나의 공부기록

하루에도 수천, 수만 개의 제품이 쏟아져 나오는 공장,24시간 멈추지 않는 CCTV 모니터링,사람이 일일이 보고 점검하기에는 불가능에 가까운 데이터량 속에서AI가 이제 ‘현장 관리자’ 역할을 하기 시작했습니다.이번 편에서는 공장, 보안, 품질관리 같은 현실 산업 현장에서 쓰이는 AI Task들을 조금 더 깊게 파헤쳐 보겠습니다. Anomaly Detection – “정상”이 뭔지부터 배우는 AI산업 현장에서 “이상”을 정의하는 건 생각보다 쉽지 않습니다.불량은 종류가 다양하고, 모양도 제각각이기 때문이죠.그래서 Anomaly Detection은 대부분 비지도 학습(unsupervised learning) 방식으로정상 데이터만 가지고 학습하고, 정상과 다른 패턴이 나타나면그걸 이상으로 판단합니다.예를 들어..

카메라가 사람 얼굴을 인식하는 건 이제 너무 당연한 세상이 되었죠.하지만 요즘 AI는 단순히 “사람이 있다/없다” 수준에서 멈추지 않습니다.사람이 지금 어떤 동작을 하고 있는지, 어떤 감정을 느끼고 있는지,나아가 이 사람이 어디로 가고 있는지까지 예측합니다.이번 편에서는 사람을 이해하는 AI, 즉 “Human-centric AI”의 여러 가지 Task들을 이야기해 보겠습니다.1. Pose Estimation – 사람 몸의 좌표를 데이터로 바꾸다Pose Estimation은 사람의 관절 위치를 예측해서머리, 어깨, 팔꿈치, 손목, 무릎, 발목 등 주요 지점을 찍어내고이 점들을 선으로 연결해 뼈대(skeleton) 형태로 표현하는 기술입니다.2D Pose Estimation은 한 장의 이미지에서 x, y 좌..

사진은 한 순간을 담지만, 비디오는 이야기를 담습니다.한 장면 한 장면이 이어져 시간이라는 흐름을 만들고, 그 안에서 무수한 이벤트가 벌어지죠.그래서 비디오를 이해한다는 건 단순히 “이미지를 여러 장 본다” 이상의 일입니다.AI가 이 시간의 흐름을 이해하기 시작하면서, 자율주행부터 CCTV 보안, 스포츠 분석, 심지어 유튜브 챕터 생성까지완전히 새로운 세상이 열렸습니다.오늘은 이 “움직임을 이해하는 AI”가 어떤 일을 하는지, 조금 천천히 깊이 들어가 보겠습니다. Action Recognition – “이 사람, 지금 뭐 하고 있지?”가장 기초적인 작업은 영상 속 사람이나 사물이 무슨 행동을 하고 있는지 분류하는 겁니다.예를 들어 사람이 걷고 있는지, 뛰는지, 앉아 있는지, 박수를 치는지… 이런 것들이죠..

사진을 찍었는데 노이즈가 심하거나 흔들려서 망했다고 생각한 적 있나요?아니면 오래된 흑백 사진을 컬러로 되살리고 싶었던 적은요?사실 우리가 매일 보는 선명한 사진과 영상 뒤에는,이런 문제를 해결해주는 딥러닝 모델들이 숨어 있습니다.오늘은 “이미지를 살려내고 더 멋지게 만드는” 딥러닝 세계를 제대로 파헤쳐 보겠습니다. 1. Image Denoising – 노이즈 없는 세상을 향해스마트폰으로 밤에 사진 찍어보면, 자글자글한 노이즈가 눈에 띄죠.예전에는 필터로 사진 전체를 부드럽게 만드는 방식이 주였는데,이러면 노이즈도 사라지지만 세부 디테일까지 사라져 버렸습니다.딥러닝은 여기서 한 단계 더 나아갑니다.CNN이나 Transformer 기반 모델은 “노이즈만” 골라서 없애고,피사체의 중요한 질감은 그대로 살려줍..

“GPT-5랑 Gemini 얘기만 하다가 Claude는 뭐야?”“Claude는 글 잘 쓰는 AI 아니야?”이제는 아닙니다. Anthropic의 Claude 3 모델 패밀리는단순히 글 잘 쓰는 챗봇을 넘어서 멀티모달 reasoning 모델로 진화했습니다.이번 글에서는 Claude 3의 모델 구성, 성능, 비전 기능, 안전성, 그리고GPT-5·Gemini와 어떤 점에서 다른지까지 깊게 들어가 보겠습니다.모델 패밀리 – Opus, Sonnet, Haiku Claude 3 모델은 3가지 버전으로 제공됩니다:Claude 3 Opus가장 강력한 모델.복잡한 수학, 추론, 장문 분석, 코딩에서 최고 성능을 보여줍니다.GPQA, MMLU 같은 까다로운 벤치마크에서 SOTA(State-of-the-Art) 달성.Clau..

“요즘 오픈소스 LLM 중에 핫한 게 뭐야?”바로 그 중 하나 DeepSeek-V3입니다.이 글 하나로 DeepSeek-V3의 핵심 설계와 특징을 한 번에 이해해 봅시다.모델 개요 DeepSeek-AI는 총 671B 파라미터를 가진 초대형 Mixture-of-Experts (MoE) 언어 모델 DeepSeek-V3를 공개했습니다.이 중 토큰당 활성화되는 파라미터는 37B로, 거대한 모델임에도 효율적인 추론과 비용 절감이 가능합니다.이 모델은 이전 세대 DeepSeek-V2에서 검증된 기술을 발전시켜:Multi-head Latent Attention (MLA) → 메모리·속도 최적화DeepSeekMoE 아키텍처 → 전문가 라우팅을 통한 계산 효율성 극대화Multi-Token Prediction (MTP)..

회의에서 누가 “Gemini 2.5 Pro 써봤어?” 하고 묻는데 대답 못 해봤다면?오늘 글 하나면 Gemini 2.X 시리즈를 깔끔히 정리하고,GPT-5와 비교해서 뭐가 다른지 자신 있게 말할 수 있습니다.Gemini 2.X, 뭐가 다르길래? Google DeepMind는 Gemini 2.5 Pro, Gemini 2.5 Flash, Gemini 2.0 Flash, Flash-Lite까지네 가지 모델로 구성된 최신 AI 제품군을 발표했습니다.공통점은 모두 네이티브 멀티모달, 긴 컨텍스트(1M 토큰), 에이전트 기능 지원입니다.즉, 텍스트·이미지·오디오·비디오·코드까지 한 번에 이해하고,복잡한 문제를 단계별로 풀어낼 수 있다는 뜻입니다.모델별 특징 – “Pro는 똑똑, Flash는 빠름”Gemini 2...

GPT-5는 단순히 GPT-4의 큰형 버전이 아닙니다.이번 세대에서 OpenAI는 단일 모델(monolithic model) 방식에서 벗어나 다중 전문가 모델 + 라우터라는 새로운 패러다임으로 넘어갔습니다.이번 편에서는 GPT-5의 아키텍처와 설계를 글로 길게 풀어보며, 이 모델이 어떻게 작동하는지 직관적으로 이해해 보겠습니다.두 개의 두뇌, 하나의 팀GPT-5는 하나의 모델이 아니라 두 개의 두뇌로 구성된 시스템입니다.하나는 빠르고 효율적인 gpt-5-main, 다른 하나는 깊이 사고하는 gpt-5-thinking입니다.gpt-5-main은 GPT-4o의 계보를 잇는 모델로, 일반 대화, 검색, 요약 같은 빠른 질의에 적합합니다.응답 속도가 빠르고 비용도 낮아서, API나 ChatGPT에서 가장 많이 ..

GPT-5가 나왔다고 해서 모든 게 끝난 건 아니다.오늘은 GPT-5의 경쟁자들과의 차이점, 그리고 여전히 남아 있는 숙제를 이야기합니다.GPT-5 vs 다른 프런티어 LLM – 누가 더 강할까? GPT-5는 단순히 새로운 모델이 아니라 균형 잡힌 강점을 갖춘 모델입니다.하지만 Anthropic, Google, Meta, Mistral 같은 경쟁자들도 만만치 않죠.하나씩 비교해 봅시다.Anthropic Claude 4 vs GPT-5코딩: GPT-5가 근소하게 우세 (74.9% vs ~72.7%)수학·추론: GPT-5가 더 강함장문 처리: Claude가 여전히 매끄럽고, 컨텍스트 100k+로 안정적코드 스타일: Claude는 더 안전하고 깔끔한 코드 생성으로 칭찬받음아는 척 포인트:“GPT-5는 코딩·..

GPT-5가 드디어 등장했습니다.AI 커뮤니티에서 가장 많이 들리는 말은 “이번엔 진짜 한 단계 진화했다”는 것.그런데 구체적으로 뭐가 달라졌는지, 실제 업무에서 어떤 의미가 있는지 궁금하신 분들 많죠?오늘은 OpenAI가 공개한 GPT-5 시스템 카드를 바탕으로회의에서, 팀 브리핑에서, 심지어 술자리에서 “나 GPT-5 좀 아는 사람” 소리를 들을 수 있을 정도로 깊이 정리해 보겠습니다.GPT-5 = 라우팅 듀오 (gpt-5-main + gpt-5-thinking)GPT-5의 가장 큰 변화는 듀얼 모델 구조입니다.이전 모델들(GPT-4o, o3)은 단일 모델이었지만, GPT-5는 두 모델이 짝을 이루어 돌아갑니다.gpt-5-main빠르고 저렴일상 질의, 간단한 작업에 최적화Latency(응답속도)가 매..