대규모 언어 모델과 저널리즘

01. 문제의 제기

02. 인공지능의 발전 과정
1. 인공지능 연구의 시작
1) 인공지능 연구의 출발
2) ‘생각하는 기계’에 대한 욕망
3) 기호주의 인공지능
2. 연결주의와 심층학습(Deep Learning)
1) 인공지능 패러다임의 전환
2) 심층학습의 발전
3) 심층학습의 주요 원리
3. 자연어 처리 기술의 등장과 발전
1) 자연어의 정의와 특성
2) 자연어의 다차원성을 해결하기 위한 방안들
3) 자연어의 연속성 문제를 감안한 방법론

03. 대규모 언어 모델의 등장과 응용분야
1. 딥러닝 이후의 자연어 처리 기술
1) 순환신경망(RNN)
2) LSTM(장단기 메모리)
3) 시퀀스 투 시퀀스(seq2seq)
4) 어텐션과 트랜스포머
2. 대규모 언어 모델의 등장과 발전과정
1) 주요 대규모 언어 모델의 등장
2) 대규모 언어 모델의 성능과 현황
3. 대규모 언어 모델의 응용과 한계
1) 생성형 인공지능과 대규모 언어 모델 응용 분야
2) 대규모 언어 모델의 제한점

04. 대규모 언어 모델이 저널리즘에 미치는 영향
1. 뉴스의 생산･유통･소비 과정의 변화
1) 기사 생산 과정의 변화
2) 기사 유통･소비 과정의 변화
2. 고품질 저널리즘을 위한 활용 사례
1) 활용 가능한 사례
2) 주의가 필요한 사례: 자동화된 기사 생성
3) 고품질 저널리즘을 위한 인공지능 활용
3. 대규모 언어 모델의 영향력과 전망
1) 저널리즘에서 인공지능을 적용하는 것이 바람직한가?
2) 기자 노동과 직무의 변화
3) 언론사 수익모델의 변화
4) 저널리즘 윤리와 사회적 책무

05. 대규모 언어 모델 활용 저널리즘 소프트웨어 개발 사례
1. 텍스트의 표 데이터 전환 도구 개발 배경
2. 텍스트의 표 데이터 전환 도구 개발 과정
1) 개발 기획
2) 개발 과정
3. 텍스트의 표 데이터 전환 도구 개발 결과

06. 논의 및 결론
1. 취재 및 제작 영역에서 활용 가능한 방안
2. 생성형 인공지능 관련 저널리즘 영역 이슈들
1) 기자 업무를 대체 가능할까?
2) 검색의 ‘예고된’ 변화.. 언론사는 발견될 수 있을까?
3) 이번에는 기사가 ‘제값’을 받을 수 있을까?
3. 마치며

참고문헌