|
트랜스포머 모델의 등장 이후 많은 대규모언어모델이 탄생했다. 방대한 양의 텍스트 데이터를 학습해 번역/생성 등 광범위한 자연어처리 작업을 높은 정확도로 수행할 수 있게 되었기 때문이다. 대표적으로 오픈 AI 의 GPT, 구글의 BERT, 메타의
|
|
|
자연어 처리 모델의 진보
합성곱 신경망(Convolutional Neural Network, CNN)
순환신경망(Recurrent Neural Network, RNN)
트랜스포머(Transformer) 모델의 등장
(2) 생성형 인공지능(Generative AI)의 발전
분석적 인공지능(Analytical AI)과 생성형 인공지능의 차이
챗
|
|
|
생성형 인공지능의 유형
1) MS 코파일럿 (Copilot)
2) 구글 제미나이 (Gemini)
3) 앤스로픽의 클로드 (Claude)
4) OpenAI ChatGPT (챗GPT)
4. 생성형 인공지능의 주요기술
1) 트랜스포머(Transformer)
2) 비전 트랜스포머(ViT: Vision Transformer)
3) 다중모달(multimod
|
|
|
ChatGPT와의 대화에서 엿본 미래의 희망. 대한토목학회지.
박준철 & 박세린. (2023). 개인적 특성이 ChatGPT 태도와 이용의도에 미치는 영향. 한국경영공학회지.
김태원(2023), “챗GPT가 촉발한 생성형 AI 시대, 미래 모습과 대응 방안” Ⅰ. 서론
|
|
|
처리와 자동화된 작업 수행에 주로 사용되었으나, 최근에는 생성형 AI 기술이 눈부신 성장을 이루어냈다. 대표적인 예로 <ChatGPT>와 <DALL-E>와 같은 모델은 대규모 자연어 처리와 이미지 생성에서 큰 발전을 보였으며, 이를 통해 콘텐츠
|
|
 |
분석 백서(1부): ChatGPT의 개요와 AI 발전사
https://www.samsungsds.com/kr/insights/chatgpt_whitepaper1.html
3. 위키독스 GPT 아키텍처 및 트랜스포머 모델의 구조와 발전 과정 설명
https://wikidocs.net/198931
4. 카카오클라우드 블로그 생성형 AI와 ChatGPT의 원리 및 활
|
|
 |
AI/APP 선행연구 기술개발 직무에서 이루고 싶은 목표는 무엇인가요?
답변: KT의 AI 연구를 바탕으로 GPT 기반의 자연어 처리 모델을 고도화하고, AI 애플리케이션의 상용화를 추진하는 것이 목표입니다. 생성형 AI의 성능을 최적화하고, 실제 서
|
|
 |
생성형AI의 무한한 가능성과 LG생활건강의 비전이 만나 더욱 빛미래를 함께 만들어가길 기대합니다. LG생활건강 생성형AI Digital Crew 자기소개서
1. 본인 소개 및 지원 동기를 구체적으로 작성해주세요.
2. 생성형AI 또는 관련 기술 활용 경
|
|
 |
생성형AI 디지털크루 자기소개서
1. LG생활건강의 디지털크루로서 본인이 생각하는 핵심 역량과 이를 통해 회사에 기여할 수 있는 방안을 구체적으로 서술하시오.
2. 생성형AI를 활용하여 해결하고 싶은 문제 또는 도전 과제와 그에 대한 본
|
|
 |
결론적으로 ChatGPT와 같은 생성 AI 모델은 인간과 유사한 텍스트를 생성하는 데 상당한 진전을 이루었지만 한계와 윤리적 고려 사항도 따릅니다. 지속적인 연구와 발전을 통해 제너레이티브 AI의 미래는 다양한 영역에 혜택을 주고 인간과 컴퓨
|
|
 |
것인가요?
객관적인 데이터를 기반으로 서로의 아이디어를 검증하는 접근을 선호합니다. 개인의 주장보다는 실험 결과와 검증 과정을 통해 최선의 방향을 함께 찾아가는 협업 방식을 지향합니다.
6. 생성형 AI와 기존 분석 모델을 결합해본
|
|
메뉴펼치기
