LATEST TECH ARTICLES

The 2024 Paris Olympics will be remembered as the first Olympic Games where artificial intelligence (AI) technology has been fully integrated. Throughout the event, AI has been innovatively utilized across various domains, including event management, athlete support, broadcasting, and security. The introduction of these AI technologies is fundamentally transforming how the Olympics are organized and opening new horizons for sports competitions. Event Management and Referee Su

2024 파리올림픽은 인공지능(AI) 기술이 스포츠 대회에 본격적으로 도입된 첫 번째 올림픽으로 기록될 것이다. 이번 대회에서 AI는 경기 운영, 선수 지원, 중계 방송, 보안 등 다양한 분야에서 혁신적으로 활용되었다. 이러한 AI 기술의 도입은 올림픽의 운영 방식을 근본적으로 변화시키고 있으며, 스포츠 경기의 새로운 지평을 열고 있다. 경기 운영 및 심판 지원 파리올림픽에서 가장 주목받은 AI 기술 중 하나는 심판 지원 시스템(JSS)이다. 이 시스템은 고속 카메라와 AI 이미지 분석 기술을 결합하여 선수들의 미세한 동작을 정확하게 포착하고 분석한다. 특히 체조, 다이빙, 육상 등 복잡한 동작이나 빠른 속도를 요구하는 종목에서 큰 도움이 되었다. JSS는 선수의 회전 수, 동작의 정확성, 착지 상태 등을 실시간으로 분석하여 심판들에게 객관적인 데이터를 제공한다. 이를 통해 인간 심판의 주관적 판단에 의존하던 기존 방식의 한계를 극복하고, 더욱 공

Introduction Artificial intelligence, particularly generative AI, is at the forefront of technological innovation. While many companies are attempting to adopt this revolutionary technology, the journey appears to be more challenging than anticipated. According to a recent Forbes report , approximately 90% of Generative AI Proof of Concept (PoC) projects fail to reach the actual production stage. This suggests a significant gap between the potential of AI technology and its p

서론 인공지능, 특히 생성형 AI(Generative AI)는 현재 기술 혁신의 최전선에 서 있습니다. 많은 기업들이 이 혁명적인 기술을 도입하려 시도하고 있지만, 그 여정은 예상보다 험난한 것으로 보입니다. 최근 Forbes의 보고에  따르면, 약 90%의 Generative AI Proof of Concept (PoC) 프로젝트가 실제 프로덕션 단계로 진입하지 못하고 있습니다. 이는 AI 기술의 잠재력과 실제 구현 사이에 상당한 간극이 존재함을 시사합니다. 본 블로그에서는 이러한 높은 실패율의 원인을 심층적으로 분석하고, 실제 AI 도입 과정에서 직면하는 구체적인 도전 과제들을 살펴보겠습니다. 또한, 이러한 장애물을 극복하기 위한 실질적인 해결 방안을 제시하여, 기업들이 AI 기술의 진정한 가치를 실현할 수 있는 길을 모색해 보겠습니다. Forbes가 제시한 5가지 주요 원인 Forbes의 분석에 따르면, Generative AI PoC 프로젝

TecAce, an IT company based in Seattle, with 24 years of experience, has changed its vision and business strategy to AI Transformation...

미국 시애틀에 본사를 둔 24년 업력의 IT 업체 테크에이스는 2023년부터 회사의 비전과 사업 전략을 AI Transformation으로 변경하였으며, 지속적으로 LLM Foundation을 활용한 솔루션 개발과 파트너사 협력 과제를 수행하고 있습니다. 이번 포스팅에서는 2024년 6월에 상용화된 안랩 AI 글로벌 번역 서비스를 개발하면서 경험한 몇 가지 사례를 공유합니다. CHALLENGE 글로벌 전문 보안 회사인 (주)안랩은 IT 산업의 급성장에 따라 빠르게 진화하는 보안 취약점을 조기에 발견하고, 이에 대응하기 위해 다양한 업종의 고객에게 보안 뉴스와 정보를 제공하고 있습니다. 이러한 과정에서 수많은 전문 보안 용어가 등장하며, 같은 용어라도 일반적인 뜻과 다른 의미를 내포하는 경우가 많아 보안 전문 번역을 반드시 필요로 합니다. 글로벌 IT 시장에서 보안 위험이 발견되면 신속하게 최신 보안 리포트를 배포해야 하지만, 보안 전문 용어와 안랩

백서 AI 산업의 안정성과 위협에 대한 보완 방안: 독립적인 AI 감리 기관 도입의 필요성 한창환, 김성진, 이은석, 이한수, 김융 2024년 7월 8일 목차 서론 AI 기술의 불확실성과 비신뢰성 문제 건설 산업의 시공사-감리사 모델 독립적인 AI 감리 기관의 필요성 AI 감리 기관의 역할과 책임 정책적 보완 방안 적용 가능 사례 연구 결론 서론 AI 기술이 빠르게 발전하면서 다양한 산업에서 혁신적인 변화를 주도하고 있습니다. 그러나 AI 시스템의 불확실성과 비신뢰성은 그 자체로 큰 위협이 되고 있습니다. 본 백서에서는 이러한 문제를 해결하기 위해 독립적인 AI 감리 기관의 도입 필요성을 제안합니다. 이를 통해 AI 기술의 안정성과 신뢰성을 확보하고, AI 산업의 지속 가능한 발전을 도모하고자 합니다. AI 기술의   불확실성과   비신뢰성   문제 AI 시스템은 복잡한 알고리즘과 대규모 데이터에 기반하여 작동합니다. 이러한 특성으로 인해 다음과

A white paper on the Enhancing AI Industry Stability and Mitigating Threats: The Necessity of Independent AI Supervision Institutions Author: Chang Han, Sungjin (James) Kim, Eun Seok Lee, Hansoo Lee, and Yung Kim Date: July 8, 2024 Table of Contents Introduction Issues of Uncertainty and Unreliability in AI Technology Construction Industry's Contractor-Supervisor Model The Need for Independent AI Supervision Institutions Roles and Responsibilities of AI Supervision Institutio

💡 This post will summarize the contents of the 'MSP Business Environment Change 2024' report issued by Barracuda Networks in June 2024. The managed service provider (MSP) market is rapidly evolving. As digital transformation and cloud adoption accelerate, the role of MSPs is becoming increasingly important. At the same time, artificial intelligence (AI) is having a significant impact on MSP businesses. Based on Barracuda's "2024 MSP Market Trends Report," let's examine the k

💡 이번 포스팅은 바라쿠다 네트웍스(Barracuda Networks)에서 2024년 6월에 발행한 ‘MSP 비즈니스 환경 변화 2024’ 보고서의 내용을 요약하여 공유 드립니다. Managed Service Provider(MSP) 시장이 빠르게 변화하고 있습니다. 디지털 전환과 클라우드 도입이 가속화되면서 MSP의 역할이 더욱 중요해지고 있는 가운데, 인공지능(AI)이 MSP 비즈니스에 큰 영향을 미치고 있습니다. Barracuda의 '2024 MSP 시장 동향 보고서'를 바탕으로 AI 관점에서 MSP 시장의 주요 트렌드와 대응 전략을 살펴보겠습니다. 1. MSP 시장 현황 및 전망 MSP 업계는 2024년에도 꾸준한 성장세를 이어갈 것으로 전망됩니다. 조사 대상 MSP들의 평균 매출은 2023년 2,700만 달러에서 2024년 2,900만 달러로 증가할 것으로 예상됩니다. 특히 매니지드 서비스 매출 비중이 2023년 34%에서 2024년 4

The following text has been translated from Korean to English using AssistAce . Sungjin (James) Kim, Ph.D. | LinkedIn  | YouTube Case Study of Translation LLM Fine-Tuning Introduction The technology of Large Language Models (LLMs) is advancing rapidly. There are various ways to utilize LLMs, including prompting, embedding, and fine-tuning. In this article, we will focus on fine-tuning, which requires a significant amount of GPU computing resources. While it is possible to sec

Sungjin (James) Kim, Ph.D. | LinkedIn  | YouTube 번역 전문 LLM 파인튜닝 사례 들어가기 거대언어모델 (Large Language Model; LLM) 기술이 날로 발전하고 있다. LLM을 활용하는 방법은 여러가지가 있으며 활용하기 위한 기본 방법으로는 프롬프팅, 임베딩, 파인튜닝 등이 있다. 이 글에서는 이 중에 GPU 컴퓨팅 리소스를 많이 필요로 하는 파인튜닝 방법을 다루고자 한다. 고성능 컴퓨팅 리소스는 디바이스로 확보해서 사용할 수도 있지만 클라우드 환경에서 사용한다면 좀 더 번거러움을 줄일 수 있는 장점이 있다. 이런 상황에 맞추어 클라우드에서 AI 학습과 추론을 편하게 할 수 있는 특화된 클라우드 서비스들이 많이 나오고 있다. Vessl은 그 중의 하나로 LLM을 비롯한 생성AI를 다루는 부분도 기본적으로 고려되고 있는 서비스이다[1]. 이 글에서는 LLM 중의 하나인 M2M100 모델을 Vessl

최근 LLM을 활용한 AI 솔루션 중 가장 쉽게 도움을 받을 수 있는 기능 중 하나는 단연 요약 (Summary) 기능입니다. 긴 문서나 이해하기 어려운 문서를 짧고 이해하기 쉬운 내용으로 요약할 수 있다는 점에서 매우 유용합니다 . 이 기능은 이미 널리 활용되고 있으며, 뉴스, PDF문서, 웹페이지 등 다양한 형태의 문서 요약에 쉽게 접근할 수 있습니다. Challenge 요약에 대한 고객들의 피드백을 통해 알 수 있듯, 요약기능에도 고개의 다양한 기대가 있음을 알 수 있었습니다. 일부 고객은 뉴스 요약을 원하고 다른 고객들은 기술 문서나 수 많은 제품 리뷰 등을 간단히 정리하길 원합니다. 또한 요약본이 누구에 의해 읽히느냐, 어떤 목적으로 사용되느냐 에 따라 요약본의 만족도를 상대적으로 평가할 필요가 있습니다. 정리하자면 아래의 요소들에 의해 요약본은 다르게 생성되어야 합니다. 문서의 종류 ex) 기술문서, 뉴스, 제품 리뷰, 인터뷰(회의록),

The following text has been translated from Korean to English using AssistAce . One of the easiest AI solutions to help with LLM...

The following text has been translated from Korean to English using AssistAce . What is RAG? The importance of data in the business environment is growing. Companies face many challenges in effectively managing vast data and making strategic decisions based on it. In this situation, the Retrieval-Augmented Generation (RAG) technology is attracting attention. RAG is a form of machine learning that combines data retrieval and information creation to provide more accurate and re

RAG란? 비즈니스 환경에서 데이터의 중요성이 갈수록 커지고 있다. 기업들은 방대한 데이터를 효과적으로 관리하고, 이를 기반으로 전략적 결정을 내리는 과정에서 많은 도전에 직면한다. 이런 상황에서 검색 증강 생성(Retrieval-Augmented Generation, RAG) 기술이 눈길을 끌고 있다. RAG는 데이터 검색과 정보 생성을 결합하여 사용자의 질문에 대한 보다 정확하고 관련성 높은 답변을 제공하는 머신 러닝의 한 형태다. 자연어 처리(NLP) 분야에서 특히 주목받는 RAG는 기존의 모델이 학습한 정보에만 의존하는 대신, 관련 정보를 검색해 모델 입력에 추가하는 방식으로 작동한다. 이 방식을 통해, 모델은 새로운 질문이나 문제에 대응할 때 외부에서 검색한 정보를 참조함으로써 더 정확하고 다양한 답변을 생성할 수 있다. 대규모 언어 모델(Large Language Models, LLMs)의 기능을 특정 도메인이나 조직의 내부 지식 베이스

Sungjin (James) Kim, Ph.D. | LinkedIn  | YouTube 목차 들어가며 트랜스포머 구조와 동작 원리 인코더 동작 디코더 동작 트랜스포머 기반 LLM의 종류와 활용 Encoder 단독 방식 Decoder 단독 방식 Encoder-Decoder 방식 최신 방식들 시사점 들어가며 생성형 인공지능 (Generative AI; GenAI) 중의 한가지인 거대언어모델 (Large language model; LLM)은 트랜스포머 구조가 발표되면서 많은 발전이 있어 왔다[1]. 트랜스포머 구조는 2017년 구글이 발표한 "Attention is All You Need" 논문에서 처음 소개되었다. 이 구조는 이전의 시퀀스-투-시퀀스(Sequence-to-Sequence) 모델들과는 다르게, 전체 시퀀스를 한 번에 처리할 수 있는 '어텐션(Attention)' 메커니즘을 중심으로 설계되어 있다 [1, 2, 3]. 이후 GPT가 기본

Sungjin (James) Kim, Ph.D. | LinkedIn Table of Contents Introduction The Structure and Operating Principle of the Transformer Encoder Operation Decoder Operation Types and Applications of Transformer-based LLMs Encoder-Only Approach Decoder-Only Approach Encoder-Decoder Approach Latest Methods Implications Introduction Generative AI (GenAI), including Large Language Models (LLMs), has seen significant advancements since the introduction of the transformer architecture[1]. Int

본 글은 AssistAce 를 이용하여 영문에서 한글로 번역되었습니다. OpenAI의 최근 성공과 널리 퍼진 API 덕분에, GPT Wrapper가 테크업계에서 인기 있는 도구로 떠올랐습니다. 이 Wrapper라는 것은 사용자가 OpenAI의 API와의 상호작용을 더욱 쉽게 할 수 있도록 도와주는 소프트웨어 계층입니다. 이 애플리케이션에 AI 기능을 통합하는 과정을 단순화시켜, AI에 대한 전문 지식이 부족한 사람들도 ChatGPT나 DALL-E 같은 고급 모델을 활용할 수 있게 합니다. 이 글에서는 GPT Wrapper의 자세한 특징을 살펴보고, 일반적인 애플리케이션과의 차이점, 그리고 이 도구의 장점과 단점을 알아볼 예정입니다. GPT Wrapper란? GPT Wrapper는 기본적으로 미들웨어, 즉 두가지의 개별 애플리케이션을 연결하여 그들의 상호 작용을 용이하게 해주는 소프트웨어입니다. 이러한 맥락에서 Wrapper는 OpenAI의 고급 A

With OpenAI’s late successes and the widespread distribution of their own API, the concept of GPT wrappers has emerged as a popular tool for the tech industry. GPT wrappers are layers of software that provide a more accessible interface to interact with OpenAI's APIs. They simplify the process of integrating AI capabilities into applications, enabling even those with limited AI expertise to leverage the advanced functionalities of models like ChatGPT or DALL-E. With this piec