아는 만큼 보이는 AI

1장. AI, 어디까지 발전했나 : 대표적인 AI 기술 소개

1.1 대화하는 AI: 람다
____AI에 의식이 있다고?
____첫 등장부터 남달랐던 람다
____르모인과 람다의 대화

1.2 그림을 그리는 AI: 미드저니와 달리
____미술 대회에서 수상한 미드저니
____이미지 생성 AI의 시초 달리
____달리의 발전

1.3 단백질 구조 예측 AI: 알파폴드
____센세이션을 일으키며 등장한 알파폴드
____단백질 구조 예측의 의미와 알파폴드의 성과

1.4 생성형 AI: 챗GPT와 GPT-4
____구글 검색을 위협하며 등장한 챗GPT
____한층 업그레이드된 GPT-4의 등장
____생성형 AI가 미칠 영향
____빅테크 기업의 LLM 경쟁

1.5 영상을 만드는 AI: 소라
____사실적인 영상을 만들어주는 소라
____소라의 다양한 기능
____소라의 잠재력

[하나 더 알기] 챗GPT의 가능성과 한계

2장. AI, 어떤 원리로 학습하나 : AI 모델을 학습시키는 법

2.1 AI 모델이란
____AI 모델의 개념
____AI 모델의 동작 원리

2.2 학습이란
____학습과 추론
____학습 데이터셋 구성 방법
____학습의 원리: 역전파

2.3 학습의 성질
____데이터셋이 많을수록 학습이 잘 된다
____잘못된 데이터가 많으면 학습에 방해된다
____데이터셋을 다양하게 구성해야 한다
____데이터가 불균형하면 학습에 방해가 된다
____학습 시 과적합 현상을 주의해야 한다

2.4 학습을 위한 인프라
____AI 모델에 GPU를 사용하는 이유
____GPU 클라우드 서비스
____AI 반도체 경쟁

[하나 더 알기] 딥러닝의 역사

3장. 생성형 AI란 무엇인가 : 생성형 AI의 작동 방식

3.1 챗봇의 개요
____챗봇이란
____문맥과 답변

3.2 검색 기반 챗봇
____검색 모델의 작동 방식
____검색 모델의 학습 데이터셋
____검색 기반 챗봇의 장점
____검색 기반 챗봇의 단점

3.3 생성 기반 챗봇
____생성 모델의 작동 방식
____생성 모델의 학습 데이터셋
____생성 기반 챗봇의 장점
____생성 기반 챗봇의 단점

3.4 챗GPT에 대한 오해
____챗GPT는 최신 정보를 다 알고 있다
____챗GPT는 정답만 말한다

[하나 더 알기] 오픈 LLM 리더보드

4장. AI, 어떻게 사용될까 : 주요 기업의 AI 활용 사례

4.1 추천 서비스: 유튜브
____유튜브 알고리즘의 원리
____추천 알고리즘의 부작용

4.2 수학 문제 풀이 앱: 콴다
____콴다 앱의 데이터 보관 방법
____콴다 앱의 자연어 처리 기술
____콴다 앱의 챗GPT 도입

4.3 중고 거래 앱: 당근마켓
____카테고리 예측
____어뷰징 판별
____추천 서비스

[하나 더 알기] 딥러닝의 연구 분야

에필로그