AI 인사이트 프롬프트 엔지니어링의 기초 생성형 AI 기술의 발전과 함께 GPT-4o뿐 아니라 Gemini와 Claude 3.5 Sonnet 등 성능 좋은 최신 기초 모델(foundation models)이 쏟아져 나오고 있지만, 프롬프트 엔지니어링은 여전히 파인튜닝과 함께 언어 모델의 성능을 결정짓는 가장 중요한 요소 중 하나라고 할 수 있다. 특히 상당량의 데이터셋을 직접 구축해야 하고, 적지 않은 컴퓨팅
AI 인사이트 검색증강생성(RAG)의 한계점과 보완책 검색증강생성(Retrieval Augmented Generation, RAG)은 답변을 생성하기 전에 학습 데이터 소스 외부의 신뢰할 수 있는 지식 베이스를 참조하도록 하여 초거대언어모델(LLM)의 답변을 최적화하는 기법을 말한다. RAG는 데이터 셋을 직접 구축해야 하고 많은 계산 리소스와 훈련 시간을 필요로 했던 기존의 파인튜닝과는 다르게 비교적 단기간에 낮은 비용으로 LLM의 고질병인 환각현상(
AI 인사이트 성공적인 AI 도입을 위해 반드시 확인해야 하는 핵심 요소 인공지능(AI)은 더 이상 미래의 기술이 아닙니다. 이미 많은 기업들이 AI를 활용하여 업무 효율성을 높이고, 고객 경험을 개선하며, 새로운 사업의 일환으로 중요하게 여기고 있으며 대다수의 기업들에게 AI 도입은 이제 선택이 아닌 필수 사항이 되었습니다. AI 도입을 고민하고 계신 기업의 담당자분들께 이 글이 도움이 되길 바랍니다. 1. 가장 먼저 확인해야
AI 인사이트 AI 윤리와 규제 동향 인공지능 기술이 급속도로 발전하면서, 우리는 이 기술이 가져올 혜택과 동시에 잠재적인 위험성에 대해서도 진지하게 고민해야 할 시점에 와 있습니다. AI 윤리란 무엇인가? AI 윤리란 인공지능 기술의 개발과 활용 과정에서 인간의 존엄성과 기본권을 보호하고 공익을 증진하기 위한 원칙과 지침을 말합니다. 주요 원칙으로는 인간 자율성 존중, 피해 방지, 공정성, 투명성, 설명 가능성
AI 인사이트 생성형 AI가 바꾸는 여행산업 생성형 AI의 발전과 여행 수요의 다양화로 여행산업의 패러다임이 변화하고 있다. 문화체육관광부와 한국관광공사가 발표한 ‘2022년 국내 관광 트렌드 보고서’에 따르면 소비자마다 여행 기간, 숙소 등 선호하는 여행 행태에 뚜렷한 차이를 보였을 뿐만 아니라 관심 활동의 격차 역시 커진 것으로 나타났다. 획일화된 코스로 여행하는 것이 아닌 각자의 취향과 여행 스타일에 맞춰
AI 인사이트 GPT-4o는 어떻게 아이폰을 똑똑하게 만들까? 혁신의 아이콘이던 애플은 그동안 구글, 메타, 오픈AI 등 빅테크 기업들과는 다르게 유독 인공지능 활용에 있어서 소극적인 모습을 보여왔다. 아이폰에 탑재된 시리(Siri)의 성능이 다소 떨어진다는 비난에도 불구하고 자체 LLM 개발에 적극적으로 나서지 않았던 것은 물론이고, 챗GPT가 나왔을 때도 경쟁자들과는 다르게 별다른 반응을 보이지 않는듯 했다. 그러던 애플이 별안간 충격적인
AI 인사이트 생성형 AI는 어떻게 RPA의 문제점을 해결할 수 있을까? 비즈니스 프로세스 자동화를 뜻하는 RPA(Robotic Process Automation)은 전표 입출력, 보고서 작성 등 직장인들의 단순 반복 업무를 획기적으로 줄이고 보다 본질적인 일에 집중할 수 있게 도와줄 것으로 기대를 모았다. 그러나 사전에 정해진 규칙에 기반하여 패턴화된 시나리오에 기반한 방식으로 작동하는 RPA(Robotic Process Automation)는 그 명확한 한계점을 드러내면서 점차
AI 인사이트 AI 로봇 혁명: 휴머노이드의 진화 인류의 상상력을 자극해온 인간형 로봇, 휴머노이드가 인공지능(AI)과 결합하며 새로운 차원의 진화를 이루고 있는데요. 이 글에서는 휴머노이드의 개념, 현주소와 함께 고려할 윤리적 문제에 대해 살펴보려고 합니다. 1. 인간을 닮은 기계의 탄생 휴머노이드라고 하면 어떤 이미지가 떠오르시나요? 영화 속 로봇? 아니면 미래의 동반자? 사실 휴머노이드는 단순히 인간처럼 생긴 로봇을 넘어서,
AI 인사이트 얼굴 표정만으로 환자의 통증을 평가하는 AI가 있다? 우리 몸에서 느끼는 통증은 매우 주관적인 경험으로, 이를 객관적으로 평가하는 것은 의료진에게도 큰 도전입니다. 그런데 최근 얼굴 표정만으로 수술 후 통증을 예측하는 AI 모델이 개발되었다는 소식이 들려왔습니다. 2024년 7월 17일 분당서울대병원의 연구팀이 발표한 이 획기적인 연구는 의료 현장에서의 통증 평가 방식에 큰 변화를 가져올 것으로 기대되고 있습니다. 그럼, 이 흥미로운
AI 인사이트 AI 에이전트 시대의 도전과 기회 최근 인공지능 기술의 급속한 발전으로 AI 에이전트가 우리 일상 속으로 빠르게 파고들고 있습니다. 하지만 많은 사람들이 아직 AI 에이전트가 정확히 무엇인지, 어떤 일을 할 수 있는지 잘 모르고 있죠. 오늘은 AI 에이전트의 개념, 유형, 작동 방식, 활용 분야를 통해 이 혁신적인 기술이 우리의 삶과 업무를 어떻게 변화시킬 수 있는지에 대해
AI 인사이트 리걸 테크와 생성형 AI 법률(Legal)과 기술(Technology) 이 결합된 '리걸 테크(Legal Tech)'란 인공지능과 같은 첨단 기술을 활용한 새로운 형태의 법률 서비스를 말한다. 우리 일상 속에서 이미 활용되고 있는 법률상담용 챗봇(Chatbot)은 리걸 테크 기술을 활용한 서비스의 가장 대표적인 예이다. 이러한 리걸 테크가 최근 생성형 AI 기술의 발전으로
AI 인사이트 메타가 라마3.1을 오픈소스로 공개한 이유는? 메타가 7월 23일(현지시간) 자사의 최신 인공지능 모델인 '라마3.1'을 오픈소스로 공개했습니다. 이는 마치 세계적인 요리사가 자신의 비밀 레시피를 공개한 것과 같은 큰 사건입니다. 오픈AI나 구글이 자사의 AI 모델을 비공개로 유지하고 있는 것과는 대조적이죠. 오늘은 오픈소스란 무엇인지, 그리고 메타가 왜 이러한 결정을 내렸는지에 대해 자세히 살펴보겠습니다. 1.
AI 인사이트 인공지능, LLM과 GPT는 어떻게 다를까? 오늘은 인공지능(AI), 거대언어모델(LLM), 그리고 GPT의 개념과 차이점을 자세히 알아보려 합니다. 인공지능은 이미 우리의 일상 속에 깊이 자리 잡고 있으며, 다양한 분야에서 혁신을 일으키고 있습니다. 특히 최근 주목받고 있는 LLM과 GPT에 대해 이해하는 것은 AI 기술의 발전을 이해하는 데 중요한 첫걸음이 될 것입니다. 이 글에서 AI의 기본 개념부터 시작해서
AI 인사이트 GPT-4o와 멀티모달 기술의 변천사 얼마 전 OpenAI에서 출시한 GPT-4o가 화제다. 모델 이름에서부터 이미 '모든 것'을 의미하는 'omni'라는 단어를 담고 있는 GPT-4o는 음성, 이미지, 텍스트 가릴 것 없이 모든 형태의 데이터의 인풋과 아웃풋이 자유자재로 가능한 멀티모달(Multimodal) 모델이다. GPT-4o는 기존의 초거대언어모델(LLM)과 같이 텍스트와 음성으로 사람처럼 매끄럽고 자연스러운
AI 인사이트 스프레드시트LLM이란 무엇인가? 엑셀도 AI 시대! 스프레드시트LLM이란? 오늘날 데이터 분석 및 관리에서 스프레드시트는 필수적인 도구로 자리 잡고 있습니다. 엑셀이나 구글 시트와 같은 스프레드시트 프로그램은 간단한 데이터 입력에서부터 복잡한 재무 모델링까지 다양한 작업에 활용됩니다. 하지만 이러한 스프레드시트 데이터를 효과적으로 분석하고 처리하는 것은 여전히 어려운 과제였습니다. 이를 해결하기 위해 마이크로소프트(MS)는 2024년 7월 15일(
AI 인사이트 오픈AI의 스트로베리란 무엇인가? AI가 인간처럼 추론! 오픈 AI의 스트로베리란? 최근 오픈AI는 인공지능(AI) 기술의 발전을 통해 새로운 차원으로 도약하고 있습니다. 이러한 혁신의 중심에는 ‘스트로베리(Strawberry)’라는 코드명으로 알려진 프로젝트가 있습니다. 스트로베리는 오픈AI가 인간처럼 추론할 수 있는 AI를 목표로 개발 중인 새로운 접근 방식을 의미합니다. 이번 블로그에서는 스트로베리의 개념, 개발 배경, 그리고 그 잠재적
AI 인사이트 소형 언어모델(sLLM)이 주목받는 이유 : 가성비와 보안 두 마리 토끼를 잡는 방법 생성형 AI는 지식 노동 패러다임의 변화를 가져올 만한 파괴적인 기술임에 분명하지만, 실제 생성형 AI를 업무에 적극 활용하고 있는 기업은 많지 않다. 글로벌 컨설팅펌 딜로이트의 조사에 따르면 생성형 AI를 대규모로 도입하고 있는 기업은 전체의 13%에 불과했으며, 약 79%에 달하는 회사에서는 여전히 생성형 AI의 도입 여부를 평가/실험하는 단계에 있거나
AI 인사이트 생성형 AI의 탄소발자국 줄이기 각 분야에서 생성형 AI의 도입이 확대되면서 이로 인한 막대한 전기 사용량과 탄소 배출이 심각한 사회적 문제로 대두되고 있다. 한 연구소에 따르면 GPT-3가 훈련과정에서 사용한 전력은 1287MWh, 이산화탄소 배출량은 552톤에 이르며, 이는 가솔린 자동차 123대가 1년 주행할 때의 탄소 배출량과 맞먹는다고 한다. 뿐만 아니라 생성형 AI에는 엄청난 양의 물도 소비된다. 컴퓨터
AI 인사이트 환각 현상의 원인과 해결책 생성형 AI가 실제로 존재하지 않거나 사실이 아닌 정보를 사실인 것처럼 말하는 환각 현상(Hallucination)은 이제 사용자들에게 더 이상 낯설지 않다. OpenAI의 GPT-4.0과 Google의 Gemini 등 더 커진 모델 사이즈와 훈련 데이터로 무장한 신버전 모델이 출시되고 많은 성능 개선이 이루어지면서 생성형 AI은 더 이상 터무니없는 답변을 하지 않게 되었고,
AI 인사이트 효과적인 생성형 AI 운영을 위한 클라우드 컴퓨팅 (엣지 컴퓨팅과 서버리스 컴퓨팅이란?) 생성형 AI 시대가 도래하면서 데이터 소스가 다양화되고 빠른 응답과 실시간 처리가 중요해지고 있다. 예를 들어 초거대언어모델(LLM)에 기반한 서비스를 제공하는 회사의 경우 사용자 트래픽에 따른 효율적인 계산 리소스 분배와 유연한 대응이 필수적이다. 마찬가지로 자율주행 자동차나 IoT(Internet of Things, 사물인터넷) 등 방대한 양의 데이터에 대한 실시간 접근이 필요한 기술의
AI 인사이트 상호작용으로 더욱 똑똑해지는 LLM 인간의 집단지성은 개개인의 상상력을 넘어서는 강력한 힘을 발휘한다. 집단이 모여 한 가지 목표를 향해 노력하고 협력할 때, 그들이 얻는 시너지 효과는 각 개인이 도달하기 힘든 수준으로 올라간다. 집단의 다양성과 경험이 모여 문제를 다양한 시각에서 바라보고 해결하는 능력을 강화하기 때문이다. 이제 집단지성은 인간만의 전유물이 아니다. 최근 각광받고 있는 생성형 AI 역시
AI 인사이트 제조업 혁신과 생성형 AI 제조업은 품질 유지와 비용 삭감 그리고 재고 최적화 등 다양한 도전에 직면한 분야인 만큼 항상 혁신에 목말라 있는 분야다. 관련 기업들은 1990년대 후반부터 통계적 알고리즘 방식 및 다양한 시뮬레이션 기반 시스템을 통해 공급망 계획의 최적화를 시도하는 등 인공지능 도입을 통한 업무 혁신을 시도해 왔다. 2023년 약 3.2억 달러(약
AI 인사이트 다가오는 AGI 시대, 어떻게 대비해야 할까? 생성형 AI 기술 개발이 가속화되면서 AGI 시대가 곧 도래할 것이라는 전망이 잇따르고 있다. AGI(Artificial General Intelligence, 일반인공지능)의 정의에 대한 명확한 합의는 아직 존재하지 않지만, 머지않아 인공지능이 이해력과 추론 능력 그리고 창의적 문제 해결력 등 고도의 지적 능력이 요구되는 거의 모든 분야(법률, 의료, 금융 등)에서 인간을 뛰어넘을
AI 인사이트 헬스케어 산업과 생성형 AI 의료 및 헬스케어 분야에서 인체 단백질 구조는 오랜 시간 미스터리로 남아있었다. 비교적 최근인 2020년까지만 해도 인간이 밝혀낸 인체 단백질의 구조는 17%에 불과했다. 그러나 구글 딥마인드에서 개발한 인공지능 '알파폴드'가 불과 3년 만인 2023년 약 2억 개의 단백질 구조를 밝혀냈고, 이 덕분에 36만 5000여 종의 단백질 3차원 구조
AI 인사이트 생성형 AI의 원리와 활용 삼성전자에서 자체 개발한 생성형 AI ‘삼성 가우스(Samsung Gauss)’가 탑재된 세계 최초의 AI 스마트폰 갤럭시24가 출시된 지 얼마 되지 않아 OpenAI가 영상 생성형 AI ‘소라(SORA)’를 출시하면서 생성형 AI는 연일 사람들을 충격에 빠뜨리고 있다. 이처럼 기업들이 거대한 자본력이 기술력과 데이터에 결합하면서 생성형 AI의 활용 분야는 넓어지고 있고 성능은
