인가?: 이미 시작된 변화의 물결 작년 말 시작된 ChatGPT 열풍이 채 가시기도 전, OpenAI사는 또 한 번 최신 언어모델 GPT4.0의 출시를 발표하였다. ChatGPT의 모태가 된 거대 언어모델(LLM) GPT3.5의 수십 배에 달하는 매개변수를 가지고 있을 것으로 추정되는 GPT4.0은 미국 변호사 시험과 대입시험 SAT 등 주요 시험에서 상위 10%에 해당하는 백분위수를 기록하며,
저널 인터랙티브AI(Interactive AI)와 오토에딧(Auto-Edit)에 대해 알아보기 AI 개발 커뮤니티에서 널리 알려져 있으며 빈번히 사용되는 이미지 세그멘테이션의 유형으로는 시맨틱 세그멘테이션, 인스턴스 세그멘테이션, 판옵틱 세그멘테이션의 세 가지를 들 수 있습니다. 포괄적인 개념 또는 용어로서의 이미지 세그멘테이션이란 이미지 데이터를 오브젝트 라벨과 연관된 '세그먼트'로 분리 또는 분할하는 행위입니다. 다시 말해, 데이터 사이언티스트는 이미지 세그멘테이션을 활용해 이미지 데이터의
AI 인사이트 AI 모델 개발이 쉽지 않은 이유 알파고를 시작으로 가장 최근의 DALL-E, ChatGPT까지 우리가 알고 있는 AI 기술력은 이미 상당히 우수합니다. 하지만 AI 개발팀과 협업하시는 분들은 개발팀에서 “그건 안된다. 불가능하다”, “시간이 많이 필요하다"라는 등의 말을 꽤 자주 듣습니다. 음… 이들은 그저 일하기 싫어하는 사람들일까요? 오늘은 이들의 마음을 조금이라도 살펴보기 위해 인공지능 모델 개발이 쉽지 않은
AI 인사이트 인공지능은 어떻게 학습하고 똑똑해질까? 요즘 인공지능 챗봇인 ChatGPT를 써보지 않은 분들이 잘 없는 것 같습니다. ChatGPT는 이전의 챗봇과는 달리 사람과의 대화 문맥을 기억하고 특정 보고서나 프로그래밍 코드를 비롯한 상세하고 논리적인 글을 생성할 수도 있습니다. 미국 일부 학교에서는 많은 학생들이 ChatGPT가 생성해 낸 결과물을 숙제로 제출해서 선생님들이 골머리를 앓고 있을 정도라고 하는데요. 이토록 점점 인간을
바우처 지원사업 AI 모델 구축 걸음마 단계 부터 받는 방법 : AI 바우처 안내 AI 구축에 관심이 있다면 슈퍼브에이아이가 바우처별 상담을 통해 여러분에게 맞는 바우처로 내해드릴게요. 슈퍼브에이아이는 올해 데이터 바우처, AI바우처에 선정되어 공급기업은 해당 바우처를 통해 비용을 지원 받을 수 있어요. AI 바우처는 무슨 사업인가요? AI 바우처는 AI 기반 디지털 전환 수요가 있는 중소, 중견기업을 대상으로 기업별 맞춤형 전사 교육 및 컨설팅을 제공하여 디지털
바우처 지원사업 저렴한 비용으로 AI모델 만들기 : 데이터 바우처 이용하기 AI 구축에 관심이 있다면 슈퍼브에이아이가 바우처별 상담을 통해 여러분에게 맞는 바우처로 안내해드릴게요. 슈퍼브에이아이는 올해 데이터 바우처, AI바우처에 선정되어 공급기업은 해당 바우처를 통해 비용을 지원 받을 수 있어요. 데이터 바우처는 무슨사업인가요? 데이터 바우처는 수요·공급의 생태계를 조성하고 全 산업의 디지털 기반 데이터 활용 활성화 촉진을 위해 데이터 구매·가공 바우처 지원합니다.
테크 NestJS Interceptor와 Lifecycle Introduction 이번 글은 Superb AI가 NestJS Interceptor를 어떻게 쓰고 있고, 사용하면서 겪었던 이슈들에 대해 공유하려고 합니다. NestJS를 도입을 결정하고 나서, 어떻게 하면 Logger를 구현할 때 코드 중복을 최소화하고 유지보수가 쉽도록 할 수 있을지에 대한 고민을 많이 했는데요. 그러던 중 Interceptor라는 기능에 대해 알게 되었고, 이를 적극 활용하여 Logger를 구현해 코드
업데이트 소식 오토에딧 (Auto-Edit)과 브러쉬 툴로 폴리곤 세그멘테이션에 드는 시간과 비용을 절감하세요 고성능 머신 러닝 모델을 개발하고 유지하기 위해서는 상당히 많은 양의 훈련용 데이터가 필요하지만, 훈련용 데이터를 취득하고 라벨링하는 과정에는 엄청난 시간과 비용이 소요됩니다. 그래서 사전에 대규모의 라벨링 및 QA 팀을 구성하거나, 스스로 모든 걸 해 내거나, 필요한 스킬과 노하우를 모두 갖춘 외부 서비스나 프리랜서를 구할 정도로 운이 좋아야 하는데, 사실 이
![[3분 알고리즘] 랜덤 포레스트](/content/images/size/w600/2023/03/075b67b8e7397.png)
![[3분 알고리즘] 의사결정나무 알아보기](/content/images/size/w600/2023/03/fb5143a52e7c5.png)
