총 447개
-
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
-
IT와 경영정보시스템 2024년 2학기 방송통신대 중간과제물: 인공지능(AI) 학습을 위해 고안된 LLM(Large Language Model)과 LMM(Large Multimodal Model) 비교 및 Deep Learning과의 관계2025.01.261. 인공지능(AI)의 정의 1956년 미국의 수학자이자 과학자인 존 매카시가 '인공지능'이라는 용어를 처음 제안한 이후, 인공지능 연구는 지속적으로 발전해왔으며 여러 분야에서 인간의 능력을 점점 뛰어넘고 있다. 인공지능은 컴퓨터 과학과 방대한 데이터 세트를 활용하여 문제를 해결하는 기술 분야로, 머신러닝과 딥러닝이 인공지능의 하위 분야를 구성한다. 2. 인공지능의 역사 인공지능에 대한 논의는 1950년대부터 시작되었으며, 앨런 튜링, 마빈 민스키, 존 매카시 등의 선구자들이 기계의 사고 가능성을 탐구하며 인공지능 연구의 기반을 마...2025.01.26
-
챗GPT 특징, 활용 가능성, 시사점 및 발전 방안2025.05.061. 챗GPT의 특징 챗GPT의 특징은 초거대 AI, 대화형 AI, 파인튜닝 및 다양한 언어 지원을 들 수 있다. 초거대 AI는 학습을 통해 도출된 값이 많을수록 성능이 좋아지며 타사 AI 모델보다 열 배 이상 많은 학습 값이 사용된다. 대화형 AI는 수억 건의 대화 데이터 학습을 통해 자연어 처리 및 언어 생성 기술을 활용하여 인간과 같은 대화를 나눌 수 있다. 파인튜닝은 미리 대량의 데이터로 학습된 GPT가 특정한 작업을 수행할 수 있도록 조정하여 원하는 대화 형식과 주제를 더 잘 이해하고 응답할 수 있다. 다양한 언어 지원은 ...2025.05.06
-
언어 평가의 5가지 요건과 문제점2025.05.111. 언어 평가의 5가지 요건 언어 평가는 타당도, 실용도, 신뢰도, 진정성, 효과 등 5가지 요건을 충족해야 한다. 타당도는 정확성, 실용도는 일반성, 신뢰도는 일관성, 진정성은 투명성, 효과는 유용성을 의미한다. 이러한 요건이 충족되지 않으면 평가의 신뢰성과 품질이 저하되며, 응용 프로그램에서 예상되는 성과를 달성하기 어려워진다. 2. 언어 평가 요건 미충족 시 문제점 정확성 미충족 시 잘못된 결과 출력, 신뢰성 저하, 응용 프로그램 성능 저하 등의 문제가 발생할 수 있다. 일반성 부족 시 특정 주제/도메인에만 유효하고 새로운 ...2025.05.11
-
[A+]명시적 학습 및 암시적 학습과 상향적 처리과정 및 하향식 처리과정의 주요개념을 설명하고 각 학습방법의 장단점을 비교분석 한 후, 학습자가 생각하는 효과적인 언어습득 방법과 그 이유를 서술하시오.2025.01.281. 명시적 학습 및 암시적 학습의 주요개념 명시적 학습은 의도적이고 의식적으로 중점적으로 주의집중을 하며, 중점적 주의집중을 바탕으로 의식적 자각과 의도를 지닌 학습을 전개한다. 반면 암시적 학습은 학습하고자 하는 의도 없이 학습된 것이 무엇인지 의식하지 못한 상황에서 우연적이고 주변적 주의집중을 바탕으로 일어나는 학습 개념이다. 2. 상향적 처리과정과 하향적 처리과정의 주요개념 상향적 처리과정은 언어의 작은 단위부터 큰 단위로 점진적으로 이해하는 방식이며, 하향적 처리과정은 기존의 지식과 맥락을 바탕으로 전체적인 이해에서 세부적...2025.01.28
-
현대 컴퓨터 과학의 발전과 알고리즘의 역할2025.05.161. 컴퓨터 과학의 발전과 알고리즘의 역할 현대의 컴퓨터 과학 발전은 꾸준한 연구와 발전의 연속이라 할 수 있습니다. 특히, 알고리즘이 이러한 발전의 핵심이 되어왔다는 것이 많은 학자들의 공통된 견해입니다. 본 장에서는 'The Nature of Computation'이라는 논문을 통해 현대 컴퓨터 과학의 기원과 알고리즘의 중요성에 대하여 자세히 알아보겠습니다. 2. 자연어 처리 분야의 딥러닝 동향 최근 연구에서는 자연 언어 처리(NLP) 분야에서 딥러닝의 동향을 관찰할 수 있습니다. 이 주제에 대하여, 최근 논문 'Attentio...2025.05.16
-
영어문장구조의 이해2025.01.251. 구성소 판별법 멀티미디어 강의에서 제시된 구성소 판별법을 적용하여 문장 내 밑줄 친 요소들이 구성소인지 판별하였습니다. 첫 번째 문장의 'book in'은 구성소가 아니지만, 두 번째 문장의 'a person wearing a red coat'는 구성소로 볼 수 있습니다. 2. 문법성 판단과 성분통어(c-command) 멀티미디어 강의에서 제시된 성분통어(c-command) 개념을 활용하여 문장의 문법성을 판단하였습니다. 첫 번째 문장 'Tom's mother cleaned herself'는 문법적이지만, 두 번째 문장 'He...2025.01.25
-
정보처리 정리2025.01.091. 자연어 처리 자연어 처리는 컴퓨터가 자연언어 이해와 출력을 가능하도록 연구하는 분야입니다. 처리 과정은 단어에 반응하고 분석과 의미파악과정을 거치고, 문법적, 논리적 구조를 파악한 후 맥락을 이해하여 의도를 파악하고 적용하고 추론하여 발화계획을 세우고 문법적 논리적 구조로 실현하여 단어로 반응하는 것입니다. 응용 분야로는 기계번역, 자동통역, 사람과 기계가 소통하는 분야, 텍스트 이해로 질의응답 시스템, 텍스트 요약, 웹 문서 검색 등이 있습니다. 2. 정규표현식 정규표현식이란 문자의 형식을 지정하는 언어입니다. 문자열을 조작...2025.01.09
-
Transformer 기술이 바꿔버린 AI의 세상2025.05.081. Transformer 기술 Transformer 기술의 출현은 NLP 분야의 혁명과 같았습니다. RNN(순환 신경망)과 같은 이전 기술은 병렬 처리가 불가능하여 GPT와 같은 많은 양의 언어학습을 위해서는 수백년이 걸릴수 있었습니다. 반면, Transformer 기술은 병렬 처리가 가능하여 여러개의 GPU를 병렬로 가동시키면 수백년걸릴 학습기간을 몇개월로 단축시킬 수 있어 대규모 언어를 학습하는 데 사용할 수 있게 되었습니다. 이는 GPT와 같은 생성 AI의 발전에 중요한 획을 그었습니다. 2. Attention 메커니즘 At...2025.05.08
-
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
3 / 45
