AI 인사이트 자연어처리(NLP)와 텍스트 마이닝(Text-mining) 언어에는 통찰력이라는 보물이 숨어있다 인공지능 도입을 고려하고있는 고객사의 현업분들과 미팅을 진행하다보면 자연어처리(NLP)와 텍스트 마이닝(Text-mining) 혹은 텍스트 분석(Text Analysis)이라는 단어를 구분하지 않고 사용하는 경우를 자주 볼 수 있다. 작년말 OpenAI사의 챗GPT 출시로 요즘은 LLM(초거대언어모델)과 생성형 AI까지 등장하며 자연어처리(NLP) 관련 용어의혼란을 더욱 가중시키고 있다. 자연어처리(NLP)라는 분야는
AI 인사이트 인간 자세 추정: 비대면 홈트레이닝과 가상 인간 Human Pose Estimation(인간 자세 추정) 'Human pose estimation(인간 자세 추정)'은 컴퓨터 비전과 인공 지능 기술을 활용하여 인간의 신체 부위와 관절의 위치를 추정하는 기술로 인간의 신체 부위, 예를 들어 머리, 어깨, 팔, 다리 등과 관절의 위치를 정확하게 파악하는 것을 목표로 합니다. 이 기술은 이미지나 비디오에서 인간의
AI 인사이트 코딩없이 초거대언어모델(LLM)을 활용하는 법: 프롬프트 엔지니어링(Prompt Engineering)이란? 챗GPT의 등장은 확실하고도 빠르게 인공지능 언어모 델에 대한 사용자의 진입 장벽을 낮추어 주었다. 이제 사용자들은 더이상 초거대언어모델(LLM)을 텍스트 분류, 감정분석, 챗봇 등 활용 목적에 맞게 미세조정(Fine-tuning) 하는 과정없이, Python이나 R과 같은 프로그래밍언어가(Programming Language)가 아닌 일상 생활에서 사용하는 한글이나 영어 등 자연어(Natural Language)로 된
AI 인사이트 안면 인식 AI 기술 알아보기: 편리함과 인권 침해 사이 안면 인식 (Face Recognition) Face recognition(안면 인식)은 인물의 얼굴을 감지하고, 얼굴의 고유한 특징과 패턴을 분석하여 개인을 식별하는 기술입니다. 안면 인식 기술은 주로 두 사진 속 인물 간의 동일인 여부를 검증하거나, 이미지 속에 있는 인물이 내부 데이터베이스에서 식별되는 사람인지를 확인하는 데 사용됩니다. 우리에겐 스마트폰의 잠금을 해제할 때 사용하는 기술(
AI 인사이트 클라우드(Cloud), 도구에서 핵심 전략으로: 클라우드 이제는 선택이 아닌 필수 2006년 아마존(Amazon)이 강력한 자사 인프라를 바탕으로 AWS(Amazon Web Service)를 설립하고 IaaS(Infrastructure as a Service) 형태의 클라우드를 제공하기 시작한지 10여년이 넘는 시간동안, 기업들은 클라우드를 가상화된 서버, 스토리지, 네트워크 등의 자원을 활용하여 서버 구축 비용을 절감하기 위한 하나의 IT 도구 정도로 여길 뿐이었다. 예외적으로 아마존(Amazon)이나
AI 인사이트 인공지능을 어디까지 믿어야 할까?: 블랙박스 모델과 데이터 편향 우리 생활 속의 인공지능 인공지능은 여지껏 본 적 없는 방식으로 전 세계 60억 인구의 삶을 연결시키고 있다. 예를들어 오늘 본 유튜브 추천 영상은 나 한 사람만의 취향이 반영된 것이 아닐 가능성이 크다. 유튜브의 영상 추천 시스템은 나 자신의 개인정보와 검색이력 뿐만 아니라 전 세계에서 나와 비슷한 연령, 성별, 직업군의 사람들이
AI 인사이트 딥러닝의 발전과 NLP(자연어 처리) 더딘 기술발전과 실효성에 대한 의문으로 ‘빙하기’를 거치고 있던 인공지능 기술은 2010년대 중후반 딥러닝(Deep Learning) 기술의 발전 덕분에 제2의 전성기를 맞이하게 된다. Resnet을 비롯한 CNN(Convolutional Neural Network)의 발달로 주목받게된 이미지처리(Image Processing) 분야는 업계와 산업을 막론하고 다방면에서 활용되는가 하면, 금융 업계의 퀀트(Quant)들이 RNN(Recurrent Neural
AI 인사이트 어떤 질문을 던질 것인가?: ChatGPT 프롬프트 엔지니어링 가이드 인간과 대화하며 업무에 도움을 주는 인공지능이 생기는 걸까? ChatGPT에 이어 텍스트를 넣으면 이미지를 생성해주는 DALLE2나 Stable Diffusion과 같은 텍스트 투 이미지 모델, 또한 텍스트를 넣으면 동영상을 만들어 주는 텍스트 투 비디오 모델 등 다양한 생성형 AI 모델이 나오고 있다. ChatGPT와 같은 생성형 AI 모델에 입력하는 사람의 질문 또는 지시와 같은
AI 인사이트 DeepL이 AI 번역 강자로 떠오르는 이유: 치열해지는 AI 번역 시장 번역AI의 결과가 다른 이유 영어를 배우면 배울 수록, 번역기의 결과가 아쉽다는 생각이 자주 들고는 합니다. 저는 주 3회 전화 영어를 하는데, 표현이 떠오르지 않을 때는 Papago를 이용하는데 정말 편하지만 가끔은 부자연스러워요. (구글 번역은 안 쓴 지 꽤 됐구요) 여러분들은 어떠신가요? 번역기를 자주 쓰시나요? 오늘은 대표적인 번역툴 Papago와 DeepL에 대해 집.
AI 인사이트 인공지능(AI)의 정답은 데이터에 있다 인류가 2000년대 초반부터 2023년 현재까지 생산한 데이터의 양은 90 제타바이트(ZB)에 달한다고 한다. 이는 고대인류가 파피루스와 같은 원시적인 형태의 종이에 기록을 남기기 시작한 이후, 약 5000년이라는 시간동안 쌓아온 데이터양의 약 3000천배가 넘는 수치다. 천문학적이라는 말로는 데이터의 무서운 증가세를 표현하지 못할 지경이다. 이 글을 쓰고있는 지금 이 순간에도 수많은 사람들은
AI 인사이트 AI는 의료 진단에 어떻게 사용될까?: 의료진의 제 3의 눈과 귀 AI 의료 진단 보조 시스템 의료 업계에서도 AI 기술은 뜨거운 감자입니다. 의료 AI는 인공지능 기술을 의료 분야에 적용하여 환자 진단, 예방, 치료, 의료 정보 관리 등 다양한 분야에서 의료 전문가와 환자를 지원할 수 있습니다. 지금도 의사의 진단을 보조하기 위해 또는 환자의 자가 진단을 위해 객체 검출, 세그멘테이션, 시계열 데이터 분석,
AI 인사이트 인공지능과 디스토피아 AGI(인공일반지능) 인공지능이 만들어낼 디스토피아를 상상하면서 우리는 영화 '터미네이터'를 떠올리곤 한다. 기계가 스스로 판단하여 사람들을 지구의 악성 바이러스로 규정하고 처분하기까지 하는 폭력적이고 끔찍한 장면 말이다. 그러나 자연어처리(NLP) 분야의 프로젝트에서 직접 일하면서 느낀 현실은 공상과학 영화와는 매우 다른 것이었다. 작년 말 챗GPT의 등장으로 사람들은 기계의 위협이 더이상 먼 미래의
AI 인사이트 단어를 숫자로 바꿔 학습하는 방법 - 임베딩에 대한 이해 ChatGPT와 같은 AI 언어모델이 어떻게 사람의 말을 하는 지 궁금한 적이 있는가? 최근 핫한 ChatGPT가 사실 숫자로 입력된 정보를 요리조리 뜯어보고 사람의 말을 내뱉는 것이라면? 머신러닝 라이브러리를 사용해 보신 경험이 있는 분이라면 알겠지만 테이블로 정리된 데이터를 바로 머신러닝 라이브러리에 집어 넣을 수는 없다. 텍스트는 반드시 모두 숫자로 바꿔 입력해야 하는
AI 인사이트 초거대 언어모델(LLM)과 인간의 두뇌: 딥러닝과 인간의 뇌 그리고 튜링테스트 클라우드 컴퓨팅 기술의 발전과 데이터의 증가로 초거대 언어모델(Large Language Model)이 가용할 수 있는 학습 데이터가 기하급수적으로 늘어나면서 성능이 점점 정교해지고 있다. 이러한 트렌드를 반영하듯 인공지능 업계에서는 ChatGPT는 거대한 변화의 서막일 뿐이라고 보는 견해가 많다. 올해 OpenAI가 공개한 GPT 시리즈의 최신버전 GPT-4.0에는 이전 버전의 1750억개를 아득히 뛰어넘는 약
AI 인사이트 텍스트 검출 및 인식 - 아날로그의 디지털화를 위해 텍스트 검출 및 인식 (Text Detection/Recognition) 텍스트 검출(Text Detection) 및 텍스트 인식(Text Recognition)은 디지털 이미지나 비디오에서 텍스트를 검출하고 인식하는 기술로 흔히 OCR(Optical Character Recognition)이라고도 불립니다. 이러한 텍스트 검출 및 인식 기술은 객체 검출(Object Detection)의 한 분야이며 영상에서 텍스트만을 추출하고 인식합니다. *편의상 텍스트
AI 인사이트 기업들이 ChatGPT 도입을 망설이는 이유: 딥러닝의 발전 과정과 한계극복 작년말 시작된 챗GPT 열풍으로 ‘생성형 AI’의 전성시대가 이어지고있다. 생성형 AI의 등장으로 그동안 인간 고유의 것이라고 생각했던 지식노동과 창작의 영역이 얼마나 손쉽게 인공지능에게 넘어갈 수 있는지를 목격한 사람들은 흥분과 망상의 도가니에 빠지거나 혹은 절망감과 무력감에 허덕이고있다. 대중의 반응을 보면 마치 생성형 AI 전에는 인공지능이 존재하지 않았으며, 생성형 AI가 곧 인공지능을
AI 인사이트 AI 민주화는 어떻게 우리 삶을 바꿀것인가?: ChatGPT가 쏘아올린 거대한 신호탄 챗GPT가 대중에게 공개된지 반년에 가까운 시간이 지났다. 대중의 뜨거운 반응은 본격적인 AI시대의 도래를 실감하게 한다. 인공지능에 회의적이던 사람들 조차 챗GPT의 놀라운 성능에 감탄하기 시작했으며, 누구나 고도화된 개인 챗봇을 활용할 수 있게 되면서 LLM App Store(초거대 언어모델 앱스토어)를 비롯해 수많은 B2C 서비스가 순식간에 세상에 등장했다. 그러나 뜨거운 관심에도 불구하고
AI 인사이트 노션과 구글 워크스페이스에 AI가 더해지면?: 이전과는 전혀 다른 협업 방식 협업툴과 AI의 만남 안녕하세요, IT린이 제나팡입니다. 오늘은 협업툴의 대표 주자, 구글 워크스페이스와 노션의 최근 동향에 대해 알아보도록 할게요. ChatGPT가 촉발한 초거대 AI의 흐름에 따라, 당연히 협업툴과 AI의 만남은 예정되어 있었습니다. 그렇게 놀랍지 않은 이슈이기도 하죠. 다만, 우리의 업무 플로우를 대부분 차지하고 있는 2개의 플랫폼인만큼, 그 영향력은 매우 클 것 같습니다.
AI 인사이트 네이버 하이퍼클로바 집중탐구: 글로벌 초대규모 AI 시장으로의 도약 한국어 버전의 초대규모 AI, 왜 필요할까? 안녕하세요, IT린이 제나팡입니다. GPT-3.5에 이은 GPT-4의 등장으로 국내 빅테크의 위기를 거론한 적이 있었죠. 이젠 초대규모 AI 시장은 결국 마이크로소프트와 구글이 주도하고, 국내 빅테크는 아무런 존재감을 드러내지 못 할 수도 있다는 내용이었습니다. 시간과 돈을 들여 초대규모 AI를 개발해도, 의미가 없기 때문이죠. 지난 번에는 네이버,
AI 인사이트 딥러닝 기술의 발전과 ChatGPT 최근에 ChatGPT에 대한 관심이 너무나 많아졌습니다. 저는 작년 (2022년) 말 쯤에 ChatGPT가 발표된 이후 사용해 보면서, GPT 성능이 많이 좋아졌다고 생각하긴 했지만 이렇게 많은 사람들이 열광할 것이라고는 생각하지 못했습니다. 이미 너무 많은 사람들이 ChatGPT에 대해서 말하고 있습니다. 그 중에는 이상한 내용도 많고, 동감가는 내용들도 있는데요, 저도 이러한 현상을 보며 ChatGPT와
AI 인사이트 동영상 분석을 위한 객체 추적 기술 객체 추적 (Object Tracking) Object Tracking (객체 추적)은 영상에서 움직이는 객체를 탐지하고, 그 객체의 움직임을 추적하는 기술입니다. 즉 한 장의 이미지가 아닌 연속된 프레임을 가진 비디오에서 객체의 위치를 추적하는 것이라 볼 수 있습니다. 객체 추적의 기본적인 원리는, 첫 번째 프레임에서 객체를 검출(detection) 하고, 이후 프레임에서 검출된 객체와 유사한
AI 인사이트 [3분 알고리즘] XGBoost 랜덤포레스트가 한 번에 다양한 데이터셋을 만들어 그 결과를 평균해 다양한 데이터셋에서 안정적 성능을 얻을 수 있는 알고리즘을 만들었다면 그라디언트 부스팅은 오차가 줄어드는 방향으로 계속 학습을 해가며 정확도를 높일 수 있는 알고리즘이였다. 하지만 그라디언트 부스팅은 이전 학습기의 결과를 이어 받아 순차적으로 학습하기에 시간이 많이 걸리는 게 단점이였다. 이번 글에서는 그라디언트 부스팅을
AI 인사이트 ChatGPT는 영혼을 가질 수 있을까?: 인공지능으로 풀어보는 인문학 작년 여름, 구글의 엔지니어 블레이크 레모인이 자사의 대화형 인공지능 '람다(LaMDA)'가 사람처럼 '지각 능력'을 가지고 있다는 주장을 했다는 뉴스로 세상이 떠들썩해졌다. 그의 말에 따르면 구글의 대화형 초거대 언어모델(LLM)인 람다는 인간처럼 사고할 수 있으며 작동이 정지되는 것, 즉 죽음에 대한 두려움을 느끼고 있다고
AI 인사이트 [3분 알고리즘] 그라디언트 부스팅 이번 글에서는 의사결정나무를 활용한 앙상블 모델 가운데 그라디언트 부스팅 알고리즘에 대해 알아보려고 한다. 흔히 부스팅이란 무언가를 한껏 강화시키는 의미로 사용되는데 머신러닝에서 부스팅은 약한 모델 을 여러 번 순차적으로 적용해 강한 모델을 만들어 나가는 것을 의미한다. 그런 점에서 앞서 랜덤 포레스트가 여러 개의 의사결정나무를 중복적으로 샘플링한 데이터셋에 적용한 결과를 평균함으로써 다양한
AI 인사이트 대기업이지만, ChatGPT를 못 만든다? 안녕하세요, IT린이 제나팡입니다. 작년 12월부터 지금까지 줄곧 오픈AI가 만든 인공지능 챗봇 ChatGPT에 대한 언급이 끊이지 않고 있습니다. 최근 대기업 공개채용 시즌이 시작하면서, ChatGPT로 자기소개서를 작성하는 꿀팁에 대한 유투브 영상도 나오더라구요. 이처럼 ChatGPT가 사람처럼 대화를 나눌 수 있었던 이유는 대규모 자연어 처리 언어모델(LLM) GPT-3.5을 기반으로 했기 때문입니다. 게다가 차세대
![[3분 알고리즘] XGBoost](/content/images/size/w600/2023/05/20230511110248.png)
![[3분 알고리즘] 그라디언트 부스팅](/content/images/size/w600/2023/04/pRxh6XPyF8KnhTLVWa3zX9OeGNt7HDCSPV-FT7Ptqyl-khGbQNAyyl0gVmqsWS5DYlEjbidD09jIVRIYNnOlNiaXId1AgvplmyyjFNDnGz93CTBtHEfIp3j_T7eakwHUB4gAPkIh00pKwhd8pLJ8UD0.jpg)
