computer vision (CV)
컴퓨터에게 시각적인 부분을 제공
컴퓨터가 이미지나 동영상 같은 시각 데이터를 이해하고 해석할 수 있도록 만드는 기술
- 이미지 분류 : 사진을 보고 고양이인지, 강아지인지 맞추는 작업
- 객체 탐지 : 사진 속에서 물체의 위치를 네모 박스로 찾고 무엇인지 알아내는 작업
- 생성 : 존재하지 않는 가상의 이미지나 실사 같은 영상을 만들어내는 작업
Natural Language Processing (NLP)
컴퓨터에게 사람의 말과 글을 알아듣고 소통하게 만드는 분야
인간이 일상적으로 쓰는 언어는 컴퓨터가 이해하는 이진수와 달리 맥락, 비유, 유머가 섞여있어 아주 복잡하나 이를 컴퓨터가 분석, 이해, 생성할 수 있도록 처리하는 기술임.
- 텍스트 분류 및 감성 분석 : 리뷰 글을 읽고 긍정, 부정 파악하기
- 기계 번역 : 파파고나 구글 번역기 처럼 한 언어를 다른 언어로 바꾸기
- 챗봇 및 LLM (대형 언어 모델) : chatGPT 처럼 사람이 질문을 던지면 맥락을 이해하고 자연스럽게 대답하거나 글을 창작해주는 작업
Computer Code
AI가 프로그래밍 언어를 이해하고 직접 코드를 짜거나 버그를 잡는 분야이며, 최근 LLM의 발전으로 가장 가파르게 성장함
- 코드 자동 완성
- 코드 리뷰 및 버그 탐지 : 작성된 코드에서 에러가 날만한 부분 NPE나 보안 취약점을 자동으로 찾아내는 작업
- 리팩토링 및 버전 업그레이드
Playing Games
게임 규칙을 배우고, 스스로 판단해서 게임에서 이기는 법을 터득하는 분야. 바둑, 체스, 스타크래프트같은 환경에서 시행착오를 겪으며 최적의 행동을 학습하는 분야
강화학습이라고도 부름
- 보드게임 정복 (AlphaGo)
- e스포츠 및 시뮬레이션
- 현실 세계 적용 (게임에서 검증된 자율적 판단 알고리즘을 현실 세계의 로봇 제어나 자율주행 주차 시스템에 적용)
Methodology
앞서 말한 모든 AI 기술을 어떻게 하면 더 빠르고 정확하고 효율적으로 만들지에 대한 이론과 방법
특정 데이터에 집중하기 보다 모델을 학습시키는 알고리즘 자체의 구조, 수학적 최적화, 데이터 효율성을 공부하는 원천 기술 연구 분야임
- 최적화 : AI 모델이 정답을 더 빠르게 찾아가도록 수학적 공식을 개선하게 하는 연구
- MLOps (머신러닝 운영 방법론) : 개발된 AI 모델을 서버에 안정적으로 배포하고 모니터링하고 지속적으로 업데이트하는 시스템적 절차 연구
- 경량화 : 거대한 AI 모델의 성능은 유지하며 크기를 줄여 스마트폰이나 로컬 서버에서도 가볍게 돌아가도록 만드는 기술
