Trends of Data, Machine Learning, A.I.
한국의 HCI 연구자들은 Large Language Model에 대해 어떤 연구를 했을까?
– “국내의 HCI 연구자들이 Large Language Model에 대해 언급한 내용들을 주제 별로 분류해 보면 9가지로 나눌 수 있었습니다. 각 주제들을 살펴보면, 교육, 맞춤형 에이전트, 콘텐츠 생성, UI/UX 설계 보조, 의료 응용, 정보탐색 및 추천 시스템, 접근성 강화 등과 같은 주제들이 보입니다. 그리고 더보기…
Trends of Data, Machine Learning, A.I.
국내의 IT 분야에서는 어떤 연구를 하고 있을까? (1)
– “가끔, 특정 분야에 대한 국내의 연구 수준이나 동향을 파악하고 싶을 때가 있습니다. 특정 세부 주제에 대해 국내에서 누가 연구를 하고 있는지 궁금할 때도 있고요. 특히 최근에 국가적인 관심을 받고 있는 인공지능 분야라면 더욱 그러하겠지요.” 더보기 >> 국내의 IT 분야에서는 더보기…
Human, Data & A.I.
“촉촉한 인공지능은 없습니다.”
– 아시나요? 인공지능과 달리 우리의 뇌는 촉촉하게 젖어 있습니다. 메마른 인공지능 때문에 촉촉함이 주는 특권을 놓쳐서는 안됩니다. 더보기 >> “촉촉한 인공지능은 없습니다.”
Human, Data & A.I.
(CHI 2024 Best Paper 리뷰) LLM을 탑재한 대화형 검색 서비스를 쓰면 내 생각이 편향된다고?
– 정보 출처를 제공하거나, 심지어 사용자와 다른 의견을 가진 LLM 기반 대화형 검색을 활용해도 선택적 노출과 의견 양극화를 줄일 수 없었습니다. 일반적으로 전통적인 웹 검색 시스템을 사용할 때에 비해 대화형 검색 과정에서 더 긴 쿼리를 입력하게 되는데, 이것은 사회적 상호작용과 더보기…
Human, Data & A.I.
(CHI 2024 논문 리뷰) 초등학생을 대상으로 한 교육과정에 생성형 AI를 쓰겠다고?
– 초등학생들의 학습과정에 개입하는 것은 아이들의 미래에 큰 영향을 미칠 수 있습니다. 긍정적인 영향, 부정적인 영향 모두 미칠 수 있지요. 따라서 초등학생들을 대상으로 한 교육에 생성형 AI를 통합하는 과정에서는, AI의 기술적인 측면과 어린 학생들의 학습 과정의 특성을 반드시 모두 고려해야 더보기…
Human, Data & A.I.
인공지능을 의심해 봅시다.
– 우리는 기술개발 소식, 비즈니스 소식, 인플루언서들이 전달하는 내용 등을 통해 인공지능에 대해 듣게 됩니다. 그런데, 우리가 접하는 소식들의 대부분은 인공지능이 우리의 삶에 미칠 부작용이나 해악에 대해서는 크게 비중을 두지 않습니다. 왜냐하면, 연구개발자들은 자신의 능력과 노력의 결과를 인정받는 것에만 집중하고, 더보기…
Trends of Data, Machine Learning, A.I.
[Mostly AI-Generated] “Attention is all you need” 논문의 1저자인 Ashish Vaswani는 그 이후에 어떤 연구를 했을까?
“Attention is All You Need” 논문은 2017년 Google Brain 팀에서 발표한 획기적인 연구로, 자연어 처리 분야에 혁명을 일으킨 Transformer 모델을 소개한 논문입니다. 이 논문은 BERT, GPT 등 현대 자연어 처리 모델의 기반이 되는 아키텍처를 제시했다는 점에서 매우 중요한 의미를 갖습니다. 더보기…
Trends of Data, Machine Learning, A.I.
[Mostly AI-Generated] IoT(Internet of Things) 환경에서 NLP(Natural Language Processing)나 LLM(Large Language Model)은 어떻게 활용될까?
각 시기에 독특하게 나타난 키워드들은 다음과 같습니다. 더보기 >> IoT(Internet of Things) 환경에서 NLP(Natural Language Processing)나 LLM(Large Language Model)은 어떻게 활용될까?
Trends of Data, Machine Learning, A.I.
[Half-AI-Generated] 노벨 물리학상 수상자 John Joseph Hopfield : 생물학적 신경망 시스템의 복잡성을 이해하고 계산적으로 모델링하여 다양한 문제를 해결하고자 노력한 연구자.
Image source : https://www.nobelprize.org/prizes/physics/2024/hopfield/facts/ “John Joseph Hopfield(이하 Hopfield)의 연구는 1980년대부터 2020년대까지 생물학적 시스템과 신경망의 계산 모델(Computational Model)에 초점을 맞추고 있습니다. 초기에는 생물학적 뉴런의 비동기 병렬 처리와 컴퓨터 시스템의 content-addressable memory를 설명했습니다. 1980년대 중반에는 비선형 아날로그 뉴런을 활용하여 최적화 문제를 해결하였고 이를 더보기…