AI 인사이트 패션 산업에서의 AI 오늘은 패션 산업에서 AI가 어떻게 활용되고 있는지에 대한 이야기를 해보려 합니다. 패션 업계에서 AI의 활용은 다양한 분야에서 진행되고 있으며, 이는 제조, 마케팅, 판매, 고객 경험 등 여러 측면에 걸쳐 다양한 형태로 나타납니다. 다음은 패션 업계에서 AI가 어떻게 활용되고 있는지에 대한 몇 가지 예시입니다. 디자인 및 제조 AI는 디자이너들에게 창의적이고 독특한
AI 인사이트 생성형 AI를 똑똑하게 해주는 검색증강생성(RAG)이란? 올해 초 삼성전자는 자사 데이터와 기술력을 활용해 자체 개발한 생성형 AI ‘Samsung Gauss’의 출시를 발표했다. 한 발 나아가 Samsung Gauss를 소형화 및 반도체화 한 임베디드 AI를 탑재하여 자동 동시통역 등의 서비스를 제공하는 세계 최초의 AI 스마트폰 갤럭시24를 출시하기도 했다. 생성형 AI의 활용이 늘어나면서 관련 기술에 대한 투자 및 연구
AI 인사이트 생성형 AI는 어떻게 국방에 활용될 수 있을까? 챗GPT가 처음 등장했을 때만 해도 생성형 AI가 가져올 파급력을 예측한 사람은 많지 않았던 것 같다. 대중은 LLM(초거대언어모델)이 그저 사람의 말을 그럴듯하게 따라 하는 재미있는 챗봇(Chatbot)에 지나지 않는다고 생각했지만, LLM은 이제 우리 사회 곳곳에 활용되고 있으며 그 활용 분야는 무궁무진한 확장성을 가지고 있다. 우리에게는 다소 낯설게 느껴지지만
AI 인사이트 재질 인식 - 객체를 온전히 이해하기 위한 기술 재질 인식(Material Recognition) 재질 인식(Material Recognition)은 컴퓨터 비전 분야에서 특정 물체의 표면 속성이나 재질을 인식하는 작업을 나타냅니다. 이 분야는 물체를 단순히 분류하는 것이 아니라, 물체의 구성 요소 중 하나인 표면 속성에 중점을 둡니다. 이러한 재질 인식 기술은 로봇, 가상/확장 현실, 제조 및 로봇 시각, 자율주행, 의료
AI 인사이트 생성형 AI와 재생 에너지의 만남 기후변화 위기에 대처하기 위한 방안으로 태양 및 풍력과 같은 신재생에너지 도입은 점점 더 중요해지고 있다. 미국의 시장조사기관 Precedence Research에 따르면 2022년 기준 전 세계 신재생에너지 시장의 인공지능 도입 규모는 약 100억 달러(약 12조원)인 것으로 드러났지만, CAGR 기준 매년 27.7%씩 성장하여 2032년에는 그 10배에 달하는 약 1,
AI 인사이트 사람 같은 초거대언어모델(LLM)을 둘러싼 오해와 진실 초거대언어모델(LLM)의 도입이 보편화되면서 챗GPT와 LLM을 평가하는 유저들의 기준 역시 높아지고 있다. 이제 기초모델(Foundation Model)에 특정 도메인의 텍스트 데이터를 추가학습(Fine-Tuning) 하여 특화된 서비스를 제공하거나, 문서와 컨텍스트를 제공하고 주어진 범위 내에서만 답변하도록 유도하는 RAG(Retrieval Augment Generation)방식만으로는 더 이상 유저들의 관심을 끌기 힘들다. 유저들은 이제 보다
AI 인사이트 반드시 알아두어야 할 생성형 AI의 보안 이슈들 지난 1년간 생성형 AI는 우리 삶 속에 깊숙이 침투해 들어왔으며 이제 스마트폰이나 자동차만큼이나 친숙한 존재가 되어가고 있는지도 모른다. 세일즈포스가 발표한 사내 생성형 AI 사용 현황에 대한 '직장 내 생성형 AI 활용 전망과 위험'에 대한 연구 조사 결과가 이러한 경향을 뚜렷하게 보여준다. 해당 조사는 영국, 독일, 프랑스, 캐나다
AI 인사이트 생성형AI와 LLM의 숨은 주역들: GPU와 클라우드 컴퓨팅 생성형 AI와 초거대언어모델(LLM)의 놀라운 성능 개선은 딥러닝 모델 훈련기법의 진보와 매개변수와 학습데이터 증가를 통한 기초모델(Foundation Model)의 개선 등 다양한 기술의 발전 덕분에 이루어졌다. 그러나 딥러닝 알고리즘이 하는 일은 이를 받쳐주는 두 개의 핵심 기술 없이는 한계점이 명확하다. 인공지능 분야의 선구자 중 한 명인 Andrew Ng이 강조했듯이
AI 인사이트 물류 산업에서의 AI 물류 산업에서의 AI와 로봇 물류 AI는 인공지능 기술을 물류 및 공급망 관리 분야에 적용하여 효율성을 높이고 최적화된 운영을 돕는 기술을 의미하며, 다양한 작업에서 인간의 노동을 보조하거나 대체함으로써 물류 및 공급망 프로세스를 개선하고 비용을 절감하는 데 기여합니다. 최근 물류 AI, 로봇 시장이 급속히 성장하고 있습니다. 이러한 성장은 AI 기술과 로봇 기술이
AI 인사이트 생성형 AI의 핵심원리와 딥러닝 2023년 한 해를 돌아보면 생성형 AI와 초거대언어모델(LLM)의 한 해였다고 해도 과언이 아니다. 챗GPT와 Stable Diffusion을 비롯한 생성형 AI가 일반 사용자들에게 널리 보급된 것은 물론이고, OpenAI의 GPT-4.0을 시작으로 Google의 Bard와 Meta의 LLaMA2까지 빅테크를 중심으로 많은 기업들이 다양한 언어 모델 기반 서비스를 발표했다. 하루가 다르게 쏟아져 나오는 새로운 기술을
AI 인사이트 인공지능과 사물인터넷의 만남 AI + IoT = AIoT란? 스마트홈, 헬스케어, 스마트팜 등 다양한 분야로 확대되는 IoT(Internet of Things, 사물인터넷) 기술은 우리의 삶을 스마트하고 편리하게 바꾸고 있다. 글로벌 리서치펌 마켓앤마켓은 보고서에서 2024년 전 세계 IoT 솔루션과 서비스 시장 규모를 약 2,789억 달러(약 370조 원)가 될 것으로 예측했다. 뿐만 아니라 2025년까지 IoT에 연결된
AI 인사이트 생산 공정에서의 AI 기술 생산 공정 과정에서의 AI는 크게 제조 설비 자동화와 생산 최적화 두 가지 분야에서 활용되고 있습니다. 제조 설비 자동화는 AI를 사용하여 생산 설비의 제어 및 관리를 자동화하는 것입니다. 이를 통해 생산 공정의 효율성과 안전성을 향상시킬 수 있습니다. 예를 들어, AI를 사용하여 공정 데이터를 분석하고 예측하여 설비의 이상 징후를 조기에 감지할 수
AI 인사이트 LLM 성능평가를 위한 지표들 생성형AI의 성능평가는 일반 ML/DL 모델과 어떻게 다를까? 기존의 머신러닝/딥러닝 성능 평가 지표(Metrics) 생성형 AI(generative AI)가 널리 보급되면서 인공지능 모델이 생성해 내는 텍스트나 이미지는 점점 더 자연스러워지고 있다. 이에 따라 사람들은 인공지능이 얼마나 사람과 비슷한 창작물을 생성해 내는지 지대한 관심을 가지게 되었다. 하지만 여전히 대부분의 머신러닝&
AI 인사이트 언어와 비전 데이터를 함께 학습하는 멀티모달 AI에 대하여 “멀티모달(Multi Modal) AI” 멀티모달 AI는 여러 가지 유형의 데이터 또는 정보를 함께 활용하여 인공 지능 시스템을 구축하는 접근 방식을 나타냅니다. 이러한 다양한 유형의 데이터는 주로 텍스트, 이미지, 음성, 비디오 등이 될 수 있습니다. 멀티모달 AI는 이러한 다양한 데이터를 조합하여 더 풍부하고 유용한 결과를 도출하고자 하는 목적으로 사용됩니다. 여러 모달리티(
AI 인사이트 생성형 AI를 위한 데이터 운용의 현재와 미래: 클라우드부터 임베디드 AI까지 데이터는 인공지능이라는 최첨단 기술을 움직이는 21세기의 석유와도 같다. 그러나 단순히 많은 양의 데이터가 확보되어 있다고 해서 인공지능 모델을 원활하게 운용할 수 있는 것은 아니다. 인공지능 모델이 최적의 성능을 유지하기 위해서는 실시간으로 생성되고 변화하는 최신 데이터를 통합하여 재학습하고 정확도를 유지하는 과정이 필요하다. 이처럼 인공지능 모델이 데이터를 실시간으로 학습하고 운용하기 위해서는 방대한
AI 인사이트 생성형 AI와 데이터 편향성 문제: 데이터 편향이란 무엇이며 어떻게 해결할 수 있을까? 챗GPT와 Stable Diffusion과 같은 생성형 AI가 우리 일상 속에 광범위하게 활용되면서 학습 데이터의 편향과 환각현상(Hallucination) 등 다양한 문제가 부각되고 있다. 예를 들어 이미지 생성 AI인 Stable Diffusion에 'unprofessional한 사람의 이미지'를 그려달라고 요청하면 '고령의 흑인 남성'과 같은 특정 인종과 성별을 반영한 이미지를 그려내는 것과
AI 인사이트 딥러닝 모델 최적화 방법: 모델 경량화와 모델 추론 속도 가속화 딥러닝 모델 최적화는 딥러닝 모델을 개선하고 최적화하여 더 나은 성능, 효율성, 형태 또는 특정 요구 사항을 충족시키는 프로세스를 의미합니다. 딥러닝 모델 최적화는 다양한 목표를 달성하기 위해 다양한 기술과 방법을 사용합니다. 딥러닝 모델의 성능을 향상시키는 ‘성능 최적화', 모델의 크기를 줄이는 ‘모델 크기 최적화', 모델 추론 속도를 향상시키는 ‘추론 시간
AI 인사이트 2023년 생성형AI 트렌드와 AI 개발을 위한 필수요소 요약 2023년 한 해는 생성형AI의 해였다고 해도 과언이 아니다. 이러한 생성형AI의 확산 경향은 챗GPT를 중심으로 한 초거대언어모델(LLM)에서 특히 두드러지게 나타났는데, 그동안 인공지능 시장에서는 Google, OpenAI, Meta 등 빅테크 기업들이 자사 기초모델(Foundation Model)을 적용한 Bard, ChatGPT, LLaMA 등 다양한 서비스를 출시해왔다. 뿐만 아니라 국내외 여러 스타트업과 연구기관 등에서는
AI 인사이트 초거대언어모델(LLM)과 일반인공지능(AGI)의 탄생 조건 뇌과학이 말하는 일반인공지능의 조건 초거대언어모델(LLM)을 비롯한 생성형 인공지능(Generative AI) 기술의 발전은 인간처럼 의식을 가지고 다방면의 태스크를 지시 없이도 스스로 처리해 내는 일반인공지능(Artificial General Intelligence, AGI)의 실현 가능성에 대한 기대를 한층 끌어올렸다. 이러한 기대는 얼마 전 오픈에이아이가 GPT-4에 이미지 인식이 가능한 멀티 모달(Multi Modal) 기능의
AI 인사이트 자연어 처리(NLP)는 왜 어려울까? 1. 자연어와 인공어 그리고 자연어 처리의 정의 세상에는 두 가지 종류의 언어가 있다. 하나는 우리가 일상적으로 쓰는 의사소통을 위한 언어다. 언제부터, 왜, 무엇을 계기로 인류가 언어를 쓰기 시작했는지 명확하지는 않지만 이러한 언어를 자연적으로 발생했다고 하여 자연어(Natural Language)라고 부른다. 한국어, 영어, 독일어, 프랑스어 등 우리가 알고 있는 거의 모든
AI 인사이트 인공지능 개발은 인류에게 위협일까? 세계 각국의 인공지능 개발 규제 움직임 생성형 AI로 떠들썩했던 올해 세계 각국에서는 인공지능 개발 규제 움직임이 활발해지고 있다. 유럽연합 의회는 2021년에 발표했던 인공지능 법안의 수정안을 2023년 6월 채택하면서 세계 최초로 인공지능 개발 규제 법안을 마련했다. 법안은 다섯개의 항목으로 구성되어 있는데, 금지되는 인공지능 활동(prohibited AI practices)과 투명성 의무 그리고
AI 인사이트 농업과 AI: 식량 부족 문제를 해결하기 위한 변화 농업과 AI AI 기술이 발전하면서 점점 다양한 도메인에서 활용되고 있는데요. 오늘은 농업에서의 인공지능 기술에 대해 이야기해 보려 합니다. 세계 인구가 계속해서 증가하면서 인구 수요를 충족시키지 못하는 식량 부족 문제가 대두되고 있습니다. 기후 변화, 자연재해, 토지 부족, 물 부족 등도 식량 부족 문제를 악화시키는 요인입니다. 이러한 환경 속에서 현대 농업 트렌드는
AI 인사이트 ChatGPT 플러그인이란? 2022년 11월 출시 이후 지난 1년 동안 시간 동안 ChatGPT 사용자 수는 무서운 기세로 늘어났다. ChatGPT 사용자 수 증가세가 둔화되었다고는 하지만 지금 이 순간도 신규 사용자 수는 유입되고 있다. 하지만 신규 가입자 유입에 비해 ChatGPT를 적극적으로 업무에 활용하는 사례는 좀처럼 늘어나지 않고 있는 것처럼 보인다. 사람인 HR연구소가 진행한 'ChatGPT의
AI 인사이트 ChatGPT의 새로운 시작: 이미지와 음성으로 대화하기 OpenAI가 또 한 번의 놀라운 업데이트를 발표했다. 뛰어난 언어능력으로 세상을 떠들썩하게 하더니 이제 보고 듣고 말하는 것으로 그 능력을 확장한다고 한다. ChatGPT는 뛰어난 언어능력에서 시작해 챗봇, 업무 자동화, 검색, 광고, 마케팅, 영화, 게임 등 여러 분야에 적용되며 혁신을 이끌고 있는데 이번 업데이트 역시 단순히 ChatGPT가 음성과 이미지를 인식하는 것을 넘어
AI 인사이트 NeRF: 공간 재현을 위한 뷰 합성 방법 “Neural Radiance Fields (NeRF)” NeRF는 "Neural Radiance Fields"의 약자로, 3D 장면을 생성하고 렌더링하기 위한 신경망 기반의 컴퓨터 비전 기술입니다. NeRF는 실제 세계의 3D 장면을 모델링하고 새로운 시점에서 장면을 볼 수 있도록 하는 것이 주요 목표입니다. 물체나 사람을 360도 돌려가며 다양한 각도에서 관측하려면 2D 이미지 대신 3D 렌더링이
