• 문화기술의 융합
• /
• 제10권4호
• /
• pp.607-612
• /
• 2024

생성형 AI(Generative Artificial Intelligence)는 다양한 형태의 데이터를 생성하는 인공지능(Artificial Intelligence, AI) 기술이다. ChatGPT의 성공 이후, 생성형 AI 시장은 빠르게 성장하고 있다. 생성형 AI 기술 및 시장의 성장에 따라, 다양한 산업 분야에서는 이를 적극적으로 활용하고 있다. 본 논문에서는 생성형 AI의 현황과 활용사례에 대해 살펴보고, 생성형 AI의 전반적인 발전 방향에 대해 논의한다. 현재의 생성형 AI는 도메인 지식(Domain Knowledge)과 데이터를 기반으로 학습되어 특정 산업 분야에 특화된 수직적 AI(Vertical AI)의 형태로 발전되고 있다. 머지않은 미래에 생성형 AI는 학습되지 않은 사항도 사람처럼 스스로 판단하여 처리하는 일반 인공지능(범용 인공지능, Artificial General Intelligence, AGI)로 확장되어 다양한 환경에 더욱 유연하게 활용할 수 있을 것으로 기대한다.

• 정보보호학회논문지
• /
• 제34권2호
• /
• pp.301-321
• /
• 2024

생성형 인공지능은 현재 빠른 속도로 발전하고 있고, 산업적으로도 확대되고 있다. 생성형 인공지능의발전은 대부분의 산업 분야에서 생산성을 향상시킬 수 있을 것이라 기대되고 있다. 그러나 생성형 인공지능은 악용될 수 있으며, 실제로 범죄까지 이어지는 사례들이 등장하고 있다. 빠르게 발전하는 인공지능의 속도에 비해 이를 규제할 수 있는 법안이 존재하지 않는다. 국내의 경우, 법률제정을 위한 생성형 인공지능 기술과 관련된 범죄 및 위험에 대한 분류가 명확하게 이루어지지 않은 상황이다. 이에 본 연구에서는 생성형 인공지능 관련 범죄를 기존 사이버범죄 분류법에 착안하여 생성형 인공지능 침해범죄 위협, 생성형 인공지능 이용범죄 위협, 기타 인공지능 관련 위협으로 구분하고자 하였다. 또한, 범죄 및 위험에 대한 기술적 대응 방안을 인공지능 개발 단계별로 제시하여 현실성 있는 위협 대응 방안을 다루었다. 법·제도적 개선사항을 통해 생성형 인공지능 범죄에 대한 개발사의 책임과 데이터 수집 방법론의 법제화 등을 제시하였다.

• Journal of Korea Artificial Intelligence Association
• /
• 제1권1호
• /
• pp.7-10
• /
• 2023

This study proposes an AI-based shoe recommendation model based on user clothing image data to solve the problem of the global fashion industry, which is worsening due to factors such as the economic downturn. Shoes are an important part of modern fashion, and this research aims to improve user satisfaction and contribute to economic growth through a generative AI-based shoe recommendation service. By utilizing generative AI in the personalized consumer market, we show the feasibility, efficiency, and improvements through an accessible web-based implementation. In conclusion, this study provides insights to help fulfill consumer needs in the ever-changing fashion market by implementing a generative AI-based shoe recommendation model.

• 국제초고층학회논문집
• /
• 제12권3호
• /
• pp.203-208
• /
• 2023

The implementation of artificial intelligence (AI) design for tall building structures is an essential solution for addressing critical challenges in the current structural design industry. Generative AI technology is a crucial technical aid because it can acquire knowledge of design principles from multiple sources, such as architectural and structural design data, empirical knowledge, and mechanical principles. This paper presents a set of AI design techniques for building structures based on two types of generative AI: generative adversarial networks and graph neural networks. Specifically, these techniques effectively master the design of vertical and horizontal component layouts as well as the cross-sectional size of components in reinforced concrete shear walls and frame structures of tall buildings. Consequently, these approaches enable the development of high-quality and high-efficiency AI designs for building structures.

• Korean Journal of Radiology
• /
• 제25권3호
• /
• pp.224-242
• /
• 2024

The emergence of Chat Generative Pre-trained Transformer (ChatGPT), a chatbot developed by OpenAI, has garnered interest in the application of generative artificial intelligence (AI) models in the medical field. This review summarizes different generative AI models and their potential applications in the field of medicine and explores the evolving landscape of Generative Adversarial Networks and diffusion models since the introduction of generative AI models. These models have made valuable contributions to the field of radiology. Furthermore, this review also explores the significance of synthetic data in addressing privacy concerns and augmenting data diversity and quality within the medical domain, in addition to emphasizing the role of inversion in the investigation of generative models and outlining an approach to replicate this process. We provide an overview of Large Language Models, such as GPTs and bidirectional encoder representations (BERTs), that focus on prominent representatives and discuss recent initiatives involving language-vision models in radiology, including innovative large language and vision assistant for biomedicine (LLaVa-Med), to illustrate their practical application. This comprehensive review offers insights into the wide-ranging applications of generative AI models in clinical research and emphasizes their transformative potential.

• 한국인공지능학회지
• /
• 제12권3호
• /
• pp.25-31
• /
• 2024

The purpose of this study is to develop a sophisticated web-based artificial intelligence chatbot system designed to provide personalized dietary service for diabetic patients. According to a 2022 study, the prevalence of diabetes among individuals over 30 years old was 15.6% in 2020, identifying it as a significant societal issue with an increasing patient population. This study uses generative AI algorithms to tailor dietary recommendations for the elderly and various social classes, contributing to the maintenance of healthy eating habits and disease prevention. Through meticulous fine-tuning, the learning loss of the AI model was significantly reduced, nearing zero, demonstrating the chatbot's potential to offer precise dietary suggestions based on calorie intake and seasonal variations. As this technology adapts to diverse health conditions, ongoing research is crucial to enhance the accessibility of dietary information for the elderly, thereby promoting healthy eating practices and supporting disease prevention.

• Asia pacific journal of information systems
• /
• 제34권1호
• /
• pp.150-190
• /
• 2024

This article proposes a framework to elucidate the structural dynamics of the generative AI ecosystem. It also outlines the practical application of this proposed framework through illustrative policies, with a specific emphasis on the development of the Korean generative AI ecosystem and its implications of platform strategies at AI platform-squared. We propose a comprehensive classification scheme within generative AI ecosystems, including app builders, technology partners, app stores, foundational AI models operating as operating systems, cloud services, and chip manufacturers. The market competitiveness for both app builders and technology partners will be highly contingent on their ability to effectively navigate the customer decision journey (CDJ) while offering localized services that fill the gaps left by foundational models. The strategically important platform of platforms in the generative AI ecosystem (i.e., AI platform-squared) is constituted by app stores, foundational AIs as operating systems, and cloud services. A few companies, primarily in the U.S. and China, are projected to dominate this AI platform squared, and consequently, they are likely to become the primary targets of non-market strategies by diverse governments and communities. Korea still has chances in AI platform-squared, but the window of opportunities is narrowing. A cautious approach is necessary when considering potential regulations for domestic large AI models and platforms. Hastily importing foreign regulatory frameworks and non-market strategies, such as those from Europe, could overlook the essential hierarchical structure that our framework underscores. Our study suggests a clear strategic pathway for Korea to emerge as a generative AI powerhouse. As one of the few countries boasting significant companies within the foundational AI models (which need to collaborate with each other) and chip manufacturing sectors, it is vital for Korea to leverage its unique position and strategically penetrate the platform-squared segment-app stores, operating systems, and cloud services. Given the potential network effects and winner-takes-all dynamics in AI platform-squared, this endeavor is of immediate urgency. To facilitate this transition, it is recommended that the government implement promotional policies that strategically nurture these AI platform-squared, rather than restrict them through regulations and stakeholder pressures.

• 실천공학교육논문지
• /
• 제15권3호
• /
• pp.589-595
• /
• 2023

인공지능 기술은 기술과 교육을 조합한 에듀테크(EdTech) 분야에서 효율적인 교육 콘텐츠 제공과 개인화된 학습자 환경을 구축 등 새로운 혁신을 이끌고 있다. 본 연구는 최근 발전된 생성형 AI를 활용한 프로그래밍 교육 소프트웨어를 개발한다. 최근 잘 알려진 ChatGPT API 기반으로 프로그래밍 코드 분석에 최적화된 프롬프트를 연동했다. 이외 프로그래밍 소스 코드 학습에 필요한 기능을 UI로 설계하고 AI 챗봇 기반의 질의/응답 템플릿 기능으로 개발하였다. 본 연구는 생성형 인공지능을 활용한 교육 프로그램 개발의 방향성을 제시하고자 한다.

• 한국과학교육학회지
• /
• 제43권3호
• /
• pp.307-319
• /
• 2023

본 연구는 최근 주목받고 있는 텍스트 기반 생성형 인공지능에 대해 관심과 활용이 증가함에 따라 과학교육적 측면에서의 활용을 위해 생성형 인공지능의 주요 개념과 원리를 설명하고, 이를 효과적으로 활용할 수 있는 방안과 그 한계를 지적하며 이를 토대로 과학교육의 실행과 연구의 측면에서 시사점을 제공하는 것을 목적으로 한다. 최근 들어 증가하고 있는 생성형 인공지능은 대체로 인코더와 디코더로 이뤄진 트랜스포머 모델을 기반으로 하고 있으며, 인간의 피드백을 활용한 강화학습과 보상 모델에 대한 최적화, 문맥에 대한 이해 등을 통해 놀라운 발전을 이루고 있다. 특히, 다양한 사용자의 질문이나 의도를 이해하는 능력과 이를 바탕으로 한 글쓰기, 요약, 제시어 추출, 평가와 피드백 등 다양한 기능을 수행할 수 있다. 또한 교수자가 제시하는 예를 토대로 주어진 응답을 평가하거나 질문과 적절한 답변을 생성하는 등 학습자에 대한 진단과 실질적 교육내용의 구성 등 많은 유용성을 가지고 있다. 그러나 생성형 인공지능이 가지고 있는 한계로 인해 정확한 사실이나 지식에 대한 잘못된 전달, 과도한 확신으로 인한 편향, 사용자의 태도나 감정 등에 미칠 영향의 불확실성 등에 대한 문제 등에 대해 해가 없는지 검토가 필요하다. 특히, 생성형 인공지능이 제공하는 응답은 많은 사람들의 응답 데이터를 기반으로 한 확률적 접근이므로 매우 거리가 멀거나 새로운 관점을 제시하는 통찰적 사고나 혁신적 사고를 제한할 우려도 있다. 이에 따라 본 연구는 과학교수학습을 위해 인공지능의 긍정적 활용을 위한 여러 실천적 제언을 제시하였다.

• 전자통신동향분석
• /
• 제38권5호
• /
• pp.1-11
• /
• 2023

The emergence of generative hyperscale artificial intelligence (AI) has enabled new services, such as image-generating AI and conversational AI based on large language models. Such services likely lead to the influx of numerous users, who cannot be handled using conventional AI models. Furthermore, the exponential increase in training data, computations, and high user demand of AI models has led to intensive hardware resource consumption, highlighting the need to develop domain-specific semiconductors for hyperscale AI. In this technical report, we describe development trends in technologies for hyperscale AI processors pursued by domestic and foreign semiconductor companies, such as NVIDIA, Graphcore, Tesla, Google, Meta, SAPEON, FuriosaAI, and Rebellions.