ㅁ 개인 맞춤 서비스 ㅇ 정의: 개인 맞춤 서비스는 사용자의 행동, 선호, 맥락 데이터를 기반으로 개별 사용자에게 최적화된 콘텐츠, 제품, 서비스를 제공하는 방식이다. ㅇ 특징: – 대규모 데이터 분석과 AI 알고리즘을 활용하여 매우 세밀한 수준의 개인화 제공 – 실시간 데이터 반영으로 사용자의 현재 상황에 맞춘 추천 가능 – 다양한 채널(웹, 앱, 이메일, 푸시 알림 등)에서
ㅁ 기술 및 응용 ㅇ 정의: – Vision-Language Models(VLM)은 이미지, 비디오 등 시각 데이터와 텍스트 데이터를 동시에 처리하고 이해하는 AI 모델로, 멀티모달 학습을 통해 두 모달리티 간의 의미적 연관성을 학습한다. ㅇ 특징: – 이미지 캡셔닝, 비주얼 질문응답(VQA), 멀티모달 검색 등 다양한 작업 수행 가능 – 사전학습(Pre-training)과 파인튜닝(Fine-tuning) 전략을 활용 – CLIP, BLIP, Flamingo 등 대규모
ㅁ 기술 및 응용 1. Multimodal Models ㅇ 정의: 텍스트, 이미지, 오디오, 비디오 등 서로 다른 형태의 데이터를 동시에 처리하고 이해할 수 있는 인공지능 모델. 서로 다른 모달리티 간의 상호 보완적 정보를 통합하여 더 정확한 분석과 추론을 수행. ㅇ 특징: – 다양한 데이터 소스를 결합해 맥락 이해 능력이 향상됨. – 각 모달리티별 전처리와 특성 추출이
ㅁ 자율 시스템 ㅇ 정의: 여러 개의 독립적인 지능형 에이전트가 상호작용하며 공동의 목표를 달성하거나 개별 목표를 추구하는 시스템. ㅇ 특징: – 각 에이전트는 자율적으로 의사결정을 수행함. – 에이전트 간 협력, 경쟁, 협상 등의 상호작용이 가능함. – 분산 환경에서 동작하며 중앙집중식 제어가 필요 없음. – 환경 변화에 적응 가능. ㅇ 적합한 경우: – 복잡하고 동적인 환경에서
ㅁ 최신 알고리즘 ㅇ 정의: – Sparse Models는 모델의 파라미터나 특징 벡터 중 많은 부분이 0이거나 거의 0인 상태를 유지하도록 설계된 기계학습 모델을 의미함. – 연산 효율성, 메모리 절감, 해석 가능성을 높이기 위해 사용됨. ㅇ 특징: – 주요 가중치만 유지하고 불필요한 파라미터를 제거하여 모델 크기를 줄임. – L1 정규화(Lasso)나 프루닝(Pruning) 기법을 통해 희소성을 유도. –
ㅁ 최신 알고리즘 1. Transformers ㅇ 정의: – 시퀀스 데이터를 병렬 처리하여 문맥 정보를 효율적으로 학습하는 딥러닝 모델 구조로, Attention 메커니즘을 기반으로 함. – RNN, LSTM의 순차 처리 한계를 극복하고, 긴 문맥 의존성을 효과적으로 처리. ㅇ 특징: – Self-Attention을 통해 입력 시퀀스의 모든 위치 간 관계를 한 번에 계산. – 병렬 연산이 가능해 학습 속도가
ㅁ 최신 알고리즘 ㅇ 정의: – 인공신경망(ANN)을 기반으로 다층 구조를 통해 데이터의 특징을 자동으로 학습하는 기계학습 기법. – 대규모 데이터와 연산 자원을 활용하여 이미지, 음성, 자연어 처리 등 다양한 분야에서 높은 성능을 발휘. ㅇ 특징: – 다층 퍼셉트론(MLP), 합성곱 신경망(CNN), 순환 신경망(RNN) 등 다양한 구조 존재. – 비선형 변환을 반복적으로 적용하여 복잡한 패턴을 학습. –
ㅁ 최신 알고리즘 1. Reinforcement Learning ㅇ 정의: 에이전트가 환경과 상호작용하며 보상(reward)을 최대화하는 방향으로 학습하는 머신러닝 기법. 상태(state)와 행동(action) 그리고 보상(reward) 신호를 기반으로 의사결정을 최적화. ㅇ 특징: – 지도학습처럼 정답 데이터가 주어지지 않고, 시도-오류(trial-and-error)를 통해 학습. – 장기 보상(maximize cumulative reward)을 목표로 함. – 마코프 의사결정 과정(MDP)에 기반. – 탐험(exploration)과 활용(exploitation) 간의 균형 필요. ㅇ
ㅁ AI 및 사회 ㅇ 정의: 인공지능 기술이 경제 전반에 미치는 영향과 그로 인한 산업 구조 변화, 고용, 생산성, 부의 분배 등에 관한 논의. ㅇ 특징: – 자동화를 통한 생산성 향상 및 비용 절감 – 새로운 산업 및 직종 창출과 동시에 기존 일자리 감소 가능성 – 데이터와 알고리즘 중심의 경제 구조 심화 – 글로벌 경쟁
ㅁ AI 및 사회 ㅇ 정의: 인공지능 기술이 기후 변화에 미치는 영향으로, AI 모델 개발·운영 과정에서 발생하는 에너지 소비와 탄소 배출, 그리고 이를 통한 환경적 파급효과를 의미함. ㅇ 특징: – 대규모 AI 모델(예: GPT, 대형 이미지 생성 모델) 학습 시 막대한 전력 소모 발생 – 데이터센터 냉각, 서버 운영 과정에서 지속적인 탄소 배출 – AI