총 86개
-
인공지능의 물리적 사물, 디지털 사물, 생물학적 존재에의 적용 사례와 특징2025.05.081. 물리적 사물에의 인공지능 적용 - 법률 상담 도우미 챗봇 인공지능의 자연어 처리 기술을 이용하여 변호사와 의뢰인을 연결해주는 챗봇 플랫폼 서비스. 의뢰인은 시간과 비용을 절감하고 변호사는 생산성을 높일 수 있으며, 챗봇이 자동화된 응답을 제공하여 변호사가 주요 업무에 집중할 수 있게 해준다. 이를 통해 의뢰인의 법률 서비스 접근성이 높아지고 변호사와 의뢰인의 연결이 효율적으로 이루어질 수 있다. 2. 디지털 사물에의 인공지능 적용 - 아직 정보가 없음 제공된 정보에는 디지털 사물에 대한 인공지능 적용 사례가 포함되어 있지 않습...2025.05.08
-
마코프 체인(Markov Chain)을 통해 알아보는 GPT의 작동 원리 (파이썬코딩 예제포함)2025.05.091. 마코프 체인 마코프 체인은 상태 공간을 가지고 그 상태들 간의 전이 확률을 나타내는 모델입니다. 이 모델을 사용하여 다양한 예제를 해결할 수 있습니다. 날씨 예측, 텍스트 생성, 주식 시장 예측, 게임 시뮬레이션 등 다양한 분야에서 활용될 수 있습니다. 2. 문장 생성 마코프 체인을 이용한 문장 생성은 자연어 처리와 인공지능 분야에서 흥미로운 주제 중 하나입니다. 이 예제는 텍스트 데이터를 활용하여 이전 단어와 현재 단어의 관계를 파악하고, 그 관계를 기반으로 새로운 문장을 생성하는 방법을 알아봅니다. 3. GPT(Genera...2025.05.09
-
LLM(대규모 언어 모형)과 LMM(대규모 멀티모달 모형)의 비교 및 딥러닝과의 관계2025.01.261. LLM(대규모 언어 모형) LLM은 자연어 처리(NLP) 분야에서 필수적인 역할을 하는 인공지능 시스템입니다. LLM은 인간의 언어 이해 및 해석 방식을 모방하여, GPT-4나 BERT와 같은 대표적인 AI 모델을 만들어냈습니다. 이러한 모델들은 문장 생성, 번역, 요약 등에서 강력한 성능을 발휘하며, 마치 언어 전문가가 문법과 의미를 분석하는 것과 유사한 방식으로 작동합니다. 2. LMM(대규모 멀티모달 모형) LMM은 언어뿐만 아니라 이미지, 소리, 영상 등 다양한 형태의 데이터를 동시에 처리할 수 있는 인공지능입니다. 이...2025.01.26
-
GPT-3에서 GPT-4로, 차세대 AI 언어 모델의 발전과 도전2025.05.041. GPT-3 GPT-3(Generative Pre-trained Transformer 3)는 2020년 6월 OpenAI에서 출시된 AI 모델로, 번역, 요약, 질의 응답, 콘텐츠 생성 등 다양한 자연어 작업에서 인상적인 성능을 보였습니다. 1,750억 개의 매개변수를 가진 GPT-3는 방대한 텍스트 데이터 코퍼스에 대한 훈련을 통해 인간과 유사한 텍스트를 생성할 수 있는 자동 회귀 언어 모델입니다. 2. GPT-4 GPT-4는 GPT-3 이후에 출시된 OpenAI의 GPT 시리즈 네 번째 버전입니다. 13조 개의 매개변수를 가...2025.05.04
-
ChatGPT 배경과 활용2025.05.051. ChatGPT 개요 ChatGPT는 OpenAI에서 개발한 대화형 인공지능 언어 모델입니다. 이 모델은 GPT-3.5 아키텍처를 기반으로 하며, 2021년 이전에 배운 대규모 데이터셋을 사용하여 학습되었습니다. 이 모델은 13억 개의 매개 변수를 가지며, 이는 GPT-3 모델에서 사용된 매개 변수의 약 116배에 해당합니다. 2. ChatGPT의 활용 ChatGPT는 인공지능 연구자들이 대화형 인공지능을 개발하는 데 필요한 자원을 제공합니다. 또한, ChatGPT는 챗봇, 자동 응답 시스템, 자동 번역 시스템 등 다양한 응용 ...2025.05.05
-
영문 ) Real-world business problem -problems that occur in the business environment (or2025.01.201. Real-world business problem 기업 환경(또는 직장)에서 발생하는 문제로, 데이터 분석을 통해 해결할 수 있는 문제입니다. 예를 들어 온라인 광고 효과가 낮거나 새로운 패션 제품에 대한 고객 만족도가 낮은 경우 등입니다. 2. 연구 목적 온라인 광고 효과를 높이기 위한 요인 탐색, 고객 만족도를 높이기 위한 제품 속성 탐색 등이 연구의 주요 목적입니다. 3. 데이터 소셜 네트워크 플랫폼의 리뷰 텍스트, 내부 데이터베이스의 구매 데이터 등이 필요합니다. 이를 통해 고객이 중요하게 여기는 요인을 파악하고 고객 ...2025.01.20
-
대규모 언어 모델의 실제 적용 사례 및 활용 전략2025.01.141. 질문 응답 시스템과 LLMs 질문 응답(QA) 시스템은 자연어 처리의 하위 영역으로, 복잡한 질문에 대한 답변을 제공하는 시스템입니다. LLM을 활용한 QA 시스템은 도메인 지식에 대한 의존도가 낮고 다양한 종류의 질문에 대응할 수 있는 장점이 있어 고객 서비스, 교육, 연구 등 다양한 분야에서 활용되고 있습니다. LLM을 활용한 QA 시스템을 개발하기 위해서는 데이터, 모델, 프롬프트 등을 고려해야 합니다. 앞으로 LLM의 발전과 함께 QA 시스템의 자연어 이해 및 응답 능력, 다양한 분야의 응용, 자동화 및 지능화가 확대될...2025.01.14
-
언어의 영역별 구분: 의미론, 음운론, 형태론, 통사론, 화용론2025.01.291. 의미론 의미론은 언어의 의미를 체계적으로 연구하는 분야로, 단어와 문장의 의미를 분석하고 해석하는 데 중점을 둔다. 의미론은 언어의 기본적인 의미 단위인 의미소(모픽)와 의미 단위 간의 관계를 규명하며, 단어 간의 동의어, 반의어, 다의어 등의 의미 관계를 탐구한다. 의미론적 연구는 자연어 처리(NLP) 분야에서도 중요한 역할을 한다. 2. 음운론 음운론은 언어의 음소와 음운 구조를 연구하는 분야로, 언어의 소리 체계와 소리 간의 관계를 분석한다. 음운론은 음소의 배열, 음운 변화, 음운 규칙 등을 다루며, 이는 언어의 발음 ...2025.01.29
-
경영정보시스템 ) 인공지능의 개념과 기술 그리고 활용사례에 대해 조사하시오.2025.05.161. 약한 인공지능과 강한 인공지능의 비교 약한 인공지능은 한 가지 특정 작업을 수행하는 것을 목표로 하는 인공지능이며, 강한 인공지능은 인간의 지능과 비슷한 기능을 하는 것을 목표로 한다. 약한 인공지능은 미리 정해진 데이터와 알고리즘을 통해 최적의 결과를 만들어내는 것이 목표이지만, 강한 인공지능은 다양한 기능을 수행하고 새로운 문제를 해결하는 방법을 직접 찾는 것을 목표로 한다. 2. 기계학습의 특징 기계학습은 인공지능을 구현하는 방법 중 하나로, 빅데이터를 반복적으로 분석하여 데이터 내부의 규칙성과 패턴을 추출하고 이를 바탕...2025.05.16
-
한국방송통신대학교 언어의 이해 중간과제물2025.01.241. 컴퓨터 언어학 컴퓨터 언어학은 컴퓨터가 인간의 언어를 처리할 수 있도록 하는 방법을 연구하는 분야로, 1950년 미국에서 러시아어 자동 번역 시도로부터 시작되었다. 컴퓨터 언어학은 인간의 언어 지식을 활용하여 유용한 컴퓨터 시스템을 개발하는 것을 목적으로 하며, 최근 언어 연구에도 컴퓨터가 활용되고 있다. 주요 연구 분야로는 맞춤법 검사, 문법 검사, 음성 합성 및 인식, 기계 번역, 형태소 분석 등이 있다. 2. 맞춤법 검사 컴퓨터 언어학에서는 단어의 형태론적 구조를 분석하여 맞춤법 검사와 교정을 수행한다. 이를 위해서는 컴...2025.01.24
5 / 9
