개발 경험, AI 도구, 지역의 말과 독서.
1–5 / 글 5개
AI와 도구
시중에서 흔히 접할 수 있는 중국 및 해외 AI 모델을 사용해 주식 수익을 계산해 보았다. 중국 모델로는 深度求索DeepSeek、알리바바 通义千问 、讯飞星火、바이트댄스 豆包、月之暗面Kimi、腾讯元宝、百度文心一言、智普清言、百川智能、360智脑、天工AI、商汤商量이 있었고, 해외 모델로는 GPT-4o、Claude-3-Opus 、 Gemini-2.0-Pro、Grok이 있었다. 같은 입력에 정확하게 계산한 것은 DeepSeek뿐이었다.
AI와 도구
모델 증류와 프루닝은 신경망 모델을 압축하는 두 가지 중요한 기술이다. 모델의 매개변수 수와 계산 복잡도를 효과적으로 줄여 실행 효율과 성능을 높일 수 있다. 둘 다 신경망 압축 기술이지만 구현 방법과 목적에는 약간의 차이가 있다. 증류는 교사 모델의 예측 행동을 이용해 학생 모델을 훈련하는 데 초점을 두고, 프루닝은 불필요한 매개변수와 연결을 제거해 모델을 압축하는 데 초점을 둔다.
AI와 도구
2024년 노벨 화학상의 절반은 “계산을 통한 단백질 설계에 기여한 공로”로 데이비드 베이커（David Baker）에게 수여되었고；나머지 절반은 “단백질 구조 예측에서 이룬 성과”로 데미스 허사비스（Demis Hassabis）와 존 M. 점퍼（John M. Jumper）에게 공동 수여되었다.
AI와 도구
벡터 데이터베이스는 수학적 형태로 저장된 데이터의 집합이다. 벡터 데이터베이스는 머신러닝 모델이 이전 입력을 더 쉽게 기억하게 하여 검색, 추천, 텍스트 생성 등의 활용 사례를 지원하는 데 머신러닝을 사용할 수 있게 한다. 정확한 일치 대신 유사도 지표를 바탕으로 데이터를 식별할 수 있으므로 컴퓨터 모델이 데이터의 맥락을 이해할 수 있다.
AI와 도구
AI는 질문에 답할 수 있지만, 정말로 “생각”할 수 있을까? AI 검색 제품을 자주 사용하는 사람이라면 이런 제품이 복잡한 문제 앞에서 종종 “제구실을 못 한다”는 사실을 알 것이다. 셰익스피어의 문체를 흉내 내고 수학 문제를 풀 수 있으면서도, 일상생활의 어려운 문제를 해결할 때는 속수무책일 수 있다. 이는 박식하지만 융통성 없는 책벌레와 같다. 지식은 풍부하지만 유연한 사고 능력이 부족하다. 분명 AI 검색을 단지 “말하는 검색 엔진”으로 만드는 것만으로는 턱없이 부족하다. 그렇다면 지능이 더 높고 추론 능력이 더 뛰어나며 깊이 생각할 줄 아는 대규모 모델이, 단지 올림피아드 문제를 푸는 데 그치지 않고 일반 사용자가 실제로 겪는 문제를 해결하게 하려면 어떻게 해야 할까?
