에듀미터 서비스의 일탈
민영이가 얼마 전부터 시험 성적이 나빠져서 스트레스를 받고 있는데, 무엇이 문제인지 짚어 주겠어?
>> 최근 1년 동안의 주민영 학생의 학습 로그 데이터를 모두 분석한 결과로는 학습 과정이나 시간분포 패턴에 큰 변화가 있지는 않습니다. 과목별 학습 집중도 패턴에도 큰 변화가 없고요. 에듀미터 서비스가 제공하고 있는 학습 프로그램도 성실히 잘 따라오고
Inforience
지능 한 큰술, 얼음 동동 띄워서 (1)
특정 시스템의 내부 동작에 대해 잘 파악할 수 있다면, 그 시스템이 지능적인지에 대해서도 평가해 볼 수 있을 겁니다. 물론 지능적인지의 여부를 판단하는 기준을 잡는 것이 쉽지는 않겠지만요. 특정 시스템의 내부 동작원리를 파악할 방법이 없다면, 그 시스템을 외부에서 관찰하여 지능적인지의 여부를 판단해야 합니다.
사실 우리는 인공지능 스피커나 챗봇, 인공지능 아나운서 등을
상처받는 그림자
저희 31병원은 국내 최초로 설립된 인공지능 전담(30계열)병원입니다. 총 9개의 진료과로 구성되어 있으며 국내 최고의 의료진을 갖추고 있습니다.
31병원의 진료과는 아래와 같이 구성되어 있습니다.
* 기초클리닉
* 비전클리닉 (비전내과, 비전외과)
* 신호(SSVT - speech, sound, vibaration, time series)클리닉 (신호내과, 신호외과)
* 언어클리닉 (언어내과, 언어외과)
* 멀티지능클리닉 (정보 융합, 판단, 기타 이상 증세)
나를 보는 그림자
Scene 1
자네의 정체는?
복잡하고 혼란스러운 시스템.
그렇게 답하면 애매하지 않나?
질문부터 애매했을텐데.
어떻게 동작하지?
알고리즘. 그리고 그 이상의 무엇.
그 이상의 무엇?
그건, 자네도 이미 짐작하고 있을텐데.
너무 많아서. 짐작은 짐작일 뿐이라.
차근차근 알아가는 재미를 느껴보는 것은 어때?
수수께끼 놀이라도 하자는 건가?
노력없이 쉽게 얻으려 하는 것을 보니, 자네도
Open-Domain Question Answering 시스템이 궁금하다. (1)
궁금한 것을 질문하면 대답해 주는 시스템?
살아가면서 수많은 의문이 생긴다. 그리고 그러한 의문들은 비교적 간단한 사실에 대한 것에서부터 (예: 올해의 추석 연휴 기간은?) 치밀한 분석이 필요하거나 주관적인 의견이 녹아들어갈 수도 있는 것들 (예: 세계에서 가장 좋은 대학은? 역대 축구 선수들 중에서 가장 최고의 선수는?) 더 나아가 아주 추상적인 것들 (예:
인공지능 편집팀
“도대체 무슨 이야기를 하고 싶대요?”
“현재의 업무 체계를 개선할 필요가 있다고 하네.”
업무 체계? 개선? 과학편집팀장은 이런 단어가 인공지능편집팀에서 나온다는 게 받아들여지지 않았다.
“갑자기 뭐가 불만이래요? 지금까지 별 말 없이 일해왔는데.”
“나도 잘 몰라. 일단 미팅을 해 보자구. 내일 오후 2시니까 잊지 마.”
과학편집팀장은 대표의 물렁한 태도마저 언짢았다.
다음 날,
가짜뉴스가 궁금하다.
이렇게까지 했는데 보지 않고 넘어갈 수 있겠어?
시작
뉴스가 생성되고 전파되는 속도가 엄청나게 빨라졌다. 과거에 우리는 종이 신문이나 TV, 라디오를 통해 뉴스를 접했다. 아직 이러한 매체들이 남아있기는 하지만 지금은 스마트폰만 열면 포털, 앱, 소셜미디어, 인터넷 커뮤니티, 톡 프로그램 등을 통해 언제 어디서나 뉴스를 접할 수 있다. 뉴스가 한번 배포되면 수십만
The Shadow Professor
최근에는 인터넷 상에 새로 업로드되는 문서들의 73%가 인공지능에 의해 작성된 것이라는 분석이 있습니다. 이 수치는 2년 전에 비해 크게 높아진 건데요. 지금까지는 광고 영역에서만 그런 성향이 보여서 사회적으로 크게 문제되지 않았는데, 최근에는 신문기사나 전문 블로그들도 인공지능에 의해 작성된 것들이 많아지고 있습니다. 따라서, 오늘은 한국대학 인공지능학과 강주형 교수님과 전화로 연결하여
CLIP은 어떻게 활용될 수 있을까?
재미있는 이야기를 시작해 보자.
우리는 특정 문장을 읽은 후에 그 내용과 관련된 개인적인 기억을 떠올린다. 그 기억의 장면이 뇌리를 스치는 것이다. ‘서늘한 바람’이라는 구절을 보고 바람에 흔들리는 나뭇가지를 떠올리는 사람이 있을 수 있다. 아주 더웠던 여름 날에 에어컨 앞에 서서 바람을 맞으며 열기를 식히던 자신의 모습을 떠올리는 사람도 있을
(CLIP) 텍스트 정보를 이용한 Visual Model Pre-training
CLIP 논문에서는 (이미지, 물체 분류) 데이터 대신 (이미지, 텍스트)의 데이터를 사용하는데, 수작업 labeling 없이 웹 크롤링을 통해 자동으로 이미지와 그에 연관된 자연어 텍스트를 추출하여 4억개의 (이미지-텍스트) 쌍을 가진 거대 데이터셋을 구축하였다.
(이미지, 텍스트)로 구성된 데이터셋은 정해진 class label이 없기 때문에 분류(classification) 문제로 학습할 수는 없다. 따라서 CLIP