[YOUTUBE] [김건우의 인공지능] 공학분야 AI의 기초와 활용 - AI 현황과 소개 (youtube.com)

 

AI는 여러 개념의 종합.

AI의 가장 큰 영역은 지도학습이라는 영역. 지도 학습은 사물을 인식하는데 특화.

생성형 AI. 쳇-GPT, 구글-바드, MS-코파일럿 등 그 외에도 비지도학습, 강화학습과 같은 영역도 존재

하지만 일반적으로 가장 많이 사용되고 중요한 지도학습을 위주로 공부. 

지도학습은 사물을 분류하고, 인풋을 통해 아웃풋을 산출 : A라는 인풋이 주어지면 B라는 아웃풋이 나온다.

지도학습의 활용 예시

 

개발자 도구로서의 언어모델을 활용해야 한다. 

식당 리뷰 감정 분류기를 만들 때 많은 데이터들을 모으고 라벨을 달아줘야 한다. 약 반년이 소요됨.

chat-gpt를 기반으로 작동되는 생성형 AI를 활용하면 프롬프트를 만드는데, 몇분이나 몇시간만 소요됨.

이렇게 생성형 AI를 함께 이용하면 1년 정도 걸리던 AI 모델을 일주일만에 구축할 수 있다.

현재는 많은 사람들이 AI를 만들 수 있고 이런 시스템을 구축할 수 있다.

과거와 다르게 현재는 GPU를 기반으로 한 딥러닝과 생성형 AI를 활용하기 때문에 성능이 매우 높기 때문. 

 

예제) 직접 분류기 구현하기

식당리뷰 감정 분류기를 Google - Gemini 에게 묻고 코드를 작성해달라 질문하였다.

 

출력된 답변을 그대로 복사해서 붙여 넣기만 하면 된다.

생성형 AI를 이용해 간단한 식당 리뷰 감정분류기를 10분도 걸리지 않고 구현한 모습.

 

앞으로는 누구나가 개발자가 될 수 있고 AI를 이용해 각종 산업분야에 응용하여 시스템을 구축할 수 있다.

많은양의 데이터가 필요해보이지만 사실은 아니다. 의외로 적은양의 데이터로도 충분히 AI를 만들수 있다.

예를 들어 피자가게에서 매출을 늘리고 싶다면 요일마다 잘 팔리는 메뉴를 AI가 분석하여 메뉴를 자동으로

추천해줄 수 있다.

 

 

Note) 생성형 AI를 이용할 때 첫질문은 아웃라인을 잡는 두루뭉실하게 질문을하고 다음 질문을 통해 구체적으로

        질문하는게 예제 처럼 정확한 답변을 얻을 가능성이 높습니다.

 

        CHAT-GPT 사용을 예로 들면,

        Q1 : 식당 리뷰글을 '긍정', '부정'으로 분류하는 감정 분류기를 노트북에서 구현하고 싶다.

        A1 : 분류기 구현을 위해 직접 훈련시키는 모델을 제안

        Q2 : 나는 사전훈련모델을 가져와서 단순하게 리뷰글을 입력하면 이진분류가 된다는 것만 확인하고 싶다.

        A2 : 영상에서 처럼 단순하게 10줄정도로 구성된 [인풋 -> 아웃풋]을 보여주는 코드를 작성해 줍니다.

 

        질문에서 볼 수 있듯이 정확한 용어와 논리로 질문을 해야 원하는 결과를 얻을 가능이 높습니다. 우리가 수업

        을 통해 AI를 배우고 코드를 직접 하나하나 타이핑 해보면서 공부해야 하는 이유입니다. 사실은 CHAT-GPT가

        대단한 신기술이 적용되었을 것 같지만, 오늘 배운 라벨링을 통해 지도학습으로 만들어진 대규모언어모델에

        불과합니다. 

 

        '우리는 AI전공도 아닌데 왜 컴퓨터 공부를 해야하나?' 라는 질문에 답변이 되었으면 좋겠습니다.

        AI 분야를 넘어서 이해하고 사용하기 위해서 반드시 이해하고 거쳐야 하는 과정이라고 생각합니다.