플랜인

데이터 증강은 CNN(Convolutional Neural Networks) 이미지 분류의 성능을 향상시키기 위한 강력한 도구입니다. 그러나 이 기술을 효과적으로 사용하기 위해서는 몇 가지 함정을 피하고 최선의 관행을 따르는 것이 중요합니다. 일반적인 함정- 과잉 증강: 너무 극단적인 변형은 비현실적인 이미지를 생성하여 모델의 일반화 능력을 저하시킬 수 있습니다[4].- 일관되지 않은 증강: 훈련과 테스트 단계에서 증강 방법이 다르면 모델의 일반화에 부정적인 영향을 미칠 수 있습니다[2]. 권장사항- 간단하게 시작: 수평 뒤집기 및 작은 회전과 같은 기본적인 증강 기법으로 시작합니다. 이는 모델이 다양한 패턴에 노출되도록 도와줍니다[2][7].- 실제 변형 모방: 약간의 노이즈 추가나 밝기 변경과 같은 ..

인공지능(AI) 모델인 '엑사원(EXAONE) 3.0'을 오픈소스로 공개 LG는 2024년 8월 7일에 자사의 최신 인공지능(AI) 모델인 '엑사원(EXAONE) 3.0'을 오픈소스로 공개했습니다. 이는 국내 최초로 자체 개발한 AI 모델을 오픈소스로 공개한 사례입니다. 엑사원 3.0은 한국어와 영어를 기반으로 한 거대언어모델(LLM)로, 성능과 경제성을 모두 갖춘 경량 모델을 포함하고 있습니다[1][2][3]. 엑사원 3.0의 학습 데이터는 다양한 분야로 확장되고 있습니다. 현재까지 엑사원 3.0은 특허, 소프트웨어 코드, 수학, 화학 등 국내외 전문 분야의 데이터 6,000만 건 이상을 학습했습니다. LG AI 연구원은 연말까지 법률, 바이오, 의료, 교육, 외국어 등으로 학습 데이터의 범위를 확장하..

https://youtu.be/0SRVJaOg9Co Figure 02 로봇 소개Figure AI Inc.는 최근 자사의 두 번째 세대 휴머노이드 로봇인 Figure 02를 공개했습니다. 이 로봇은 이전 모델인 Figure 01의 디자인을 개선하여 상업적으로 활용할 수 있는 자율 휴머노이드 로봇으로 개발되었습니다. 디자인 및 하드웨어- 외관 및 구조: Figure 02는 매트 블랙 마감의 "피부"를 가지고 있으며, 이전 모델의 크롬 메탈 마감과 차별화됩니다. 케이블링은 로봇의 사지 내부로 통합되어 외부 환경으로부터 보호됩니다[5].- 배터리 및 무게 중심: 배터리 용량이 50% 증가하여 실제 작업 환경에서 더 오랜 시간 동안 작동할 수 있습니다. 배터리는 로봇의 몸통에 통합되어 무게 중심을 중앙으로 이동시..

Stable Fast 3D 공개 : 씽크탱크 | 도큐멘토개요Stability AI가 새로운 AI 모델인 Stable Fast 3D를 공개했습니다. 이 모델은 단일 이미지로부터 고품질의 3D 자산을 단 0.5초 만에 생성할 수 있습니다. 이는 3D 재구성 분야에서 속도와 품질 면에서www.documento.co.kr    개요Stability AI가 새로운 AI 모델인 Stable Fast 3D를 공개했습니다. 이 모델은 단일 이미지로부터 고품질의 3D 자산을 단 0.5초 만에 생성할 수 있습니다. 이는 3D 재구성 분야에서 속도와 품질 면에서 새로운 기준을 세웠습니다. 주요 특징- 속도: 단일 이미지로부터 0.5초 만에 3D 자산 생성.- 고품질 출력: UV 언래핑된 메쉬, 재질 파라미터, 알베도 색상 ..

GitHub Models Overview : 씽크탱크 | 도큐멘토GitHub가 최근 GitHub Models라는 새로운 기능을 출시했습니다. 이 기능은 개발자들이 AI 모델을 직접 활용하여 애플리케이션을 구축하고 테스트할 수 있도록 지원합니다. 주요 내용을 정리하면 다음www.documento.co.kr    GitHub가 최근 GitHub Models라는 새로운 기능을 출시했습니다. 이 기능은 개발자들이 AI 모델을 직접 활용하여 애플리케이션을 구축하고 테스트할 수 있도록 지원합니다. 주요 내용을 정리하면 다음과 같습니다: GitHub Models 개요 GitHub Models란 무엇인가?GitHub Models는 개발자들이 GitHub 플랫폼 내에서 다양한 AI 모델을 직접 사용할 수 있도록 하는 새..

구글, Character.AI 사실상 인수 : 씽크탱크 | 도큐멘토구글의 Character.AI 인수 개요구글은 최근 AI 스타트업 Character.AI를 사실상 인수하는 계약을 체결했습니다. 이번 계약은 단순한 인수가 아니라, Character.AI의 기술을 라이선스하는 동시에 회사의 핵www.documento.co.kr 구글의 Character.AI 인수 개요구글은 최근 AI 스타트업 Character.AI를 사실상 인수하는 계약을 체결했습니다. 이번 계약은 단순한 인수가 아니라, Character.AI의 기술을 라이선스하는 동시에 회사의 핵심 인력을 구글로 영입하는 형태로 이루어졌습니다[1][4][5]. 계약의 주요 내용 1. 기술 라이선스 계약   - 구글은 Character.AI의 고급 대규모..

제안요청서 분석이라는 과정에서 얻어야할 필수사항1. 고객의 Needs 를 보이는 것 대로2. 고객의 Needs 를 보이지 않는 잠재적인 부분까지 판단3. 업무 범위 / 사업비 내 수행 가능한지 판단4. 고객사 분위기 (보도자료 등 소문)5. 이번 제안건 이외에 추가적으로 발생될 가능성 여부제안서 표지왜 이런게 중요하지? 라는 생각하지 말고 제안요청서의 요청 표지사항을 잘 따르길 바란다.정부지원사업에서는 규정이라는게 가장 중요한 부분이다. 별것도 아닌 오타, 별것도 아닌 표현방식 하나에서 감점이 발생되는것이다. 현장관리자 , 현장 PM , 프로젝트 매니저 등 총괄 관리자를 표현하는 단어는 여러가지가 있으나 제안요청서에 '현장담당자' 라고 써 있다면 모든 문구를 통일시켜 맞춰야 한다.이것때문에 감점이 발생된..

젠슨 황: AI와 가속 컴퓨팅의 선구자 NVIDIA의 창립과 AI 혁신NVIDIA의 창립자이자 CEO인 젠슨 황은 그래픽 처리 장치(GPU)의 발명으로 기술 세계를 혁신했습니다. NVIDIA는 1993년 게임 회사로 시작했지만, 현재는 AI 분야의 선두주자로 자리매김하고 있습니다. 특히, 자율 주행 차량, 얼굴 인식, 자연어 처리 등 다양한 AI 응용 분야에서 두각을 나타내고 있습니다[1].가속 컴퓨팅과 AI의 융합젠슨 황은 가속 컴퓨팅과 AI의 융합이 컴퓨팅의 미래를 재정의할 것이라고 주장합니다. 그는 COMPUTEX 2024에서 "오늘날 우리는 컴퓨팅의 큰 변화를 목격하고 있다"며, AI와 가속 컴퓨팅이 새로운 기술 발전의 물결을 이끌고 있다고 강조했습니다[3]. NVIDIA는 AI PC와 소비자 장..

애플, 구글의 TPU 칩으로 AI 모델 훈련애플이 자사의 고급 AI 모델을 개발하는 데 구글이 설계한 칩을 사용하고 있다는 사실이 밝혀졌습니다[1]. 이는 주요 기술 기업들이 AI 훈련을 위해 엔비디아의 GPU 외에 다른 대안을 모색하고 있음을 시사합니다. 애플은 구글의 텐서 프로세싱 유닛(TPU)을 활용하여 클라우드 환경에서 AI 모델을 훈련시켰으며, 이는 온디바이스 AI 발전의 중요한 단계로 볼 수 있습니다. 퀄컴, 온디바이스 AI의 선두주자로 부상퀄컴은 최근 AI 연구 성과를 공개하며 온디바이스 AI 기술의 선두주자로서의 입지를 굳히고 있습니다[2]. 특히 대규모 AI 모델을 압축하여 모바일 기기, 로봇, 자동차 등에서 구동할 수 있게 만드는 기술에 주력하고 있습니다. 퀄컴은 양자화, 압축, 증류 ..

구글 딥마인드는 대형언어모델(LLM)의 내부를 탐색하고 신경망의 개별 기능을 식별 및 추적할 수 있는 새로운 아키텍처를 공개했다. 이는 오픈AI와 앤트로픽과 유사한 '희소 오토인코더(Sparse Autoencoder)' 방식을 채택한 것이 특징이다. 벤처비트는 26일(현지시간) 구글 딥마인드 연구진이 LLM의 내부 작동 방식을 해석할 수 있는 새로운 아키텍처 ‘점프렐루 SAE(JumpReLU SAE)’를 아카이브에 게재했다고 보도했다.일반적인 소프트웨어는 인간의 설계를 기반으로 개발되어 각 기능의 메커니즘을 이해한 후 수정하거나 평가할 수 있다. 그러나 AI 개발은 다르다. 신경망 학습 알고리즘은 인간이 설계하지만, 신경망 학습은 자동으로 수행된다. 완성된 신경망의 작동 방식은 해석은 물론, 수정이나 평..

LLM의 크기와 양자화의 필요성대규모 언어 모델(LLM)은 그 이름에서 알 수 있듯이 매우 큰 규모를 자랑합니다. 이러한 모델들은 수십억 개의 매개변수를 가지고 있어, 일반적인 소비자용 하드웨어에서 실행하기가 매우 어렵습니다. 대부분의 LLM은 대용량 VRAM을 갖춘 GPU가 필요하여 추론 속도를 높일 수 있습니다.  이러한 문제를 해결하기 위해 연구자들은 모델을 더 작게 만드는 데 초점을 맞추고 있습니다. 이 분야에서 주요한 기술 중 하나가 바로 '양자화(Quantization)'입니다.양자화란 무엇인가?양자화는 모델의 매개변수 정밀도를 낮추는 기술입니다. 일반적으로 32비트 부동소수점(FP32)에서 더 낮은 비트 폭(예: 8비트 정수)으로 줄이는 과정을 말합니다. 이는 마치 고해상도 이미지를 더 적은..

1. AI는 도구로서의 역할AI는 기획 업무에서 반복적이고 시간 소모적인 작업을 자동화하여 기획자가 더 창의적이고 전략적인 업무에 집중할 수 있도록 돕습니다. 다음은 AI가 도구로서의 역할을 수행하는 세부적인 논리입니다.반복 작업 자동화- 데이터 처리 및 분석: AI는 방대한 데이터를 빠르게 처리하고 분석하여 기획자가 놓칠 수 있는 인사이트를 제공합니다. 예를 들어, AI는 대규모 데이터를 분석하여 트렌드를 예측하고, 이를 통해 기획자는 더 정보에 기반한 결정을 내릴 수 있습니다[4][15].- 예측 모델링: AI는 과거 데이터를 기반으로 미래 트렌드를 예측하는 모델을 생성할 수 있습니다. 이는 기획자가 전략을 세우는 데 중요한 역할을 합니다[4].- 업무 자동화: AI는 반복적인 업무, 예를 들어 일정..

점프렐루 SAE(JumpReLU SAE)는 기존의 희소 오토인코더(Sparse Autoencoder, SAE) 아키텍처를 개선하여 LLM의 내부 작동 방식을 해석하는 데 도움을 주는 새로운 아키텍처이다. 이 아키텍처는 기존의 ReLU(렐루) 함수 대신 점프렐루(JumpReLU) 함수를 사용하여 각 뉴런에 대해 개별적인 임계값을 지정하는 방식을 채택했다. 기본 원리 점프렐루 SAE는 다음과 같은 방식으로 작동한다:1. 입력 인코딩: 입력 데이터를 중간 표현으로 인코딩한다. 이 과정에서 각 뉴런은 특정 임계값을 초과해야만 활성화된다.2. 희소성 강제: 점프렐루 함수는 각 뉴런에 대해 별도의 임계값을 지정하여, 활성화 값이 임계값 이하인 모든 특징을 0으로 만든다. 이를 통해 불필요한 뉴런의 활성화를 줄이고,..