Reuleauxtriangle

2023.8월 딜로이트 AI 연구소 AI를 활용해 사업가치를 창출하는 6가지 경로 비용 절감 : AI와 지능형 자동화 솔루션을 도입해 상대적으로 가치가 낮고 반복적인 업무를 자동화하면 효율성과 품질을 개선해 비용을 절감할 수 있다. 실행 속도 단축 : 지연시간을 최소화해 운영 및 사업 성과 도출에 걸리는 시간을 단축한다. 복잡성 감축 : 보다 선제적이고 예측 가능하며 갈수록 복잡해지는 데이터 소스에서 패턴을 파악하는 능력 등이 더욱 향상된 애널리틱스 기술을 활용하면, 이해와 의사결정을 개선할 수 있다. 관계의 전환 : 사람과 기술 간 소통 방식을 전환해, 사람이 기계의 방식에 맞추는 대신 사람의 방식 그대로 소통할 수 있다. 혁신 촉진 : AI를 활용해 혁신적인 신제품, 시장, 비즈니스 모델을 창출함으로써 진입할 시장과 성공 전략을 재정의한다. 신뢰 강화 : 사기 행위와 사이버 공격으로부터 사업체를 보호해, 품질과 일관적 서비스를 유지함과 동시에 투명성을 개선해 브랜드 신뢰를 강화한다. 01 첨단기술, 미디어 및 통신 부문 AI 활용서 스마트팩토리 및 디지털 공급 네트워크 : AI 기반 마이크로 서비스를 활용해 위탁생산 프로세스를 최적화할 수 있다. 또한 수요 예측 가속화, 수요 신호 개선, 기능별 공급망 프로세스의 통합적 관리 등이 가능하다. 고객과의 관계 및 소통 강화 : AI를 활용해 고객과의 상호작용 및 커뮤니케이션을 자동화하고, 고객의 행동을 분석/예측하여 최선의 대응책을 찾으며, 이를 통해 맞춤형 고객 서비스를 강화할 수 있다 디지털 컨택센터 구축 : 자연어 처리, 머신러닝과 같은 AI 기술을 활용해, 효율적이고 매력적이며 인간과 유사한 ‘음성인식 가상 비서’(Voice Virtual Assistant)를 도입할 수 있다 딥페이크 미디어 콘텐츠 감지 : 고급 AI 기술을 활용해 미묘한 콘텐츠 이상을 식별함으로써 '딥페이크’와 가짜 미디어 콘텐츠를 탐지한다 고객 데이터 활용 수익 창출 : AI를 활용해 디지털 시스템에서 ...

비용 절감, 훈련시간 단축 등 가성비 앞세운 소형 언어모델 ‘sLLM’ 부상 소형 언어모델 'sLLM'의 부상은 대규모 언어모델의 한계와 AI 개발 방향에 대한 새로운 고찰을 가져온 중요한 발전입니다. 대규모 언어모델이 점차 거대해지면서 발생하는 문제점과 한계를 극복하고자 하는 시도로서, sLLM은 다양한 장점을 가지고 있습니다. 첫째로, sLLM은 대규모 모델과 비교해 훈련 시간과 비용이 훨씬 적게 듭니다. 대형 언어모델은 훈련에 상당한 컴퓨팅 자원과 시간이 소요되며, 이로 인해 비용도 증가합니다. 하지만 sLLM은 상대적으로 적은 컴퓨팅 리소스로도 효율적인 훈련을 수행할 수 있어 개발 및 실험에 더 접근성이 높습니다. 둘째로, sLLM은 미세조정을 통해 정확도를 향상시킬 수 있는 유연성을 가지고 있습니다. 대형 모델과 마찬가지로, sLLM은 문맥을 이해하고 특정 작업에 적합한 답변을 생성할 수 있습니다. 이를 통해 개발자들은 적은 노력으로 원하는 작업에 맞는 모델을 만들고 정확도를 높일 수 있습니다. 세 번째로, sLLM은 데이터의 깊이 있는 학습을 통해 특정 분야에 더 적합한 모델을 구축하는 데 사용될 수 있습니다. 이러한 모델은 특정 도메인 또는 업무에 최적화된 지식을 갖추고 있으며 해당 분야의 전문성을 발휘할 수 있습니다. 예를 들어 의료 분야에서 의학 용어와 개념에 대한 이해력이 있는 sLLM 모델은 의료 정보 검색 및 의사 결정 지원에 효과적으로 활용될 수 있습니다. 마지막으로, sLLM은 특정 목적에 맞춘 맞춤형 AI 모델을 구축하는 데 효과적입니다. 모든 기업과 플랫폼이 대규모 언어모델의 크기와 능력을 필요로 하는 것은 아니기 때문에, sLLM과 같이 작고 유연한 모델은 자신의 목적과 필요에 맞게 AI 모델을 조정하고 구축하는 데 유용합니다. sLLM은 대규모 언어모델의 한계를 극복하고 비용 효율적인 AI 개발을 실현하기 위한 중요한 도구로 부상하고 있습니다. 이러한 모델은 다양한 분야와 응용에 적용되어 향후 AI 개발과 연구에...

LLM 활용 방식 및 주요 이슈 분석 IT & Future Strategy 제5호(2023. 8. 11.) 1. 인공지능 대형화 및 혁신 서비스 탄생 ☐ GPT‐3 이후 촉발된 인공지능의 대형화 경쟁 2012년을 기점으로 10년 동안 인공지능은 급격히 발전하며, 전 세계적으로 인공지능은 국가‧산업 경쟁력의 핵심으로 인식하고 있습니다. 2012년 시각 인공지능 분야 올림픽인 ILSVRC(ImageNet Large Scale Visual Recognition Challenge)에서 딥러닝의 가능성을 전 세계 인공지능 연구계에 전파하였습니다. 연구계에서 주목받던 인공지능(딥러닝) 기술이 이세돌과의 알파고 대국(2016년) 이후 국가‧산업 전반에서 중요성 인지하게 되었습니다. 이후 국가별 정책 지원, 기업들의 인공지능에 대한 투자가 경쟁적으로 진행되며, 인공지능의 성능이 지속적으로 향상되었습니다. 2020년 오픈AI는 GPT 시리즈의 세 번째 언어모델을 공개하였으며, 당해 최고 주목받는 연구성과로 전 세계인의 이목을 받았습니다. 오픈AI는 처음에는 인류를 위한 AI 개발을 목표로 하는 비영리단체로 GPT 언어모델 시리즈 등 창의적인 연구 성과물을 발표하였습니다. GPT‐3는 이전에 공개된 MS의 언어모델보다 사이즈가 10배 이상 큰 1,750억개의 매개변수를 가진 초거대 언어모델로, 글로벌 빅테크 기업은 앞다투어 초대규모 인공지능을 개발하기 시작하며 본격적인 대형화 경쟁을 촉발하였습니다. ☐ LLM은 범용 인공지능(AGI)의 가능성을 시사 GPT‐3 이전은 목표 과업별로 모델을 각각 개발했으나, GPT‐3 이후부터 범용성 높은 거대 모델 개발로 트렌드 전환되었습니다. 기존에는 목표 과업(번역, 요약, 질의응답)에 해당하는 모델을 구축하기 위해 대량의 데이터로 모델을 각각 개발하였습니다. 하지만 GPT‐3 등 LLM은 목표 과업을 위해 모델 미세조정 또는 퓨샷...

대규모 언어 모델에 대한 조사 A Survey of Large Language Models https://arxiv.org/abs/2303.18223 요약 1950년대에 튜링 테스트(Turing Test)가 제안된 이래로 인간은 기계가 언어 지능을 마스터하는 방법을 탐구해 왔습니다. 언어는 본질적으로 문법 규칙에 의해 지배되는 복잡하고 정교한 인간 표현 체계입니다. 이는 유능한 인공지능을 개발하는 데 언어를 이해하고 파악할 수 있는 유능한 인공 지능(AI) 알고리즘을 개발하는 것은 중요한 과제입니다. 언어 모델링은 지난 20년 동안 언어 이해와 생성을 위해 널리 연구되어 왔으며, 통계적 언어 모델(statistical language models)에서 신경망 언어 모델(neural language models)로 발전해 왔습니다. 최근에는 대규모 말뭉치(large-scale corpora)를 대상으로 Transformer 모델을 사전 학습시켜 다양한 자연어 처리(NLP) 작업을 해결하는 데 강력한 성능을 보이는 사전 학습 언어 모델(PLM: pre-trained language models)이 제안되고 있습니다. 연구진은 모델 스케일링이 모델 용량 향상으로 이어질 수 있다는 사실을 발견한 후, 파라미터 스케일을 더 큰 크기로 늘려 스케일링 효과를 추가로 조사했습니다. 흥미롭게도 매개변수 규모가 일정 수준을 초과하면 이렇게 확대된 언어 모델은 성능이 크게 향상될 뿐만 아니라 소규모 언어 모델(예: BERT)에는 없는 몇 가지 특별한 능력(예: 비문맥 학습 incontext learning)도 발휘합니다. 다양한 매개변수 규모에서 언어 모델을 구별하기 위해 연구 커뮤니티에서는 상당한 규모(예: 수백억 또는 수천억 개의 매개변수를 포함하는)의 PLM에 대해 대규모 언어 모델(LLM)이라는 용어를 만들어냈습니다. 최근 학계와 산업계에서 LLM에 대한 연구가 크게 진전되고 있으며, 괄목할 만한 진전으로 LLM을 기반으로 개발된 강력한 AI 챗봇인 ChatGPT가 ...