AI러 이채문

현 AI 서비스를 되돌아보며 - 제미나이를 왜 다루려고 하는가?

AI러 이채문 — Thu, 19 Dec 2024 06:00:02 GMT

오랜만에 모든 내용을 제 손으로 써보게 됩니다. 그만큼 응원을 한 번 받았으면 하는 마음이기도 합니다. 일단 지난 1화를 잠시 돌아가서 생각해본다면 실제로 일반적으로 접하는 AI 서비스들은 사용에 제한이 걸려있습니다. 잔인한 건 당연히 안되고, 조금이라도 선정성이 있다면 가차없이 차단해버립니다. 그래서 기존의 GPT나 클로드를 쓰는 것에는 분명히

잠시 숨을 고르는 시간 - 앞으로 작성할 컨텐츠는?

AI러 이채문 — Wed, 18 Dec 2024 07:08:12 GMT

2024년이 끝나가는 시점에, 혹은 곧 시작할 2025년 시점에 제가 할 수 있는 것이 무엇인지 생각하게 되었습니다. 물론 기존의 컨텐츠들을 계속 진행하겠지만, 프롬프팅에 관해서 말씀드리자면, 요사이 제미나이 성능이 좋아졌다고 합니다. 그래서 GPT 프롬프트 마스터하기에 연달에서 제미나이에 대해서 다룰 것인가 혹은 아예 따른 책을 발행하여

양자칩 '윌로우'의 시대 - 기존 슈퍼컴퓨터를 뛰어넘는 초월적 연산 속도

AI러 이채문 — Mon, 16 Dec 2024 07:00:00 GMT

오늘 글의 출처: 그렇다고 딱히 글을 베끼지는 않았습니다. 제 나름대로 추가적인 분석을 한번 양자정보학적 관점에서 해봤습니다. 구글이 양자컴퓨팅 분야에서 획기적인 진전을 이루어냈습니다. 새롭게 개발된 양자칩 '윌로우(Willow)'를 탑재한 양자컴퓨터는 기존 슈퍼컴퓨터로 10의 24제곱년이 걸릴 연산을 단 5분 만에 해결할 수 있는 성능을 보여주

ChatGPT가 연 새로운 투자 시대 - 77% vs -30%, 격차의 현주소

AI러 이채문 — Sat, 14 Dec 2024 14:00:00 GMT

AI에 관심을 가지게 되는 건 결국, 수익성이 목적일 것이라 생각합니다. 그래서 한번 오늘은 돈이야기를 해보려합니다. 이 기사를 보고, 이 글을 작성했습니다. 나름대로의 분석도 했습니다. 끝까지 봐주시면 감사하겠습니다. 국내 AI 펀드 시장이 예상을 뛰어넘는 폭발적인 성장세를 보이고 있습니다. 2022년 말 2,193억원에 불과하던 설정액은 20

되돌아보는 AI, 그리고 시대 - 2024년 마무리 시리즈 (1)

AI러 이채문 — Fri, 13 Dec 2024 04:00:04 GMT

AI의 여정은 1950년대에 시작되었습니다. 당시 영국의 천재 수학자 앨런 튜링은 아주 도발적인 질문을 던졌습니다. "기계가 생각할 수 있을까?" 그는 이른바 '튜링 테스트'를 고안했는데, 이는 컴퓨터가 얼마나 인간답게 대화할 수 있는지를 판단하는 시험이었죠. 재미있게도 이 테스트는 70년이 지난 지금까지도 AI가 얼마나 '인간다워졌는지' 평가하는 중요한

다국어 AI 개발의 필수 리소스 - Global-MMLU의 모든 것

AI러 이채문 — Thu, 12 Dec 2024 04:00:01 GMT

몇가지 예시를 들어보겠습니다. 카카오톡이나 네이버처럼 한국 서비스를 외국에 내놓으려 할 때: 이전: "안녕하세요"를 단순히 "Hello"로만 번역 현재: 이 데이터로 학습한 AI는 미국에선 "Hi", 영국에선 "Hello", 호주에선 "G'day"처럼 각 나라의 문화에 맞는 인사말을 사용 온라인 교육 프로그램을 만들 때: 이전: 모든 나라에 똑같은 예

추론과 행동을 결합한 프롬프팅 방식 - ReAct Prompting

AI러 이채문 — Wed, 11 Dec 2024 02:34:59 GMT

당분간 심화 프롬프팅 방식을 다룰 예정입니다. 여러분들 화이팅! 개념과 개요: ReAct란 무엇인가? ReAct는 Yao et al. (2022)이 제안한 프레임워크로, 대규모언어모델(LLM)이 작업을 수행할 때 추론(Reasoning)과 행동(Action)을 인터리브 방식으로 생성하도록 유도합니다. 기존의 ChainofThought(CoT)가 주로

자연어 문제 해결을 위한 프로그래밍 접근법 - PAL (Programaided Language Models)

AI러 이채문 — Mon, 09 Dec 2024 10:00:01 GMT

PAL(Programaided Language Models)은 Gao et al. (2022)이 제안한 접근법으로, LLM이 자연어로 된 문제를 읽고, 문제 해결 과정을 단계적으로 프로그램으로 변환해 실행하는 방식입니다. 기존의 ChainofThought(CoT) 방식이 중간 추론 단계를 텍스트로 표현했다면, PAL은 이 단계를 코드로 표현해 Python

대규모 언어 모델을 위한 새로운 프롬프팅 기술 - Directional Stimulus Prompting (DSP)

AI러 이채문 — Sun, 08 Dec 2024 10:00:01 GMT

Directional Stimulus Prompting (DSP)는 대규모 언어 모델(LLM)이 더 정확하고 원하는 방식으로 출력을 생성하도록 유도하기 위한 프롬프팅 기법입니다. Li et al. (2023)은 정책 언어 모델(Policy Language Model, LM)을 사용하여 LLM의 출력을 안내하는 힌트(stimulus)를 생성하는 방법을 제안했

ChainofThought(CoT) 방식의 새로운 확장 - ActivePrompt

AI러 이채문 — Sat, 07 Dec 2024 10:00:01 GMT

ActivePrompt는 Diao 외(2023)가 제안한 프롬프트 최적화 기법으로, 기존의 ChainofThought(CoT) 방식을 확장하여 LLM(대규모 언어 모델)의 성능을 향상시키기 위한 새로운 접근법입니다. CoT는 복잡한 작업을 해결하기 위해 중간 추론 단계를 명시적으로 추가하여 모델의 이해를 도모합니다. 하지만 CoT 방식의 기존 문제점은 특정

프롬프트 최적화를 위한 자동화 프레임워크 - Automatic Prompt Engineer (APE)

AI러 이채문 — Fri, 06 Dec 2024 09:00:02 GMT

Automatic Prompt Engineer (APE)는 Zhou et al. (2022)이 제안한 프레임워크로, 대규모 언어 모델(LLM)의 성능을 향상시키기 위해 최적의 프롬프트를 자동으로 생성하고 선택하는 과정을 제공합니다. 기존에는 사람이 설계한 프롬프트를 활용하는 경우가 많았지만, 이는 시간과 자원이 많이 소요되는 작업이었습니다. APE는 이러한

새로운 작업 처리를 위한 혁신적 접근법 - Automatic Reasoning and Tool-use (ART)

AI러 이채문 — Thu, 05 Dec 2024 09:00:03 GMT

ART란 무엇인가? Automatic Reasoning and Tool-use (ART)는 대규모언어모델(LLM)에서 복잡한 작업을 효과적으로 처리하기 위해 추론 단계와 외부 도구 사용을 결합한 혁신적인 프레임워크입니다. 이 접근법은 특히 체인 오브 소트(CoT, Chain-of-Thought)와 외부 도구 호출을 자동화함으로써, 사람이 수작업으로 설계한

심화 프롬프트 시작, 그리고 RAG - Retrieval-Augmented Generation (RAG)

AI러 이채문 — Wed, 04 Dec 2024 07:53:25 GMT

그 전과는 다른 본격적으로 심화되는 내용에 대해서 과연 여러분들께서 당장 쓰실 내용인지에 대해서 제가 답을 드리자면 아닙니다. 당장 쓰시지는 않을 것입니다. 다만 이 내용을 무시할 수는 없기에, 가볍게라도 정리하는 것이 맞겠다라는 생각을 하여, 지금처럼 적게 되었습니다. 이번 심화프롬프트에 대한 내용이 끝나면, 기초 프롬프트들의 원리들에 대해서 더 깊

잠시 최근 근황에 대하여, - 쉬어가는 시간, 이자 다음을 준비하는 시간

AI러 이채문 — Sat, 30 Nov 2024 16:00:00 GMT

그렇다고 쉰다는 걸 의미하지는 않습니다. 최근에 경기도 도민 강사로 활동하게 되었습니다. 오픈 소스를 사용하기 위한 최소의 지식을 전달하는게 목적인 강의라서 최대한 가볍게 진행했지만 어떻게 느끼실지는 잘 모르겠습니다. 강의는 듣지 않더라도, 신청하셔서 자료라도 확인하시면 굉장히 많은 것을 얻지 않을까라는... 그런 생각을 하고 있습니다. 한

TOT, 복잡한 문제 해결하기 - 기초프롬프팅방법론(8)

AI러 이채문 — Fri, 29 Nov 2024 15:00:04 GMT

복잡한 문제를 해결할 때, 인간은 여러 가능성을 동시에 고려하고, 각 선택지의 결과를 예측하며, 필요한 경우 이전 단계로 돌아가 다른 접근 방식을 시도합니다. 2023년 Yao et al.과 Long이 제안한 Tree of Thoughts(ToT) 프레임워크는 이러한 인간의 자연스러운 문제 해결 과정을 AI 시스템에 구현한 혁신적인 접근 방식입니다.

성능과 신뢰성을 높이기 - 기초프롬프팅방법론(7)

AI러 이채문 — Thu, 28 Nov 2024 18:00:00 GMT

오늘의 내용은 말그대로 이번 책의 꽃입니다. 말 그대로 굉장히 중요한 내용이다보니, 글이 길어지게 되었습니다. 프롬프트 체이닝의 본질과 필요성 우리는 일상에서 복잡한 문제를 해결할 때 대개 한 번에 모든 것을 처리하려 하지 않습니다. 대신, 문제를 작은 단위로 나누고, 단계별로 해결해 나가는 것이 자연스럽습니다. 예를 들어, 논문을 쓸 때도 한

AI의 추론 능력을 강화하는 프롬프팅 - 기초프롬프팅방법론(6)

AI러 이채문 — Wed, 27 Nov 2024 17:00:01 GMT

오늘의 글은 하나의 그림으로 시작하려 합니다. 이 그림은 아래 링크에서 확인하실 수 있습니다. 참조주소: https://arxiv.org/pdf/2110.08387 본른으로 들어가서 말씀드리자면, Generated Knowledge Prompting: AI의 추론 능력을 강화하는 지식 생성 기반 프롬프팅 기법 AI 모델과의 대화에서 가장 큰 도

AI와의 더 정확한 대화를 위한 고급 기법 - 기초프롬프팅방법론(5)

AI러 이채문 — Tue, 26 Nov 2024 15:58:11 GMT

인공지능 기술이 발전하면서, 우리는 AI와 더욱 복잡하고 심도 있는 대화를 나눌 수 있게 되었습니다. 하지만 이러한 발전은 동시에 새로운 도전 과제들을 가져왔습니다. 특히 수학적 계산, 논리적 추론, 그리고 복잡한 의사결정이 필요한 상황에서, 단순히 하나의 답변에만 의존하는 것은 큰 위험을 초래할 수 있습니다. 이러한 맥락에서 Wang et al.이 2

실전적 메타 프롬프팅 - 기초프롬프팅방법론(4)

AI러 이채문 — Sun, 17 Nov 2024 11:00:01 GMT

지난 시간에 이어 메타프롬프팅에 대해서 작성하려 합니다. 혹시 지난 시간에 안보신 분들은 꼭 이전 글을 읽고 와주시길 바랍니다. /@aichaemun/97 이번 프롬프팅은 실전적으로 쓸 수 있는 메타 프롬프팅 자료입니다. 바로 이해할 수 없는 자료이며, 다만 API를 활용할 때, 고도화 시 적용하는 구조위주로 작

메타 프롬프팅, 인공지능과 더 똑똑하게 대화하는 방법 - 기초프롬프팅방법론(3)

AI러 이채문 — Sat, 16 Nov 2024 00:59:46 GMT

메타 프롬프팅은 인공지능과 대화할 때 내용보다는형식과 구조에 집중하는 방법입니다. 마치 우리가 편지를 쓸 때 받는 사람, 인사말, 본문, 맺음말 순서로 쓰는 것처럼, 인공지능에게도 정해진 형식으로 말하면 더 정확한 답변을 받을 수 있습니다. 우리 주변에서 흔히 볼 수 있는 예시를 살펴봅시다: 1. 식당에서 주문할 때 - 일반적인 방법: "뭐 맛있어요