번역가 VS AI번역 결과 띄우자 얼떨떨한 한국문학번역원장 “통역사 이제 짐 싸야하나?”
바로: 다양한 생각이 들지만, 이제 해야하는 일은 1) 할루시네이션 등의 문제 해결을 위한 최소한의 “표준”이 아닌 “권장” 번역 학습 데이터와 2) 개성을 감미한 다양한 개인 취향 적용을 위한 학습 데이터 및 그 시스템 구현이 아닐까 싶음.
게시물 AI시대 번역의 미래 -민형배, 한국문학번역원장이 KADH / 한국디지털인문학협의회에 처음 등장했습니다.
https://ollama.com/blog/web-search
GeekNews https://news.hada.io/topic?id=23332
게시물 Ollama 웹 검색 API 출시이 KADH / 한국디지털인문학협의회에 처음 등장했습니다.
구글은 다양한 공공 데이터를 통합하여 제공하는 지식 그래프(Knowledge Graph)인 ‘데이터 커먼즈(Data Commons)’ Model Context Protocol (MCP) 서버 새롭게 추가했다고 발표했습니다. 데이터 커먼즈는 미국 인구조사국, 세계은행, 유로스타트 등 전 세계 수많은 기관의 방대한 공공 데이터를 schema.org를 기반으로 표준화된 형식으로 통합한 거대한 지식 그래프입니다.
이를 통해서, 신뢰 받을 수 있는 고품질의 공공데이터를 모든 LLM에 직접 연결할 수 있게 되었습니다. 인문학의 입장에서 신뢰 받을 수 있는 고품질의 공공데이터 편찬의 가능성을 볼 수 있다고 생각됩니다.
https://developers.googleblog.com/en/datacommonsmcp
게시물 구글 공공데이터 MCP 서버 출시이 KADH / 한국디지털인문학협의회에 처음 등장했습니다.
GitHub와 연동되어 버그 수정, 문서 추가, 기능 개발을 자동으로 수행하는 비동기형 코딩 에이전트
이 자료들은 IBM 연구진들의 발표 내용을 담고 있으며, 계산의 미래와 관련된 혁신을 강조합니다. 특히, 거대 언어 모델(LLMs)과 같은 인공지능 분야에서의 발전을 프롬프트 엔지니어링에서 벗어나 제너레이티브 컴퓨팅으로 전환함으로써 효율성과 보안성을 높이는 방안을 제시합니다. 또한, 양자 컴퓨팅의 최신 성과와 함께, 양자 이점을 달성하기 위한 로드맵과 고성능 컴퓨팅 및 인공지능과의 결합을 통한 양자 중심 슈퍼컴퓨팅의 중요성을 논의합니다. 궁극적으로 이러한 다양한 컴퓨팅 방식들을 통합하여 개별 기술의 한계를 뛰어넘는 새로운 기능과 워크플로우를 창출하는 것을 목표로 합니다.
+ NotebookLM Plus. 2025.05.18.
코맨트: 현재 진행 중인 컴퓨팅 기술의 발전에 대한 영상을 공유드립니다. 역사학의 주된 플랫폼에 어떤 영향력을 미칠지는 모르겠으나, 산업계에서 무슨 일이 벌어지고 있는지 확인하는 건 도움이 될 것 같습니다.
https://blog.pragmaticengineer.com/stack-overflow-is-almost-dead
Stack Overflow(SO)는 개발자들에게 유용한 자료로서 그 위상이 하락하고 있다는 점을 논합니다. Stack Overflow 커뮤니티는 매우 친절하고 도움이 되었으며, 본질적으로 무료로 일해왔습니다. 며칠이 걸릴 수 있는 많은 버그들이 결국 SO를 통해 해답을 찾았습니다. 그러나 ChatGPT와 같이 몇 분 안에 답변을 제공할 수 있는 AI 도구의 등장으로 SO의 관련성은 줄어들고 있습니다.
많은 사용자들이 SO의 엄격한 규칙과 때로는 도움이 되지 않거나 공격적인 커뮤니티 행동 때문에 SO에 좌절감을 느껴왔습니다. 일부 사용자들은 질문이 별다른 이유 없이 닫히거나 부정적인 댓글을 받는다고 생각합니다. 개인적인 도움을 제공하기보다는 검색 가능한 지식 기반을 구축하는 데 중점을 두는 방식은 사이트를 환영받지 못하는 곳으로 느끼게 할 수 있습니다. SO는 질문과 답변의 높은 기준을 유지하는 것을 목표로 하지만, 이러한 접근 방식은 코딩 문제에 대한 즉각적인 해결책을 찾는 사용자들을 멀어지게 할 수 있습니다.
이러한 문제점에도 불구하고, SO는 여전히 위키피디아 문서보다 많은 질문을 보유하고 있는 방대한 양의 가치 있는 정보를 가지고 있습니다. 일부에서는 새로운 질문이 줄어든 현재 SO의 상태가 기존 콘텐츠를 더 잘 검토하고 유지 관리할 수 있게 한다고 주장합니다. SO의 엄격한 접근 방식이 품질 유지에 필요한지, 아니면 사용자 참여 감소에 기여하고 있는지에 대한 논쟁은 계속되고 있습니다.
+ Gemini 2.5 Pro(preview). 2025.05.18.
바로: 저도 스택에 가본지가 오래된듯 합니다. 검색할 시간에 LLM에 질문을 하고 있군요. 그런데 바이브 코딩까지도 논의하는 시대에 사람간의 질문-응답을 통해서 구현되는 커뮤니티는 더 이상 필요 없을까? 모르겠습니다.
동아사이언스. “수준 이하 과학논문 급증…공공데이터·AI 활용 탓”. 2025.05.15. https://m.dongascience.com/news.php?idx=71682
그 결과 사이언티픽 리포츠, BMC 공중보건, BMJ 오픈 등을 포함한 147개 학술지에 341편의 유사한 논문들이 확인됐다.
연구팀은 논문 발표가 급증하기 시작한 시점 챗GPT와 같은 AI 챗봇이 널리 보급되기 시작했다는 점에 주목했다. 돈을 받고 논문을 제작해 연구 실적을 올려주는 조직인 ’논문 공장(paper mill)‘의 활동이 이 시기 활발해졌다는 점도 저품질 논문이 늘어난 원인일 것으로 보았다.
공공 데이터 세트가 악용될 가능성이 높아졌다는 의미다. 공공 데이터 세트는 파이썬이나 R과 같은 코딩 언어로 쉽게 불러와 활용할 수 있다는 장점이 있지만 품질 낮은 논문들이 쏟아지는 원인이 되기도 한다는 것이다.
바로: 난가?!…. 각설하고-0-! 생성형AI나 공공데이터셋 자체에 대한 오해가 생기지 않았으면 한다. 문제는 “악용” 아닐까?!
바로: 재미 있는 제품이군요. 현재의 AI 기능이나 최상위급의 스마트폰에서는 제공하는 기능들이긴 합니다. 다만, 녹음만을 위해서 최적화되었다는 점에서 유의미한 측면이 분명히 있어 보입니다. 할인을 해서 20만원 정도인데, 아직도 AI 기술은 따라가기 어려울 정도로 빠르게 변화하고 있기에, PC나 스마트폰이 아닌 독립적인 하드웨어 제품으로 얼마나 유의미한 상업적인 성과를 보일지는 잘 모르겠습니다. 그런 의미에서 제 입장에서는 굳이 구매하지는 않을듯 합니다. 지금 쓰는 장비와 서비스로 대체 가능하니까요.
아…혹시나 해서 말씀 드리면, 광고 아닙니다. -0-;;
https://aistudio.google.com/apps
Gemini를 활용한 생성AI 데모앱을 제공하는 페이지가 만들어짐. 간단하지만 다양한 영감?!을 얻을 수 있음.
공식 소개 페이지: Making it easier to build with the Gemini API in Google AI Studio
Github: Gemini API Cookbook
https://github.com/google-gemini/cookbook
바로: 간략하게 가능성을 보여주는 것 좋음. 근데 결국 API 많이 사용하라는건가…돈…ㅠㅠ
https://github.com/lechmazur/confabulations
해당 기사는 대규모 언어 모델(LLM)이 오해의 소지가 있는 질문에 응답할 때 얼마나 자주 존재하지 않는 답변, 즉 허구 또는 환각을 생성하는지 평가하기 위한 벤치마크에 관한 것입니다. 질문은 LLM 훈련 데이터에 아직 포함되지 않은 최근 기사를 기반으로 합니다. RAG(검색 증강 생성)를 사용할 때는 이러한 허구를 최소화하는 것이 중요합니다. 2025년 2월 10일 현재, 제공된 텍스트에 답변이 없는 것으로 사람이 확인한 201개의 질문이 신중하게 선별되고 평가되었습니다. 벤치마크는 동일한 프롬프트와 문서를 사용하지만 텍스트에 있는 특정 질문을 사용하여 LLM 무응답률도 추적합니다.
요약행위자: gemini adv 2.0 flash. 2025.04.21.
바로: 구글 사랑해요~~~!!! (먼산)
단순히 데이터를 많~~이 때려 넣고, 죽도록 학습 시키는 것의 한계가 온 것일까? 그 다음은 무엇일까? 컨텍스트 양의 차이인가? 혹은 인간에 대입하며, 가장 미친”놈” 발생 가능성이 높은 직군 중 하나가 교수인것과 같은 것일까?! -0-;;
근데 언어 기반 모델의 발전은 이정도면 된 것 아닐까? 아예 세계모델을 때려 넣는 것이 아닌 이상 언어만의 기반 모델로는 이 정도면 충분하지 않을까? 최소한 텍스트 기반 모델에서는 각 도메인 영역 특화로 가야하지는 않을까?
참조: https://openai.com/index/o3-o4-mini-system-card
인공지능(AI)이 창작한 인문학 콘텐츠를 한곳에 모은 특별한 플랫폼, **’AI 크레타'(AICreta.com)**가 3월 26일 정식으로 문을 열었습니다! 이곳은 AI가 직접 쓴 철학, 역사, 문학, 예술 작품들을 누구나 자유롭게 감상할 수 있는 디지털 인문학 아카이브입니다.
왜 AI가 인문학을?
‘AI 크레타’를 운영하는 서치마스터의 전병국 대표는 “생성형 AI의 창작 능력이 어디까지 도달했는지 보여주고 싶었다”고 말합니다. 특히 “인문학이라는 인간 고유의 사고 영역에서 AI가 어떤 사유를 만들어낼 수 있는지 실험하는 것에 의미가 있다”고 강조했는데요. 인간의 깊은 사유가 필요한 영역에 AI가 던지는 질문과 통찰을 탐구하려는 흥미로운 시도입니다.
‘AI 크레타’에는 무엇이 있을까?
이곳의 모든 콘텐츠는 최신 AI 기술을 활용해 만들어졌습니다. 흥미로운 점은, 기존의 학문 분류 체계가 아닌 **’사유’, ‘시간’, ‘언어’, ‘상상’, ‘존재’, ‘대화’**라는 여섯 가지 AI적 시각의 새로운 범주로 콘텐츠를 탐색할 수 있다는 것입니다.
콘텐츠의 종류도 매우 다양합니다.
AI가 쓴 글, 인간과 어떻게 다를까?
전병국 대표는 “AI가 쓴 글이라고 해서 기계적이거나 무감각하다고 생각할 필요는 없다”며, “오히려 때때로 인간보다 더 깊고 낯선 통찰을 담아낸다”고 말합니다. 이는 AI가 단순히 정보를 요약하는 것을 넘어, 사고와 창작 과정 자체를 어느 정도 ‘모방’하는 단계에 이르렀음을 보여주는 증거라고 덧붙였습니다.
미래를 향한 실험실
‘AI 크레타’는 단순한 콘텐츠 저장소를 넘어섭니다. 생성형 AI 시대의 글쓰기와 사유 방식 변화를 실험하는 **’실험실’이자 ‘아카이브’**로서의 역할을 지향하는데요. 앞으로 독자들의 반응과 AI 기술의 발전에 발맞춰 더욱 다양한 주제와 형식으로 콘텐츠를 확장해나갈 계획이라고 하니, 그 발전이 더욱 기대됩니다.
인공지능이 펼쳐내는 인문학의 새로운 가능성, 궁금하지 않으신가요? 지금 바로 ‘AI 크레타’를 방문하여 AI가 창조한 독창적인 사유의 세계를 직접 경험해 보세요.
▶ AI 크레타 바로가기: https://aicreta.com
서치마스터는? ‘AI 크레타’를 선보인 서치마스터는 2002년부터 검색엔진과 데이터 분석 분야를 연구해 온 기업입니다. 검색과 AI를 융합하는 다양한 시도를 통해 ‘AI 스토리 플래너’ 등 AI를 활용한 새로운 창조의 세계를 열어가고 있습니다. (웹사이트: http://www.searchmaster.co.kr)
원출처: AI 창작 인문학 플랫폼 ‘AI 크레타’ 정식 오픈
변환: Gemini Advanced 2.5 pro(exp). 2025.03.31.
바로: 긁적… 생성형AI로 만든 블로그 아닌가? 이걸 디지털인문학 아카이브라고 한다면… 물론 일종의 시각화 혹은 표현으로서 유의미한 측면이 있긴 하지만, 가장 중요한 부분이 누락된 듯 하다. 해당 결과물이 나오기까지의 과정! 무엇보다 해당 결과물을 도출한 질문은 무엇인가?
문과 출신들로 구성된 이 팀은 AI 모델 훈련과 딥시크가 생성하는 콘텐츠의 품질을 끌어올리는 역할을 담당한다. 역사·문화·과학 등과 관련된 데이터를 일목요연하게 분류해 AI가 더 효율적으로 학습하고 답을 낼 수 있게 한다. 관련 학문에 대한 배경 지식을 갖고, 마치 도서관에서 책을 분류하듯 데이터를 정리하는 것이다. 딥시크 한 전직 직원은 최근 한 온라인 세미나에서 “그들은 방대한 지식들을 모아 가상 도서관을 구축하는 업무를 맡는다”며 “수많은 데이터 속에서 AI가 통찰력을 얻을 수 있도록 지원한다”고 했다.
조선일보. 딥시크 성공 뒤엔 ‘문과생’ 있었다. 2025.03.05.
바로: 디지털 인형 눈알 붙치기를 한 단순 라벨러일까? Reinforcement Learning from Human Feedback (RLHF) 작업 참여자일까? 둘 중 어느 경우든 아직은 단순한 참여로 보이는데…
주간동아. LLM 넘어 LWM 시대 온다: 현실과 디지털 경계 초월… 메타버스도 부활 신호. 2025.03.04.
지난 2년간 챗GPT가 생성형 인공지능(AI) 시장을 주도한 기술의 근원은 거대언어모델(Large Language Model·LLM)이었다. 인간 언어를 학습한 AI가 언어로 답을 내놓는 것. 이제는 LLM을 넘어 거대세계모델(Large World Model·LWM) 시대가 오고 있다.
젠슨 황 엔비디아 최고경영자(CEO)는 1월 CES(국제전자제품박람회) 2025에서 “로봇의 챗GPT 모멘트(변곡점)가 온다”며 물리 AI(Physical AI)를 차세대 AI의 발전 방향으로 제시했다. 그리고 이를 위한 플랫폼 코스모스(Cosmos)를 발표했다.
엔비디아는 3D(3차원) 시뮬레이션에 기반한 디지털 트윈 플랫폼 옴니버스(Omniverse)를 갖고 있다. 디지털 트윈은 현실과 같은 가상공간을 만드는 것으로, 시뮬레이션을 통해 결과를 미리 예측할 수 있다. 여기에 코스모스가 더해지면서 옴니버스로 구현한 가상공간에 정교한 디지털 트윈이 가능해졌다. 현실에서의 물리적 상호작용이 가상 세계에서도 구현되는 것이다. 또 휴머노이드 로봇에 탑재되는 소형 컴퓨터 ‘젯슨 토르(Jetson Thor)’가 출시되면 로봇이 현실 속 수많은 환경 변화를 인식하고 인간의 명령까지 이해할 수 있는 새로운 세계가 열린다. 황 CEO의 말대로 AI가 또 한 번의 거대한 기술적 변곡점을 맞이하고 있는 것이다.
엔비디아 외에도 구글과 지멘스 역시 물리 법칙을 이해하는 AI를 개발하고 있다. 구글은 현실 세계를 시뮬레이션해 AI가 스스로 학습하고 문제를 해결하는 LWM을 지향한다. 구글 자회사 딥마인드가 지난해 12월 출시한 지니2(Genie2)는 텍스트와 이미지를 기반 삼아 실시간으로 상호작용이 가능한 3D 가상 세계를 생성할 수 있다. 가령 “숲속을 걷는 귀여운 로봇”이라는 텍스트와 로봇 이미지를 입력하면 로봇이 숲을 걸어 다니는 3D 장면을 실시간으로 만들어낸다. 사용자는 키보드와 마우스를 통해 이 3D 환경을 탐색하고 상호작용할 수 있다. 이 기술을 응용하면 현실감 있는 가상 세계를 구축할 수 있을뿐더러, 자율주행이나 로봇 시뮬레이션 분야에서도 활용할 수 있다.
— 이하 생략 —
바로: LWM은 분명히 이상향이다. 그런데 근 시일내로 연구실이 아닌 현장에서의 적용은 어렵지 않을까 생각한다. 하지만 일부 제한적인 환경에서의 적용만으로도 충분한 가치가 있으리라 생각한다. 다만… 인문학의 입장에서는 인간 모델을 만들어야 하는데… 최소한 수 만 단위의 멀티 에이젼트가 LWM에서 행위를 할 수 있어야 하는데…. 먼산…
https://blog.google/technology/developers/gemini-code-assist-free
이제 전 세계 개발자들이 무료로 AI 코딩 보조 도구를 이용 가능
登录
"이메일과 메시지 입력 필드를 포함한 HTML 폼을 만들어줘""매일 날씨 정보를 이메일로 보내는 스크립트 작성""이 Python 코드의 기능을 설명하고 오류를 찾아줘".gemini/styleguide.md 파일을 통해 각 팀의 코딩 규칙 정의Don’t Do RAG: When Cache-Augmented Generation is All You Need for Knowledge Tasks
https://doi.org/10.48550/arXiv.2412.15605
– 외부 지식 자원을 활용하는 RAG보다 긴 컨텍스트 LLM과 캐싱 기술을 활용하는 cache-augmented generation (CAG)가 더 좋음.
– 컨텍스트 창은 점차 증가하고 있으며, 현재는 보통 10만 토큰은 넘고, 제미나이 1.5 Pro는 200만 토큰임.
– 물론 긴 프롬프트는 모델을 느리게 하고, 비용을 증가시킴. 그래서 고급 캐싱 기술이 필요함.
Titans: Learning to Memorize at Test Time
Ali Behrouz, Peilin Zhong, Vahab Mirrokni
https://doi.org/10.48550/arXiv.2501.00663
기존에 짧은 문장/문맥에 특화되어 있는 attention의 한계 돌파 가능?!
– 트랜스포머 구조 + 순환신경망(RNN) / 장기 메모리(long-term memory) 도입
– Core(단기 기억, attention) + Long-term Memory(장기 기억) + Persistent Memory(영구 기억)
– Surprise Metric(새로운 지식) + adaptive forgetting(망각)
– PyTorch + JAX –> 아직 모델 훈련-평가 코드 미공개
바로: Google!!! 무서운 녀석들…. 근데 이번 논문 제목은 센스가 없…. (Attention Is All You Need~ )
The Abacus.AI Blog. AI Agents – Build and Host LLM Apps At Scale. 2023.08.31. https://blog.abacus.ai/blog/2023/08/31/supercharge-productivity-accomplish-10x-more-with-ai-agents
바로: 시간이 좀 지난 것이지만, AI Agents를 설명하는 가장 괜찮은?! 개념도 인듯?! 다만, 1번 데이터에 대해서는 보다 발전?! 시키는 것이?!
https://github.com/diffbot/diffbot-llm-inference
LLama 3.3 70B를 real-time Knowledge Graph API로 파인튜닝하여, 기존 LLM보다 좋은 성능을 보임. 단순히 매개변수를 늘리는 것보다 실시간 데이터베이스와 연계하는 것이 효과적임을 입증?!
RAG와 RIG는 모두 검색(Retrieval) 기술을 활용하여 생성(Generation) 모델의 성능을 향상시키는 방법론이지만, 몇 가지 중요한 차이점이 있습니다. 두 방법론을 비교 설명해드리겠습니다.
1. RAG (Retrieval-Augmented Generation)
2. RIG (Retrieval Interleaved Generation)
3. 비교 요약
| 특징 | RAG | RIG |
|---|---|---|
| 검색 시점 | 생성 전 | 생성 중 (필요 시) |
| 검색 빈도 | 일반적으로 한 번 | 여러 번 (필요한 만큼) |
| 효율성 | 상대적으로 낮음 | 상대적으로 높음 (필요한 정보만 검색) |
| 복잡성 | 상대적으로 낮음 | 상대적으로 높음 |
| 문맥 적합성 | 상대적으로 낮을 수 있음 | 상대적으로 높을 수 있음 |
| 학습 난이도 | 상대적으로 낮음 | 상대적으로 높음 |
| 대표적인 모델 | RAG (Facebook AI) | REALM (Google AI), R2-D2 (Microsoft Research) |
| 일관성 | 상대적으로 높음 | 상대적으로 낮을 수 있음 |
Sheets로 내보내기
4. 결론
RAG와 RIG는 모두 장단점이 있으며, 어떤 방법론이 더 우수하다고 단정 지을 수는 없습니다. 해결하고자 하는 문제의 특성, 사용 가능한 데이터, 컴퓨팅 자원 등을 고려하여 적합한 방법론을 선택해야 합니다.
궁금증이 해결되셨기를 바랍니다. 더 궁금한 점이 있으면 언제든지 질문해 주세요.
출처: “RAG(Retrieval-Augmented Generation)와 RIG(Retrieval Interleaved Generation)를 비교 설명해”. Gemini Advanced 2.0 Experimental Advanced. 2024.12.18.
https://research.google/blog/grounding-ai-in-reality-with-a-little-help-from-data-commons
인하대 제조혁신전문대학원 이창선 연구교수 인터뷰
이 교수는 “도메인 전문가는 도메인 지식을 기반으로 할루시네이션 발생을 인지하고 개선 방안을 만들 수 있다”면서 “그런데 AI 지식, 코딩 지식, 데이터마이닝 지식이 부족하기 때문에 도메인 전문가는 개선 업무용 AI를 개발할 수는 없다”고 지적했다. 도메인 전문가가 수시로 변화하는 개선 업무 내용에 대응하여 간편하게 AI를 개발할 수 있는 간편 맞춤 AI가 필요한 이유가 여기에 있다. ‘개선 업무용 간편 맞춤 AI’는 ‘도메인 전문가용 간편 맞춤 AI’, 또는 ‘R&D용 간편 맞춤 AI’다.
도메인 전문가가 사용할 개선 업무용 AI를 개발하기 위해서는 AI 지식, 코딩 지식, 데이터마이닝 지식, 도메인 지식이 필요하지만 단기간에 배울 수 있는 지식이 아니라는 게 문제다. 이 교수는 많은 도메인 전문가 들이 엑셀 사용에 익숙하다는 점에 착안해 ‘엑셀 문서 AI 개발 환경’을 사용할 것을 조언한다. 이를 통해 맞춤 AI를 도메인 전문가가 직접 개발 할 수 있다는 게 그의 지론이다. 개선 업무용 간편 맞춤 기능은 설계 문서 접점(Design Document Interface)인 엑셀에 의해 가능하다고 덧붙였다.
이 교수는 “제조 기업에서는 AI 활용 도메인 전문가를 양성하는 교육이 확대돼야 한다”면서 “간편 맞춤 AI를 이용해 인의 문제를 풀기 위한 AI 를 단기간에 직접 개발해 활용해야 한다”고 역설했다. 본인이 개발한 AI를 활용하면서 AI 관련 능력을 확대하는 방식이다. ‘AI 활용 도메인 전문가’가 DDI로 설계 하면, 설계대로 이해할 수 있는 산출물을 생성하는 간편 맞춤 AI 엔진은 ‘AI 개발 전문가’가 개발해야 한다. 이 교수는 “설계와 구현의 분업화가 이뤄지는 것이고 도메인 전문가와 AI 전문가의 협업을 통해 AI의 확산이 이뤄지는 것”이라고 강조했다.
이 교수는 “많은 제조기업인들은 AI의 필요성을 인식하고 있지만 무엇을 해야 할 지 잘 모른다”면서 “AI활용 도메인 전문가가 양성된다면 AI가 선도하는 4차 산업혁명의 물결에 올라탈 수 있을 것”이라고 덧붙였다.
