🤖 옌지니어의 IT 기록 🤖

챗GPT 탄생 1주년…신세계 열었지만 해결 과제도 늘어 (링크)

기사 내용 요약

오픈 AI가 인공지능 챗봇 '챗GPT'를 선보인지 1년이 흘렀고 그 사이에 많은 성장을 겪었다. 출시 당시에는 문자만 이해 및 생성할 수 있었지만 현재는 음성과 이미지까지 다룬다. 또한 출시 초기에는 챗GPT 같은 생성형 AI는 오픈 AI만 만들 수 있었지만 현재는 모든 사람이 명령어로 챗GPT를 만들 수 있으며 기업들은 자사 솔루션에 생성형 AI를 사용하고 있다.
챗GPT는 생성형 AI 기술자와 사용자에게 환각 현상을 비롯한 저작권, 그래픽처리장치(GPU) 공급 부족, 컴퓨팅 파워로 인한 탄소 배출 증가와 같은 과제를 남겼다.

핵심 용어

• 챗GPT
  • 오픈AI가 개발한 대화형 인공지능 모델
• 환각 현상
  
  • 잘못된 정보를 사실인 것처럼 생성하는 현상

※ Reference ※

https://zdnet.co.kr/view/?no=20231025145231 (AI 환각현상과 관련된 기사)

처음 챗GPT가 출시되었을 때 너무 신기해서 놀랐는데 벌써 1주년이 되었다니 시간이 새삼 빠르다는 생각이 들었다. 그동안 많은 변화를 겪은 챗GPT에 대해 다시 한 번 생각해보게 하는 기사였다. 학습된 데이터셋에서만 답변을 생성하다 인터넷에 접속하여 대답을 생성하고 텍스트에서 이미지와 음성으로 확장하기까지 다양한 시도들이 있었을 것 같다. 아직까지 환각과 비윤리성 그리고 인프라에 대한 문제는 남아있지만 점차 해결할 수 있는 과제라고 생각한다. 장점이 많은 만큼 단점도 있을 수 밖에 없으며 이것을 어떻게 극복해갈 것인지가 앞으로 생성형 AI의 발전에 영향을 끼칠 것으로 보인다.

‘클라우드, AI 환경에 최적화된 데이터센터’의 4가지 조건 (링크)

기사 내용 요약

데이터 중력(Data Gravity)은 특정한 성격의 데이터가 모여 비슷한 유형의 데이터를 끌어당기는 현상이다. 데이터가 앱과 서비스에 가까운 위치에 있지 않으면 작업 성능이 저하되므로 데이터를 배치할 때 데이터 중력을 고려해야 한다.
멀티 테넌트 데이터 센터(Multi-Tenant Data Center, MTDC)는 애플리케이션과 데이터, 제어를 배치하는 가장 효율적인 장소이다. MTDC를 사용하면 하나의 랙부터 대규모 환경까지 목적에 맞춰 규모를 유연하게 조정할 수 있다.
ICN10는 AI와 클라우드 환경에 특화된 디지털 리얼티의 국내 첫 데이터센터이다. ICN10는 재난 및 재해 상황에서도 무중단 운영과 유지보수가 가능하며 고객 맞춤형 데이터 센터를 지원한다.
디지털 리얼티의 김용지 이사는 "최근 기업들은 클라우드에 AI와 성능 집약적인 워크로드 처리를 맡기거나 멀티 클라우드를 구성하고 더 나아가 하이브리드 클라우드 환경을 원하기도 한다."며 이런 환경에 최적화된 4가지 필수 조건으로 원하는 통신사 및 클라우드 사업자와 자유롭게 연결할 수 있는 망중립 데이터센터, AWS와 같은 클라우드 직접 연결을 지원하는 데이터센터, 100G와 같은 높은 대역폭을 지원하는 데이터센터, 암호화로 보안성을 강화한 데이터센터를 꼽았다.

핵심 용어

• 데이터 중력(Data Gravity)이란?
  
  • 특정한 성격의 데이터가 모여 비슷한 유형의 데이터를 끌어당기는 현상
  • 데이터를 배치할 때 데이터 중력을 고려가 필
• 구성 방식에 따른 클라우드 서비스의 유형
  • 프라이빗 클라우드 : 클라우드를 한 기업 내부에서 독점
  • 퍼블릭 클라우드 : 가장 일반적인 클라우드 서비스로 사용자가 소유하지 않은 IT 인프라에서 생성
  • 하이브리드 클라우드 : 퍼블릭 클라우드와 프라이빗 클라우드의 결합으로 프라이빗 서비스 조합 및 연결
  • 멀티 클라우드 : 퍼블릭 클라우드나 프라이빗 클라우드를 2개 이상 결합한 것으로 애플리케이션과 서비스 분산
• 데이터 센터란?
  
  • 컴퓨팅 시스템 및 관련 하드웨어 장비를 저장하는 물리적 위치
  • 서버, 데이터 스토리지 드라이브 및 네트워크 장비와 같이 IT 시스템에 필요한 컴퓨팅 인프라 포함
• 데이터 센터가 중요한 이유
  • 백업 전원 공급 장치를 제공하여 정전에 대응
  • 재해 복구를 위해 여러 시스템에 걸쳐 데이터 복제
  • 장비의 수명을 연장하기 위해 온도를 제어하는 시설
  • 데이터 관련 법률 준수를 위한 보안 조치를 보다 손쉽게 구현 가능
• 데이터 센터 서비스 유형
  • 온프레미스 데이터 센터 : 회사의 데이터와 애플리케이션을 저장하는 회사가 전적으로 소유한 데이터 센터
  • 콜로케이션 데이터 센터 : 서버, 랙 및 기타 컴퓨팅 하드웨어를 설치할 공간을 임대할 수 있는 대규모 데이터 센터
  • 클라우드 데이터 센터 : 공간과 인프라를 모두 대여할 수 있으며 클라우드 제공 업체가 데이터 센터 유지 및 관리
• 멀티 테넌트(Multi-Tenant)란?
  • 클라우드 컴퓨팅에서 클라우드 공급업체의 여러 고객이 동일한 컴퓨팅 리소스를 사용하고 있음을 의미
  • 클라우드 고객은 리소스를 공유하기는 하지만, 서로를 인식하지 못하며 데이터가 완전히 분리
• 멀티 테넌트를 사용해야 하는 이유
  
  • 쉬운 확장 및 신규 고객 추가
  • 부가적인 부하를 처리해야 할 때 훨씬 더 쉽게 자원 추가 가능
  • 필요할 때 즉석에서 용량을 추가할 수 있고 과잉 용량이 발생해도 여러 기업 간 분산

※ Reference ※

https://aws.amazon.com/ko/what-is/data-center/ (데이터센터 관련 내용)

https://elice.io/newsroom/kind_of_cloud (클라우드 서비스 관련 내용)

https://www.cloudflare.com/ko-kr/learning/cloud/what-is-multitenancy/ (멀티테넌트 관련 내용)

https://www.itworld.co.kr/t/62082/it%20%EA%B4%80%EB%A6%AC/216079 (멀티테넌트 관련 내용)

데이터 센터 및 클라우드와 같은 인프라에 관련된 내용인데 기사를 보면서 모르는 용어도 많아서 다시 한 번 정리할 수 있게 되었다. 관리가 필요한 데이터가 많아질수록 데이터의 증가로 인한 장애가 발생하지 않도록 다양한 고려사항이 존재하는 것 같다. 또한 데이터 센터에서 AI 작업을 처리해야 할 경우까지 고려하여 최적화된 데이터 센터를 구성하기 위한 노력이 필요할 것으로 보인다.

강남 테헤란로 로봇배달 거점 떠올라 (링크)

기사 내용 요약

도로교통법 개정안 시행을 시작으로 새 지능형로봇법이 현장에 적용되면서 로봇업계는 로봇 실증 서비스 작업이 한창이다. 테헤란로 로봇거리 조성사업은 6개 기업과 기관이 컨소시엄을 구성해 코엑스몰을 중심으로 테헤란로 일대에 선보이는 대규모 서비스 로봇 실증 사업이다.
우아한 형제들의 '딜리'는 음식에 전해지는 충격을 최소화하기 위해 6개 바퀴 각각에 독립 서스펜션을 장착했다. 또한 로봇 전면에 부착된 라이다(LiDAR) 기반으로 안정적인 주행이 가능하며 여러 상황에 대응하기 위한 딥러닝 기술도 접목했다.
선릉역 부근에서는 뉴빌리티 '뉴비'가 로봇 배달 서비스를 시작했다. 뉴빌리티는 이번 실증 사업으로 카메라 기반 자율주행 로봇 ‘뉴비’ / 로봇 운영 시스템 ‘뉴비고’ / 웹기반 주문 배달 플랫폼 ‘뉴비오더’ 등 로봇배달 서비스를 위한 통합 솔루션을 함께 선보였다.
법적으로는 홀로 배달이 가능하나 두 서비스 모두 아직까지는 현장 요원이 로봇 주행 상태를 살피고 있다.

핵심 용어

• 지능형 로봇법
  
  • 실외 이동 로봇의 보도 및 통행 허용을 위한 법 조항
  • 지능형 로봇 개발 및 보급 촉진법 정보 (국가법령정보센터 링크)
• 테헤란로 로봇거리 조성사업
  
  • 유동 인구가 많은 밀집 시설에서 로봇을 활용한 로봇 산업 활성화를 위한 사업
  • 테헤란로 배달 로봇 정보 (강남구청 링크)
• 배달 로봇에 사용된 부품
  • 라이다(LiDAR) : 레이저를 목표물에 비춰 사물과의 거리 및 다양한 물성을 감지해 자율 주행의 눈이 되는 기술
  • 서스펜션 : 자동차 차대의 받침 장치로 충격이 직접적으로 전달되지 않도록 보호

※ Reference ※

https://terms.naver.com/entry.naver?docId=6468659&cid=51399&categoryId=51399 (라이다 용어 설명)

https://terms.naver.com/entry.naver?docId=1655239&cid=42330&categoryId=42330 (서스펜션 용어 설명)

※ 배달 이외의 로봇 활용 관련 기사 ※ 

https://zdnet.co.kr/view/?no=20231122094945 (조리하는 로봇 관련 기사)

https://www.bloter.net/news/articleView.html?idxno=608521 (로봇 친화 빌딩 관련 기사)

길거리에서 로봇을 통해 배달하는 것도 신기한데 유동 인구가 많은 강남구에서 진행하는 사업이라 더 놀라웠다. 배달 로봇이라는 말을 들었을 때 '누가 음식을 훔쳐가거나 로봇을 넘어뜨리면 어떻게 되는거지?' 라는 생각이 들었는데 잠금 장치가 있을 테니 훔쳐가는 일은 없을 것 같고 넘어뜨리는 것도 관련 법을 강화하면 될 것 같다. 배달 가능한 거리나 속도도 기존과 어떤 차이가 있을지 궁금하다. 다양한 시도를 통해 성공적으로 사업이 마무리 되고 배달 로봇이 더 활성화되면 좋겠다.

‘AI반도체 X330’ 공개한 사피온, ‘추론 특화’로 엔비디아 틈새시장 공략 (링크)

기사 내용 요약

인공지능(AI) 반도체 기업 사피온이 전작 대비 성능이 강화된 AI 반도체 X330을 선보였다. X330은 주요 고객사 대상 테스트와 신뢰성 검증 작업을 진행하고 내년 상반기부터 양산 예정이다.
AI 반도체는 AI가 데이터를 학습하고 추론하는데 사용되는 프로세서로 신경망처리장치(NPU)라고 부른다. X330은 학습도 지원하지만 추론에 특화되었으며 전작 X220에 비해 응용범위가 대폭 확대되어 향상된 성능과 전력효율을 제공한다. 사피온은 X330 반도체와 함께 서버에 장착할 때 성능을 최적화할 수 있는 개방형 신경망 교환(ONNX) 기반의 소프트웨어 스택을 지원하며, AI 추론 플랫폼 소프트웨어 및 소프트웨어 개발도구(SDK)도 함께 제공한다.

핵심 용어

• AI 반도체란?
  
  • 반도체의 종류 중 하나로 AI 연산에 특화된 반도체
  • AI는 수많은 데이터들을 학습하고 추론한 결과를 도출하므로 대량의 데이터 처리할 수 있는 반도체 필요
• AI 반도체의 변화 (CPU / GPU / NPU)
  
  • CPU(Central Processing Unit) : 컴퓨터에서 연산 처리를 담당하며 순서대로 일을 처리하므로 AI 연산에 부적합
  • GPU(Graphic Processing Unit) : 컴퓨터 그래픽 처리를 위한 장치이며 대규모 데이터를 동시에 처리 가능
  • NPU(Neural Processing Unit) : GPU보다 성능과 효율이 좋은 신경망 처리 장치
• AI 반도체 활용하는 인공지능 분야 
  • 자연어 처리
  • AI 음성 인식 / 로보틱스 / 영상 분석
• AI 반도체 선순환 생태계 

※ Reference ※

https://www.bloter.net/news/articleView.html?idxno=608346 (MS 'AI 칩' 개발 관련 기사)

https://www.etnews.com/20231117000184 (삼성 & 네이버 'AI 반도체' 상용화 관련 기사)

https://contents.premium.naver.com/3mit/wony/contents/230531215225144qe 

https://pt1000.tistory.com/205

AI 기술이 점점 발전해감에 따라 대용량의 데이터를 처리할 수 있는 AI 반도체의 발전도 필요하다. 인공지능의 발전에 따라 많은 기업의 AI 반도체 성능 또한 향상되고 있다. 인공지능 생태계와 반도체 생태계가 상호 작용을 통해 함께 발전하는 선순환이 기대된다...!!

https://school.programmers.co.kr/learn/courses/30/lessons/181916

문제

문제 설명

1부터 6까지 숫자가 적힌 주사위가 네 개 있습니다. 네 주사위를 굴렸을 때 나온 숫자에 따라 다음과 같은 점수를 얻습니다.

네 주사위에서 나온 숫자가 모두 p로 같다면 1111 × p점을 얻습니다.
세 주사위에서 나온 숫자가 p로 같고 나머지 다른 주사위에서 나온 숫자가 q(p ≠ q)라면 (10 × p + q)2 점을 얻습니다.
주사위가 두 개씩 같은 값이 나오고, 나온 숫자를 각각 p, q(p ≠ q)라고 한다면 (p + q) × |p - q|점을 얻습니다.
어느 두 주사위에서 나온 숫자가 p로 같고 나머지 두 주사위에서 나온 숫자가 각각 p와 다른 q, r(q ≠ r)이라면 q × r점을 얻습니다.
네 주사위에 적힌 숫자가 모두 다르다면 나온 숫자 중 가장 작은 숫자 만큼의 점수를 얻습니다.
네 주사위를 굴렸을 때 나온 숫자가 정수 매개변수 a, b, c, d로 주어질 때, 얻는 점수를 return 하는 solution 함수를 작성해 주세요.

제한 사항

• a, b, c, d는 1 이상 6 이하의 정수입니다.

입출력 예

소스 코드

# 1
def solution(a, b, c, d):
    answer = 0
    origin = [a,b,c,d]
    dice = list(set([a,b,c,d]))    
    
    # 모두 같은 경우
    if len(dice) == 1:    
        answer = dice[0] * 1111
        
    # 3개가 같거나 2개씩 같은 경우
    elif len(dice) == 2:    
        # 3개가 같은 경우
        if max([origin.count(num) for num in dice]) == 3:
            p = max(origin, key=origin.count)
            q = min(origin, key=origin.count)
            answer = (10 * p + q)**2
        # 2개씩 같은 경우
        else:
            answer = ((dice[0] + dice[1]) * abs(dice[0] - dice[1])) 
            
    # 2개가 같고 나머지는 다른 경우
    elif len(dice) == 3:
        for num in dice:
            if origin.count(num) == 2:
                dice.remove(num)
        answer = dice[0]*dice[1]
        
    # 모두 다른 경우
    else:
        answer = min(dice)                
    
    return answer

풀이 # 1

• a, b, c, d가 모두 존재하는 리스트 = origin / 중복을 제거한 리스트 = dice
• dice에 원소가 1개 존재하는 경우 a, b, c, d가 모두 같다는 의미
• dice에 원소가 2개 존재하는 경우는 3개가 같거나 2개가 같은 경우
  • dice의 원소가 origin에 3개 있으면 origin.count 기준으로 최댓값=p / 최솟값=q
  • 위의 경우가 아니라면 2개씩 같은 경우
• dice에 원소가 3개 존재하는 경우는 2개는 같고 나머지는 다른 경우
  • 같은 2개의 원소를 뺴고 나머지의 곱
• 위의 경우에 포함되지 않으면 a, b, c, d가 모두 다른 경우

# 2
def solution(a, b, c, d):
    answer = 0
    dice = [a,b,c,d]
    cnt = [dice.count(num) for num in dice]
    
    # 모두 같은 경우
    if max(cnt) == 4:
        answer = a * 1111
        
    # 3개가 같고 나머지 1개가 다른 경우
    elif max(cnt) == 3:
        answer = (10 * dice[cnt.index(3)] + dice[cnt.index(1)])**2
        
    # 2개가 같은 경우
    elif max(cnt) == 2:
        # 2개가 같고 나머지 2개는 다른 경우
        if min(cnt) == 1:
            answer = 1
            answer = eval('*'.join([str(dice[i]) for i, c in enumerate(cnt) if c == 1])) 
        # 2개씩 같은 경우
        else:
            answer = (max(dice) + min(dice)) * abs(max(dice) - min(dice))
    
    # 모두 다른 경우
    else:
        answer = min(dice)
    
    return answer

풀이 #2

• 주사위에서 나온 숫자 리스트 = dice / 각 숫자의 갯수 리스트 = cnt
• 갯수의 최댓값이 4인 경우는 모두 같다는 의미
• 갯수의 최댓값이 3인 경우는 3개가 같고 나머지 1개가 다르다는 의미
• 갯수의 최댓값이 2인 경우에는 2가지 상황 존재
  • 2개가 같고 나머지 2개가 다른 경우에는 cnt가 1인 값들의 곱
  • 2개씩 같은 경우에는 dice의 최댓값 최솟값으로 각 숫자를 구분
• 위의 경우에 포함되지 않으면 a, b, c, d가 모두 다른 경우

머리 싸매다가 첫 번째 풀이도 겨우 생각했는데 두 번째 풀이 너무 신박하다. 푸신 분 너무 대단해요..같은 숫자의 갯수를 어떻게 구분하는지 생각하기가 어려웠던 문제였다.🎲🎲

직장 내 생성형 AI 사용 정책이 필요한 이유…“비윤리적 사용례 절반 이상” (링크)

기사 내용 요약

생성형 AI 사용으로 업무 생산성과 몰입도가 높아져 직장 내에서 생성형 AI를 사용하는 직원이 증가하고 있다. 그러나 절반 이상은 고용주의 승인 없이 생성형 AI를 사용하고 있다.
생성형 AI 사용에 따르는 대표적인 위험으로 부정확한 결과와 지식 재산권 침해가 있고 이는 보안 위험으로 이어질 수도 있다. 생성형 AI의 사용을 자신의 작업으로 속이는 비윤리적인 활동도 생겨나고 있다. 생성형 AI를 올바르게 사용하는 방법에 대한 교육을 받지 못해 발생하는 문제라는 의견도 있다.

핵심 용어

• 생성형 AI란?
  
  • 대화, 이야기, 이미지, 동영상, 음악 등 새로운 콘텐츠와 아이디어를 만들 수 있는 AI의 일종
  • 인공 지능의 다음 단계로 인간 언어, 프로그래밍 언어, 예술 또는 복잡한 주제 학습
• 생성형 AI의 작동 방식
  
  • ML 모델을 사용하여 사람이 만든 콘텐츠의 데이터 세트에서 패턴과 관계를 학습
  • 학습된 패턴을 사용하여 새 콘텐트를 생성
  • 생성형 AI 모델 학습의 가장 일반적인 방법은 지도 학습을 사용하는 것
• 생성형 AI의 활용 
  • 고객 경험 개선 : 챗봇, 가상 어시스턴트, 지능형 콜 센터, 개인화 및 콘텐츠 조정
  • 직원의 생산성 향상 : 대화형 검색, 콘텐츠 제작, 텍스트 요약
  • 비즈니스 운영 개선 : 지능형 문서 처리, 유지 관리 지원, 품질 관리 및 시각적 검사
  • 창의적 콘텐츠 제작 : 텍스트, 애니메이션, 동영상 및 이미지 생성을 포함한 예술 콘텐츠 제작
• 생성형 AI의 한계 
  • 느닷 없는 오류 생성 (=Hallucination)
  • 데이터 필터링 난제 : 명확하지 않은 공유 데이터와 기밀 데이터 구분
  • 저작권의 악몽 : 특정 비즈니스에 맞춤화가 필요한 기업의 데이터 유출

※ Reference ※

https://aws.amazon.com/ko/what-is/generative-ai/

https://cloud.google.com/use-cases/generative-ai?hl=ko

https://www.ciokorea.com/news/307591

생성형 AI는 분명 우리 삶에 많은 도움을 주고 있고 세상을 발전시킬 수 있는 기술이다. 생성형 AI를 통해 영화나 드라마에서만 보던 편리한 생활을 할 수 있게 될 것이다. 그러나 한편으로는 어디까지 발전해서 삶에 침투할지 무섭기도 하다. 기업 내에서 생성형 AI를 활용하기 위해 자체 LLM을 구축할 수도 있지만 모든 기업에서 이를 실행하기는 어렵다. 따라서 기업 내 생성형 AI를 올바르게 사용하기 위해서는 생성형 AI의 명암을 확실하게 알고 올바른 정책과 교육을 제공해야 한다.

IT 뉴스 제공 웹 사이트

1. 테크니들 : https://techneedle.com/ (실리콘 밸리 중심 해외 IT 뉴스)
2. 긱뉴스 : https://news.hada.io/
3. 블로터 닷넷 : http://www.bloter.net/
4. 티타임즈 : https://www.ttimes.co.kr/ 
5. 아이티 월드 : https://www.itworld.co.kr/main/
6. AI 타임스 : https://www.aitimes.com/
7. ZDNet Korea : https://zdnet.co.kr/ (해외 IT 미디어 ZDNet의 한국판)

기업 개발 블로그

1. Naver D2 블로그 : https://d2.naver.com/home
2. 구글 코리아 개발자 블로그 : https://developers-kr.googleblog.com/
3. 당근 기술 블로그 : https://medium.com/daangn
4. 우아한 형제들 기술 블로그 : https://techblog.woowahan.com/
5. 카카오 기술 블로그 : https://tech.kakao.com/
6. 토스 랩 기술 블로그 : https://tosslab.github.io/