¹ÎÅÚÄÁ¼³ÆÃÄÚ¸®¾Æ
±Û·Î¹ú ¾Ö³Î¸®½ºÆ® ¼±Á¤, ÁÖ¸ñÇØ¾ß ÇÒ Çõ½Å Á¦Ç° ¼±Á¤ÀÛ °ø°³
±Û·Î¹ú Æ®·»µå ¸®¼Ä¡ ±â¾÷ ¹ÎÅÚ¿¡¼ ¡®Mintel¡¯s Most Innovative¡¯ ¾î¿öµå¸¦ °³ÃÖÇÏ°í ±Û·Î¹ú Çõ½Å Á¦Ç°À» ¼±Á¤, ¹ßÇ¥Çß´Ù. ¿ÃÇØ Ã³À½ ÁøÇàµÈ ¡®Mintel¡¯s Most Innovative¡¯´Â ¹ÎÅÚÀÇ ¾Ö³Î¸®½ºÆ®°¡ ±Û·Î¹ú ½ÅÁ¦Ç°µéÀ» ´ë»óÀ¸·Î ½ÄÀ½·á, °Ç°½ÄÇ°, ºäƼ, ÆÛ½º³Î Äɾî, »ýÈ°¿ëÇ° Ä«Å×°í¸® ºÎ¹®¿¡¼ ¼±Á¤ÇÏ´Â Çõ½Å ¾î¿öµå´Ù. ¹ÎÅÚÀÇ ÀλçÀÌÆ®¿Í ±Û·Î¹ú ¼ÒºñÀç ¹× ºäƼ ºÎ¹® ¼ö¼® ºÎ»çÀåÀÎ ¸»¶ó ÄÄÁî(Marla Common)´Â ¡°¼º°øÀûÀÎ ±â¾÷¿¡¼´Â Çõ½ÅÀ» ¸ðµç Àü·«ÀÇ ÇÙ½ÉÀ¸·Î »ï´Â´Ù. ±×·¸±â ¶§¹®¿¡ ´ç»ç¿¡¼´Â ²÷ÀÓ¾øÀÌ ½ÅÁ¦Ç° °³¹ßÀ» ÃßÀûÇÏ°í, µ¿ÇâÀ» ÆľÇÇϸç, Ä«Å×°í¸®¡¤Áö¿ª¡¤ºê·£µå Ãø¸é¿¡¼ ÀλçÀÌÆ®¸¦ ¾ò°í ÀÖ´Ù. ¹ÎÅÚ¿¡¼´Â ¹«¾ùÀÌ È÷Æ®ÇÏ°í, ¹«¾ùÀÌ ½ÇÆÐÇϸç, ¼ÒºñÀÚ°¡ ¾î¶»°Ô ¹ÝÀÀÇÏ´ÂÁö ÆľÇÇÏ°í ÀÖ´Ù. ½ÄÀ½·á Ä«Å×°í¸® ÃÖ°íÀÇ Çõ½Å »ç·Ê¿¡ ¼±Á¤µÈ Á¦Ç° Áß Çϳª´Â Ç®¹«¿øÀÇ ¡®¼øµÎºÎ ¶Ç¶ì¾Æ¡¯´Ù. ¹ÎÅÚ ÄÁ¼³ÆÃÀÇ ¼ö¼® µð·ºÅÍ ¾Ë·º½º º£Å¶(Alex Beckett)Àº ÀÌ »õ·Î¿î ½ÄÇ° Çõ½Å¿¡ ÁÖ¸ñÇÑ ÀÌÀ¯¿¡ ´ëÇØ ¡°µÎºÎ¸¦ ¹ÝÁ׿¡ ³ÖÀ½À¸·Î½á ź¼öȹ°À» ÁÙÀÌ·Á´Â »ç¶÷µé°ú ´Ü¹éÁúÀ» ã´Â À̵鿡°Ô ¾îÇÊÇÒ ¼ö ÀÖ´Â ¶Ç¶ì¾ÆÀÇ »õ·Î¿î °¡´É¼ºÀ» º¸¿©Áá´Ù. µÎºÎ°¡ Ãß°¡µÈ ¶Ç¶ì¾Æ´Â ¿µ¾ç°¡ ÀÖ´Â ½Ä»çÀÇ ±¸¼º ¿ä¼Ò·Î¼µµ ÃæºÐÈ÷ ÀÚ¸®¸Å±èÇÒ ¼ö ÀÖ´Ù¡±°í ¼³¸íÇß´Ù.
´ëÇг»ÀÏ20´ë¿¬±¸¼Ò
½ÅÀηù ¡®¾ËÆļ¼´ë¡¯ Ž±¸ º¸°í¼ ¹ßÇ¥
¼¼´ë Àü¹® ¿¬±¸±â°üÀÎ ´ëÇг»ÀÏ20´ë¿¬±¸¼Ò°¡ ½ÅÀηù·Î ºÒ¸®´Â ¡®¾ËÆļ¼´ë¡¯ÀÇ °¡Á·, ±³À°, °æÁ¦, µðÁöÅÐ, ¼Òºñ»ýÈ°À» ´ãÀº ¡®¾ËÆļ¼´ë Ž±¸ º¸°í¼ 2024¡¯¸¦ ¹ßÇ¥Çß´Ù. Z¼¼´ëÀÇ ´ÙÀ½ ¼¼´ëÀÎ ¾ËÆļ¼´ë°¡ °¢Á¾ ¾÷°è¿¡¼ °¡Àå ¶ß°Å¿î °¨ÀÚ·Î ¶°¿À¸£°í ÀÖÁö¸¸ ÇöÀç ¾ËÆļ¼´ë´Â À¯³â±â¡¤Ã»¼Ò³â±â¿©¼ ´Üµ¶ ¿¬±¸Çϱ⿣ À̸¥ °ÍÀÌ ½Ç»óÀÌ´Ù. ´Ù¸¸ ¼¼´ë Ư¼ºÀº ´Üµ¶À¸·Î ¹ßÇöµÇ´Â °ÍÀÌ ¾Æ´Ï¶ó ºÎ¸ð ¼¼´ë³ª ÀÌÀü ¼¼´ë¿¡ ¿µÇâÀ» ¹Þ°ï Çϴµ¥, ´ëÇг»ÀÏ20´ë¿¬±¸¼Ò¿¡¼´Â ¾ËÆļ¼´ë°¡ ¹Ð·¹´Ï¾ó ¹× X¼¼´ë ºÎ¸ð¿Í ±ä¹ÐÈ÷ ±³·ùÇÏ¸ç ¿µÇâÀ» ¹Þ´Â ¸ð½ÀÀÌ µÎµå·¯Áö´Â °ÍÀ» ÆľÇÇß´Ù. ÀÌ¿¡ ¾ËÆļ¼´ëÀÇ Æ¯¼ºÀ» Á¾ÇÕÀûÀ¸·Î È®ÀÎÇϱâ À§ÇØ ±×µéÀÇ ºÎ¸ðµµ ÇÔ²² Á¶»çÇßÀ¸¸ç, º¸´Ù ½Éµµ ±íÀº ¿¬±¸¸¦ À§ÇØ ¾ËÆļ¼´ë¿Í Á÷Á¢ ¸¸³ª ÀÎÅͺ並 ÁøÇàÇß´Ù. º¸°í¼¿¡ µû¸£¸é ¾ËÆļ¼´ë ºÎ¸ð´Â ÀÚ³àÀÇ °æÁ¦ ±³À°¿¡ Àû±ØÀûÀÎ ¸ð½ÀÀÌ´Ù. ¾ÕÀ¸·ÎÀÇ ½Ã´ë¿¡ Àڳ࿡°Ô ÇÊ¿äÇÑ ±³À°À» ¹°¾úÀ» ¶§ ¡®°æÁ¦ ±³À°¡¯ÀÌ 61.5%¸¦ ±â·ÏÇß´Ù. ÃʵîÇлý Àڳడ ÀÖ´Â ÀÀ´äÀÚ Áß ¹«·Á 94.2%°¡ Àڳ࿡°Ô °æÁ¦ ±³À°À» ÇÏ°í ÀÖ´Ù°í ´äÇßÀ¸¸ç, ÃʵîÇб³ °íÇгâ Àڳฦ µÐ ºÎ¸ð Áß 52.4%´Â Àڳ࿡°Ô ÁÖ±âÀûÀ¸·Î ¿ëµ·À» ÁÖ°í ÀÖ¾ú´Ù. °æÁ¦ ±³À°¿¡ Àû±ØÀûÀÎ ºÎ¸ðÀÇ ¿µÇâÀ¸·Î ¾ËÆļ¼´ë´Â ¾î¸± ¶§ºÎÅÍ °æÁ¦ °³³äÀ» ÀÚ¿¬½º·´°Ô Á¢ÇÏ°í ÀÍÈ÷°í ÀÖ´Ù. º¸°í¼¿¡¼´Â ¡®µðÁöÅÐ ¿Â¸®¡¯ ¾ËÆļ¼´ë°¡ ÆÛÇÉ, ¾ÆÀÌÄíÄ«, ÇϳªÀºÇà ¾ÆÀ̺ÎÀÚ µî ÇÉÅ×Å© ¼ºñ½º¸¦ È°¿ëÇÏ´Â ¸ð½Àµµ ³ªÅ¸³µ´Ù. ÇØ´ç ¼ºñ½ºµéÀº ½¬¿î ÁöÃâ °ü¸®¸¦ ÅëÇØ Àڳ࿡°Ô ¿Ã¹Ù¸¥ ¼Òºñ ½À°üÀ» ¸¸µé¾îÁÙ ¼ö ÀÖÀ¸¸ç, °ÔÀ̹ÌÇÇÄÉÀ̼ÇÀ» Á¢¸ñÇÑ °æÁ¦ ±³À° ¼ºñ½º°¡ ÀÖ¾î °¢±¤¹Þ°í ÀÖ´Ù.
ÇÁ·Î½ºÆ® ¾Øµå ¼³¸®¹ø
¡®2024³â AI ½ÃÀå Àü¸Á¡¯ Åé10 ¹ßÇ¥
±Û·Î¹ú ÄÁ¼³Æà ±â¾÷ÀÎ ÇÁ·Î½ºÆ® ¾Øµå ¼³¸®¹øÀÌ ¡®2024³â ÀΰøÁö´É(AI) ½ÃÀå Àü¸Á Åé10 º¸°í¼(AI: Top 10 Predictions, 2024)¡¯¸¦ ¹ßÇ¥Çß´Ù. ÀÌ º¸°í¼´Â 2024³â¿¡ ±Û·Î¹ú AI ½ÃÀåÀÌ ¾à 10% ¼ºÀåÇØ 3400¾ï´Þ·¯ ±Ô¸ð¿¡ À̸¦ °ÍÀ̸ç, ƯÈ÷ »ý¼ºÇü AI°¡ ±â¾÷ÀÇ Àü·«Àû Â÷º°È¿Í °³ÀÎÈµÈ ¼ÒºñÀÚ °æÇè Á¦°ø¿¡ Áß¿äÇÑ ¿ªÇÒÀ» ÇÒ °ÍÀ¸·Î Àü¸ÁÇÑ´Ù. ¶ÇÇÑ Á¦Á¶, ±ÝÀ¶, ÇコÄÉ¾î »ê¾÷ µî¿¡¼ AIÀÇ È°¿ëµµ°¡ Å©°Ô ´Ã¾î³¯ °ÍÀ¸·Î ¿¹»óµÇ¸ç, ÀÌ´Â ÇØ´ç ºÐ¾ß¿¡¼ÀÇ Çõ½ÅÀûÀÎ º¯È¿Í ¾÷°è °æÀï·Â °È¿¡ ±â¿©ÇÒ °ÍÀ¸·Î º¸ÀδÙ. ¼ºÀå ±âȸ·Î´Â ´ë±Ô¸ð ¾ð¾î ¸ðµ¨(LLM) ±â¹Ý ¼Ö·ç¼Ç°ú ±¸Çö, ´ë±Ô¸ð ¾ð¾î ¸ðµ¨ ÈÆ·ÃÀ» À§ÇÑ µ¥ÀÌÅͺ£À̽º Á¦°ø µîÀ» ´Ù·ç°í ÀÖ´Ù. ´ë±Ô¸ð ¾ð¾î ¸ðµ¨Àº ¹æ´ëÇÑ ºòµ¥ÀÌÅ͸¦ ±â¹ÝÀ¸·Î Çϸç, À̸¦ ÅëÇØ ¸ðµ¨ÀÇ ÈÆ·Ã ¼Óµµ¸¦ ³ôÀÌ°í ¸Æ¶ô¿¡ ¸Â´Â Àû¿ë °¡´É¼ºÀ» ³ôÀÏ ¼ö ÀÖ´Ù. »ý¼ºÇü AI ±â¼úÀÇ ÀáÀçÀûÀÎ Çõ½Å¼º¿¡µµ ºÒ±¸ÇÏ°í ÀúÀÛ±Ç Ä§ÇØ, À±¸®Àû ¹®Á¦, °í¿ë º¯È µîÀÇ ¿ì·Á°¡ Á¸ÀçÇÑ´Ù. ÀÌ¿¡ µû¶ó ±â¾÷µéÀº ¸ðµ¨ º¯È, »õ·Î¿î ¼öÀÍ Ã¢Ãâ ±âȸ, Çõ½Å °¡¼ÓÈ, ¿î¿µ È¿À²¼º Áõ´ë µîÀÇ ÀáÀçÀû ¿µÇâÀ» ¸é¹ÐÈ÷ °ËÅäÇÏ°í, ÀûÀýÇÑ ¸ð¹ü »ç·Ê(Best Practice)¸¦ ¼±º°ÇØ ¿ì¼±¼øÀ§¸¦ Á¤ÇÏ´Â °ÍÀÌ Áß¿äÇÏ´Ù.
ÀÌ·¯ÇÑ º¯È ¼Ó¿¡¼ ±â¾÷µéÀº AI È°¿ëÀÇ Á߿伺À» ÀνÄÇÏ°í, ´ÙÀ½°ú °°Àº Àü·«À» °í·ÁÇØ¾ß ÇÑ´Ù:
.½º¸¶Æ® Á¦Á¶ µµÀÔ : Á¦Á¶ °øÁ¤ÀÇ µðÁöÅÐÈ ¹× ÀÚµ¿È¸¦ ÅëÇØ »ý»ê¼º ±Ø´ëÈ
.Ç°Áú °ü¸® ÀÚµ¿È : AI ±â¹Ý ±â¼úÀ» È°¿ëÇÑ Á¦Ç° Ç°Áú °ü¸® °úÁ¤ ÀÚµ¿È
.°í°´ °æÇè(CX) °È : 꺿, °¡»ó ¾î½Ã½ºÅÏÆ® µµÀÔ µî ÃÊ°³ÀÎÈ ¼ºñ½º Á¦°ø
ÇѽÄÁøÈï¿ø
2023³â ÇØ¿Ü ÇÑ½Ä ¼ÒºñÀÚ Á¶»ç ½Ç½Ã
ÇѽÄÁøÈï¿øÀÌ Áö³ ÇϹݱ⠽ǽÃÇÑ ¡®2023 ÇØ¿Ü ÇÑ½Ä ¼ÒºñÀÚ Á¶»ç¡¯¿¡ µû¸£¸é, ÃÖ±Ù 2³â°£ ¼ÒÁÖ¸¦ °æÇèÇØ º» ¿Ü±¹ÀÎ ºñÀ²ÀÌ Àü³â ´ëºñ 1.4%p Áõ°¡ÇÏ°í, Çѱ¹ ÁÖ·ù ¼·Ãë ÀÇÇâµµ 4.3%p ´Ã¾î³ °ÍÀ¸·Î ³ªÅ¸³µ´Ù. ½±°í °£´ÜÇÏ°Ô Áñ±æ ¼ö ÀÖ´Â ÇÑ½Ä °£Æí½ÄÀÇ ÀÎÁöµµ°¡ Á¡Â÷ ³ô¾ÆÁö°í ÀÖ´Â ÇÑÆí, ¿Ü±¹ÀεéÀÌ °¡Àå ¸Ô°í ½ÍÀº ÇÑ½Ä °£Æí½Ä ¸Þ´º·Î´Â ¡®ºñºö¹ä¡¯ÀÌ 1À§¸¦ Â÷ÁöÇß´Ù. ÇѽÄÁøÈï¿øÀº 2023³â 8¿ùºÎÅÍ 10¿ù±îÁö ¾à 2´Þ°£ ¿Ü±¹ÀεéÀÇ ÇÑ½Ä ¼Òºñ ÇöȲ°ú Æ®·»µå ºÐ¼®À» À§ÇØ ºÏ°æ, ȣġ¹Î, ´º¿å µî ÇØ¿Ü ÁÖ¿ä 18°³ µµ½Ã¿¡ °ÅÁÖ ÁßÀÎ 20~59¼¼ ÇöÁöÀÎ 9000¸íÀ» ´ë»óÀ¸·Î ¡®ÇØ¿Ü ÇÑ½Ä ¼ÒºñÀÚ Á¶»ç¡¯¸¦ ÁøÇàÇß´Ù. À̸¦ ÅëÇØ ÇØ¿Ü¿¡¼ÀÇ Çѱ¹ ÁÖ·ù ÀÎÁöµµ¿Í ¼·Ãë °æÇè, ÇÑ½Ä °£Æí½Ä ÀÎÁöµµ¿Í ÀÌ¿ë °æÇè µîÀÇ º¯È ÃßÀ̸¦ »ìÆ캸ÀÚ.
* Á¶»ç Áö¿ª : ÃÑ 18°³ µµ½Ã(16°³±¹), µµ½Ãº° 500Ç¥º»
* Á¶»ç ±Ç¿ª : ºÏ¹Ì, À¯·´, µ¿ºÏ¾Æ½Ã¾Æ, µ¿³²¾Æ½Ã¾Æ, ¿À¼¼¾Æ´Ï¾Æ, Áß³²¹Ì, Áßµ¿
* ±¹°¡ ¹× µµ½Ã : ¹Ì±¹(´º¿å, LA), ij³ª´Ù(Åä·ÐÅä), ÇÁ¶û½º(Æĸ®), ¿µ±¹(·±´ø), ÀÌÅ»¸®¾Æ(·Î¸¶), Áß±¹(ºÏ°æ, »óÇØ), ÀϺ»(µ¿°æ), ´ë¸¸(ŸÀ̺£ÀÌ), ű¹(¹æÄÛ), ¸»·¹À̽þÆ(Äí¾Ë¶ó·ëǪ¸£), Àεµ³×½Ã¾Æ(ÀÚÄ«¸£Å¸), º£Æ®³²(ȣġ¹Î), È£ÁÖ(½Ãµå´Ï), ºê¶óÁú(»óÆÄ¿ï·ç), ¸ß½ÃÄÚ(¸ß½ÃÄÚ½ÃƼ), UAE(µÎ¹ÙÀÌ)
¿Ü±¹ÀεéÀÌ °¡Àå Àß ¾Ë°í ÀÖ´Â Çѱ¹ÀÇ ¼úÀº ¼ÒÁÖÀÎ °ÍÀ¸·Î Á¶»çµÆ´Ù. ¡®Çѱ¹ ÁÖ·ù Áß ¾Ë°í ÀÖ´Â ÁÖ·ù°¡ Àִ°¡¡¯¿¡ ´ëÇÑ Áú¹®¿¡ Àüü ÀÀ´äÀÚÀÇ 41.1%°¡ ¼ÒÁÖ¶ó°í ´äÇßÀ¸¸ç, ÀÌ¾î ¸ÆÁÖ(31.6%), °ú½ÇÁÖ(22.8%), ûÁÖ(17.9%), ŹÁÖ(14.5%) ¼øÀ̾ú´Ù.
´ë·úº° ÁÖ·ù ÀÎÁöµµÀÇ °æ¿ì ¾Æ½Ã¾Æ ±Ç¿ª¿¡¼ Àü¹ÝÀûÀ¸·Î Çѱ¹ ÁÖ·ù ÀÎÁöÀ²ÀÌ ³ô°Ô ³ªÅ¸³µÀ¸¸ç, ƯÈ÷ µ¿³²¾Æ½Ã¾ÆÀÇ ¼ÒÁÖ ÀÎÁöµµ°¡ 62.7%·Î Ÿ ±Ç¿ª ´ëºñ ³ôÀº ¼öÄ¡¸¦ º¸¿´´Ù. µÎ ¹ø°·Î Àß ¾Ë·ÁÁø ÁÖ·ùÀÎ ¸ÆÁÖ¿¡ ´ëÇÑ ÀÎÁöµµ´Â µ¿ºÏ¾Æ½Ã¾Æ°¡ 38.1%·Î °¡Àå ³ô¾Ò´Ù. À¯·´ Áö¿ª ¼ÒºñÀÚµéÀº Çѱ¹ ¼ÒÁÖº¸´Ù ¸ÆÁÖ¿¡ ´ëÇÑ ÀÎÁöÀ²ÀÌ ³ôÀº °ÍÀ¸·Î ³ªÅ¸³µ´Ù.
µô¸®¼Å½º
AI ¿¬±¸ ³í¹® 2°Ç ¼¼°è ÃÖ°í ±ÇÀ§ ÇÐȸ CVPR 2024 ¹ßÇ¥
½Å»ó¸¶ÄÏÀÇ ¿î¿µ»ç µô¸®¼Å½º(´ëÇ¥ ±èÁØÈ£, Á¤Ã¢ÇÑ)°¡ ¡®CVPR (Computer Vision and Pattern Recognition) 2024¡¯¿¡¼ ÀΰøÁö´É(AI) ±â¼ú ³í¹® 2ÆíÀ» ¿¬´Þ¾Æ ¹ßÇ¥ÇÑ´Ù°í ÃÖ±Ù ¹àÇû´Ù. ÄÄÇ»ÅͺñÀü ¹× ÆÐÅÏÀνÄÇÐȸ(CVPR)´Â ÄÄÇ»ÅÍ ºñÀü ¹× ÆÐÅÏÀÎ½Ä ºÐ¾ß¿¡¼ ¼¼°è Á¤»ó±Þ ±ÇÀ§¸¦ °¡Áø ÇÐȸ·Î ¼Õ²ÅÈ÷¸ç, ¿À´Â 6¿ù ½Ã¾ÖƲ¿¡¼ ¿ÃÇØ ÄÁÆÛ·±½º°¡ °³ÃֵȴÙ. µô¸®¼Å½º´Â CVPR 2024¿¡¼ ¡®À̹ÌÁö °Ë»ö µ¥ÀÌÅÍÀÇ ÇнÀ-Å×½ºÆ® Ŭ·¡½º Áߺ¹ ÇØ°á ¹× À̹ÌÁö °Ë»ö ±â¹ý Á¦¾È(On Train-Test Class Overlap and Detection for Image Retrieval, ¼Ûöȯ, À±ÁÖ¿µ, ȲŹé, ÃÖ¼ºÇö, ±¸¿µÇö, Yannis Avrithis °øÀú)¡¯ ¹× ¡®µ¿±âÈ ¸¶½ºÅ©: ÆÐ¼Ç µµ¸ÞÀÎÀÇ ºñÀü-·©±ÍÁö ÇнÀÀ» À§ÇØ µ¿±âÈµÈ ÁýÁß ¸¶½ºÅ· ±â¹ý(SyncMask: Synchronized Attentional Masking for Fashion-centric Vision-Language Pretraining, ¼Ûöȯ, ȲŹé, À±ÁÖ¿µ, ÃÖ¼ºÇö, ±¸¿µÇö °øÀú)¡¯ ¿¬±¸³í¹® 2°ÇÀ» ¹ßÇ¥ÇÑ´Ù.
µ¥ÀÌÄÚ»ê¾÷¿¬±¸¼Ò
¡®2024³â ±Û·Î¹ú ÀΰøÁö´É ¹ÝµµÃ¼ ±â¼ú°³¹ß, ½ÃÀåÀü¸Á°ú ±â¾÷º° »ç¾÷Àü·«¡¯ º¸°í¼ ¹ß°£
»ê¾÷Á¶»ç Àü¹® ±â°üÀÎ µ¥ÀÌÄÚ»ê¾÷¿¬±¸¼Ò°¡ ¡®2024³â ±Û·Î¹ú ÀΰøÁö´É ¹ÝµµÃ¼ ±â¼ú°³¹ß, ½ÃÀåÀü¸Á°ú ±â¾÷º° »ç¾÷Àü·«¡¯ º¸°í¼¸¦ ¹ß°£Çß´Ù. êGPT¸¦ ºñ·ÔÇÑ »ý¼ºÇü(Generative) ÀΰøÁö´É(AI)ÀÇ Ãæ°ÝÀûÀÎ µîÀå ÀÌÈÄ ÀΰøÁö´É ¹ÝµµÃ¼ ¼ö¿ä´Â ±×¾ß¸»·Î Æø¹ßÀûÀÎ Áõ°¡¼¼¸¦ º¸ÀÌ°í ÀÖ´Ù. êGPT ¿î¿µ¿¡´Â ¿£ºñµð¾Æ(nVIDIA)ÀÇ ±×·¡ÇÈó¸®ÀåÄ¡(GPU) ¡®A100¡¯ÀÌ 1¸¸¿© Àå »ç¿ëµÇ´Â °ÍÀ¸·Î ¾Ë·ÁÁ³´Âµ¥, ¸ÞŸ(Meta)´Â 2024³â A100ÀÇ ÃÖ´ë 30¹è ¼º´ÉÀ» º¸ÀÌ´Â ¡®H100¡¯À» 35¸¸ Àå ±¸¸ÅÇÒ ¿¹Á¤À̶ó ¹àÈù ¹Ù ÀÖ´Ù. ½ÃÀå¿¡¼ Áö¹èÀûÀÎ ÁöÀ§¸¦ ±¸ÃàÇÑ ¿£ºñµð¾ÆÀÇ ¼¼°è ½Ã°¡ÃÑ¾× ¼øÀ§´Â 2020³â 20À§±Ç ¹ÛÀ̾úÀ¸³ª 2024³â 1ºÐ±â¿¡´Â ¾Æ¸¶Á¸(Amazon), ¾ËÆĺª(Alphabet), ¾Æ¶÷ÄÚ(Aramco) µîÀ» Á¦Ä¡°í 3À§¿¡ µî±ØÇß´Ù. ÀÌ´Â ÀΰøÁö´É ¹ÝµµÃ¼ÀÇ ºÎ»óÀÌ ±Û·Î¹ú »ê¾÷ ÁöÇüÀ» ¹Ù²ã³õÀ» Á¤µµ·Î Æı޷ÂÀÌ ÀÖ´Ù´Â °ÍÀ» ½Ã»çÇÑ´Ù. ½ÃÀåÀÌ ºü¸£°Ô ¼ºÀåÇÏ´Â ¸¸Å ¸¹Àº ±â¾÷ÀÌ ÀΰøÁö´É ¹ÝµµÃ¼ ½ÃÀå¿¡ ¶Ù¾îµé¸ç °æÀïÀÌ °Ýȵǰí ÀÖ´Ù. ÁÖ¿ä ¹ÝµµÃ¼ ±â¾÷µéÀº ±â¼úÀ» È®º¸Çϱâ À§ÇØ °ø°ÝÀûÀ¸·Î ÀÚº»À» ÅõÀÔÇÏ°í ÀÖÀ¸¸ç, ÇÙ½É °³¹ßÀÚ Ãâ½ÅµéÀÌ ¼³¸³ÇÑ ½ºÅ¸Æ®¾÷µéµµ µ¶ÀÚÀûÀÎ ±â¼úÀ» ÅëÇØ ±âȸ¸¦ ¿³º¸°í ÀÖ´Ù.
Weights & Biases
LLM Æò°¡ ¸ð¹ü »ç·Ê ´ãÀº ¹é¼ ÀÏ¹Ý ´Ù¿î·Îµå °ø°³
Weights & Biases (¿þÀÌÃ÷ ¾Øµå ¹ÙÀ̾î½Ã½º, ÀÌÇÏ W&B)´Â Áö³ 1ÀÏ ¡®AI EXPO KOREA 2024¡¯¿¡¼ ¹é¼ ¡®´ë±Ô¸ð ¾ð¾î ¸ðµ¨(LLM) Æò°¡¸¦ À§ÇÑ ¸ð¹ü »ç·Ê¡¯¸¦ °ø°³Çß´Ù. º» ¹é¼´Â W&B°¡ ¿î¿µÇØ ¿Â ¡®Horangi Çѱ¹¾î LLM ¸®´õº¸µå(http://horangi.ai)¡¯ ±×¸®°í ¡®Nejumi ÀϺ»¾î LLM ¸®´õº¸µå¡¯ÀÇ °³¹ß ¹× ¿î¿µ °æÇè°ú ±Û·Î¹ú ÆÀÀÇ LLM Àü¹® ¿£Áö´Ï¾îÀÇ Áö½ÄÀ» Áý¾àÇØ ¸¸µé¾îÁø 59ÆäÀÌÁö ºÐ·®ÀÇ ¹®¼·Î, Æ柽ýºÅÛ°úÀÇ °øµ¿ ÀÛ¾÷À» ÅëÇØ Çѱ¹¾î·Î ¹ø¿ªµÆ´Ù. ÀÌ ¹é¼´Â ´Ü¼øÈ÷ LLM Æò°¡ÀÇ ¸ð¹ü »ç·Ê¸¦ Á¦½ÃÇÏ´Â °Í¿¡ ±×Ä¡Áö ¾Ê°í, ´õ ³ªÀº ¸ðµ¨ÀÇ °³¹ß°ú ¼±ÅÃÀ» ÃËÁøÇÔÀ¸·Î½á »ý¼ºÇü AIÀÇ ¹Ì·¡¸¦ ±¸ÃàÇϱâ À§ÇÑ ±â¹ÝÀ» Á¦°øÇÏ´Â °ÍÀ» ¸ñÇ¥·Î ÇÏ°í ÀÖ´Ù. LLM Æò°¡ÀÇ ÀüüÀûÀÎ ¸ð½ÀÀ» Á¦½ÃÇÑ ÈÄ ÇöÀçÀÇ °úÁ¦¸¦ Á¤¸®Çϸç, ÇöÀç ½ÃÁ¡¿¡¼ÀÇ »ý¼ºÇü AI Æò°¡ÀÇ º£½ºÆ® ÇÁ·¢Æ¼½º¿Í ´õ °íµµÈµÇ°í ½Å·Ú¼º ³ôÀº Æò°¡¸¦ Á¦°øÇϱâ À§ÇÑ ·Îµå¸ÊÀ» Á¦½ÃÇÑ´Ù.