“촉촉한 인공지능은 없습니다.”
우리는 인공지능에게 질문을 던지고 답을 얻습니다.
딱딱한 정보를 찾기도 하지만, 때로는 농담을 던지기도 하죠.
시를 써달라고 할 수도 있고, 그림을 그려달라거나 음악을 만들어 달라고 할 수도 있습니다.
인생의 중요한 결정을 하는 순간에 인공지능에게 답을 요구할 수도 있습니다.
-
질문을 던지면 인공지능은 아주 빠른 시간 안에 답을 해줍니다.
사람이라면 불가능한 속도지요.
Inforience
(CHI 2024 Best Paper 리뷰) LLM을 탑재한 대화형 검색 서비스를 쓰면 내 생각이 편향된다고?
생각해 봅시다.
우리는 모두 각자의 생각과 의견을 가지고 있습니다.
* 차범근, 박지성, 손흥민 중에서 누가 가장 위대한 한국 축구선수일까요?
* 인공지능이 궁극적으로 인간을 대체하게 될까요?
* 대한민국은 선진국인가요?
만약, 자신의 의견에 확신이 서지 않으면, 검색엔진을 써서 정보를 더 찾아볼 수 있습니다. 최근에는 LLM을 기반으로 한 대화형 검색 서비스가 쏟아져 나오고 있어서 잘 정리된
(CHI 2024 논문 리뷰) 초등학생을 대상으로 한 교육과정에 생성형 AI를 쓰겠다고?
시작해 봅시다.
교육 및 학습과정에 적용할 만한 새로운 기술들이 많이 제시되어 왔지만, 대체로 기대에 미치지 못했습니다. 특히 개인화된 학습 플랫폼은 학습과정의 복잡도, 가르치는 과정의 높은 난이도, 알고리즘의 품질 부족 등에 의해 만족스럽지 못했던 것이 사실입니다.
그런데 생성형 AI 시스템이 발전하면서, 이러한 시스템들이 보다 자연스럽고 편안한 인간-AI 상호작용을 제공할 수 있을
인공지능을 의심해 봅시다.
정보장치와 정보를 공유하는 방식의 변화
정보가 기록되고 사람들 사이에서 공유되기 시작했습니다. 과거에는 주로 종이에 기록한 형태로 정보를 공유하였습니다. 대화를 하지 않고 종이만 들여다 볼까 걱정스럽기도 했습니다.
라디오와 텔레비전이 나타났습니다. 정보는 전파를 타고 더 빠르게 사람들 사이를 파고 들었습니다. 대화를 하지 않고 바보상자에만 의존할까 걱정스럽기도 했습니다.
컴퓨터와 인터넷이 나타났습니다. 정보를 받는
개편 축하드립니다.
새로운 포멧으로의 개편을 축하드립니다.
벌써 한 달이나 지났는데 이제야 찾아뵙네요!
상당히 모바일 퍼스트에 최적화 되어있고
프로필 기능도 신선해요.
앞으로도 흥미로운 소식 잘 보도록 하겠습니다.
멀리 바라보는 한 걸음 한 걸음 응원합니다.
[Mostly AI-Generated] "Attention is all you need" 논문의 1저자인 Ashish Vaswani는 그 이후에 어떤 연구를 했을까?
"Attention is All You Need" 논문은 2017년 Google Brain 팀에서 발표한 획기적인 연구로, 자연어 처리 분야에 혁명을 일으킨 Transformer 모델을 소개한 논문입니다. 이 논문은 BERT, GPT 등 현대 자연어 처리 모델의 기반이 되는 아키텍처를 제시했다는 점에서 매우 중요한 의미를 갖습니다.
이 글에서는 논문이 발표된 후 이 논문의 1저자인
[Mostly AI-Generated] IoT(Internet of Things) 환경에서 NLP(Natural Language Processing)나 LLM(Large Language Model)은 어떻게 활용될까?
개요
초기에는 NLP가 IoT 장치와의 상호작용을 자동화하고 최적화하는 데 중점을 두었으며, Crowdsourcing을 통해 IoT 장치를 식별하는 방법이 소개되었습니다. 이후, LLM의 발전과 함께 IoT 환경에서 자연어 명령을 이해하고 처리하는 능력이 강조되었으며, ThingML과 같은 도구를 통해 IoT 장치의 데이터 분석이 가능해졌습니다. 2021년부터는 자연어 이해(NLU)와 생성(NLG), 대화 시스템 등 다양한
[Half-AI-Generated] 노벨 물리학상 수상자 John Joseph Hopfield : 생물학적 신경망 시스템의 복잡성을 이해하고 계산적으로 모델링하여 다양한 문제를 해결하고자 노력한 연구자.
Image source : https://www.nobelprize.org/prizes/physics/2024/hopfield/facts/
개요
John Joseph Hopfield(이하 Hopfield)의 연구는 1980년대부터 2020년대까지 생물학적 시스템과 신경망의 계산 모델(Computational Model)에 초점을 맞추고 있습니다. 초기에는 생물학적 뉴런의 비동기 병렬 처리와 컴퓨터 시스템의 content-addressable memory를 설명했습니다. 1980년대 중반에는 비선형 아날로그 뉴런을 활용하여 최적화
[Mostly AI-Generated] AI 분야의 논문들에서는 Military 관련 내용을 어떻게 언급하고 있을까?
개요
Military 분야에서는 AI가 적극적으로 활용될 수 있습니다. Arxiv에 업로드된 논문들은 2021년부터 2024년까지 'military'와 관련된 다양한 주제를 다루고 있습니다. 2021년에는 게임과 시뮬레이션, 인공지능, 무인 항공기(UAV), 군사 통신과 IoT, 얼굴 인식 등 다양한 기술이 군사 분야에 어떻게 적용될 수 있는지를 탐구했습니다. 특히, 게임과 AI의 연결, 군사 시뮬레이션에서의
[Mostly AI-Generated] AI 분야의 논문들에서는 Spiking neural network에 대해 어떤 이야기를 해왔을까?
개요
Spiking Neural Network(SNN)는 뇌의 신경 활동을 모방하여 정보를 처리하는 신경망 모델로, 전통적인 인공 신경망과 달리 이진 스파이크를 통해 정보를 전달하며, 시간적 및 공간적 동적 특성을 활용합니다. 이러한 특성 덕분에 많은 연구들이 SNN이 기존의 Artificial Neural Networks(ANNs)와 비교하여 에너지 효율성, 생물학적 타당성, 그리고 특정 작업에서의 성능