[작성자:] fc_story

OpenAI 와 같은 AI 개발자의 획기적인 발전으로 인해 최근 몇 년 동안 인공 지능이 급부상했습니다 . AI에 대한 연구는 방대하고 매년 확장하고 있는 만큼 중요성을 나날이 높아만 가고 있는데요. 

이러한 생성형 AI, 제대로 대비하기 위한 강좌를 모아 소개드리겠습니다.  

[생성형 AI 무료 강의 list 5] 

1. 구글, Generative AI for Developers Learning Path

https://www.cloudskillsboost.google/paths/183

앱 개발자, 기계 학습 엔지니어 및 데이터 과학자를 위해 구축된 기술 중심의 생성형 AI를 알려줍니다. 

2. MS, Generative AI for Beginner

 https://microsoft.github.io/generative-ai-for-beginners

이 강의는 18개의 레슨으로 구성되어 있습니다. 각 수업마다 주제가 다르니 원하는 주제를 자유롭게 선택하여 들으실 수 있습니다.

3. DeepLearning AI

 https://www.deeplearning.ai/short-courses

DeepLearning.AI에서 단기 과정으로 생성 AI 알려줍니다! 새로운 기술, 도구 및 개념을 효율적으로 배울 수 있고,  제한된 시간 동안 무료로 사용할 수 있습니다.

5. IBM, Generative AI for SW Developer

– https://www.coursera.org/…/generative-ai-for-software…

소프트웨어 개발자를 위한 생성형 AI 특화 과정으로, 초급부터 특화과정까지 다양한 강의가 구성되어있습니다. 

[생성형 AI 유료 강의 list 5]

인기 많은 생성형 AI 유료강의도 소개해드리겠습니다.

2024년까지 자유롭게 쓰실 수 있는 쿠폰코드도 준비되어있으니 저렴하게 만나보세요! 

쿠폰 코드 : PRDSAL240503_genailist 

1. 프롬프트 엔지니어링으로 시작하는 AI/LLM 서비스 개발: 9개 프로젝트로 챗봇부터 AI 에이전트까지

2. AI 트렌드 :  Consumer AI의 시작, 그리고 Enterprise AI

Consumer AI란? : 고객 경험 향상 및 제품 향상

– 소비자 AI는 두 가지 차원으로 전개됩니다. a) 고객 경험(CX)을 개선하기 위해 고객 행동을 이해합니다 . b) 데이터를 활용하여 제품을 향상시킵니다. eBay와 같은 거대 기술 기업과 같은 얼리어답터는 상당한 이익을 얻었습니다. eBay는 광범위한 데이터 세트를 분석하여 500개의 지표와 50페타바이트의 데이터에서 얻은 심오한 통찰력을 기반으로 개인화를 모든 고객에게 확장함으로써 획기적인 개인화를 달성했습니다. 소비자 AI의 하위 집합인 기계 학습 기술은 특히 금융 영역에서 통계 모델링을 대체했습니다. 소비재 산업에서 AI는 대규모 데이터 세트의 패턴 인식을 통해 새로운 제품 기능을 추진하고 대량 개인화를 달성하는 데 중추적인 역할을 합니다. 프런트엔드 AI(봇)와 AI 지원 휴먼 에이전트로 분류되는 챗봇의 등장은 주목할 만한 징후이며 영업 및 마케팅 리더의 80%가 고객 경험 개선에 대한 기여를 인정했습니다. CX에 대한 AI의 영향은 반응형 소매, 은행의 로보어드바이저, 전자상거래의 AI 기반 쇼핑 도우미 등으로 확장됩니다. 소비자 AI는 고객 경험에 혁신적인 영향을 미칠 것이라는 예측을 통해 게임 체인저가 되었습니다.

Enterprise AI란? : 지배적인 조직 기술

– 기업 환경에서는 AI의 지배력이 ERP(전사적 자원 관리) 생태계를 크게 형성하고 있음을 목격합니다. 조직의 성과에 초점을 맞춘 Enterprise AI는 시장에서 지배적인 세력으로 성장했습니다. 복잡한 과제를 해결하고 일상적인 작업을 자동화하며 근본 원인 분석을 수행하고 프로세스 간소화에 기여합니다.

소비자 AI는 메신저, 이메일, 웹사이트, 앱을 통해 고객과 직접 인터페이스하는 반면, 엔터프라이즈 AI는 보다 조직 중심적이며 기업의 정량화 가능한 최종 가치를 강조합니다. KPI 중심 결과를 달성하기 위해 지도 학습 기술을 사용하는 심층적인 도메인 전문 지식이 필요합니다. 특히 Enterprise AI는 자동화된 마케팅 예산, 사기 탐지, 직원 경험 개선 , 판매 고객 가치 예측 과 같은 영역에서 기반을 찾았습니다 .

2024 AI 트렌드 : Consumer AI와 Enterprise AI의 차이점

– Consumer AI는 인터페이스를 주요 초점으로 활용하여 더 나은 고객 경험을 목표로 하는 반면, Enterprise AI는 조직 내에서 지능형 제품과 솔루션을 만들고 최적화하는 데 집중합니다. 2022년에 발행된 Deloitte의 기업 AI 현황(5판)에 따르면 비즈니스 리더 중 94%는 AI가 향후 5년 동안 비즈니스 성공에 중요할 것이라고 생각합니다.

결론적으로 Consumer AI와 Enterprise AI의 시너지는 다양한 부문에서 혁신과 효율성을 주도하고 있습니다. 각 변형의 고유한 특성을 인식하는 것은 해당 영역에서 인공 지능의 잠재력을 최대한 활용하려는 기업에 필수적입니다. 앞으로 소비자 AI와 엔터프라이즈 AI의 공생 관계는 산업이 운영되고 가치를 제공하는 방식을 계속해서 재정의될 것으로 보여요.

Consumer AI가 가속화 되는 이유

최근 AI가 소비자 영역으로 가속화되는 요인은 AI가 특히 기술에 익숙하지 않은 사람들에게 훨씬 더 사용자 친화적이 되었다는 것입니다. AI의 개념은 널리 알려져 있지만 대부분의 사람들에게 AI와의 직접적인 상호 작용은 제한적이었는데요. 대부분의 사람들은 검색 알고리즘과  소셜 미디어 추천을 강화하는 데 있어 AI의 역할을 알고 있었지만, 이는 주로 사용자가 일상 생활에서 적극적으로 참여하거나 활용하도록 선택할 수 있는 도구가 아니라 기업이 통제하는 결과였습니다. 그러나 2022년 11월 ChatGPT가 출시되면서 상황이 극적으로 바뀌었고, ChatGPT가 출시되었을 때 아마도 역사상 처음으로 소비자에게는 활동이 텍스트인 한 AI 시스템과 자신의 방식으로 상호 작용할 수 있는 기회가 주어졌습니다. 기반을 둔. 전 세계의 책, 영화, 텍스트 및 기타 다양한 정보를 포괄하는 방대한 데이터베이스를 갖춘 ChatGPT는 대규모 데이터 세트에 빠르게 액세스하고, 분석하고, 이해할 수 있는 능력을 통해 사용자에게 무한한 가능성을 제공합니다. 이러한 다양성은 사용자가 AI로 인해 발생하는 광범위한  사용 사례를 활용할 수 있음을 의미했는데요. 이 플랫폼은 빠르게 1억 5천만 명 이상의 사용자를 확보했으며, 기술 지식이 없는 소비자가 처음으로 AI를 일상 생활에 통합할 수 있는 중요한 순간을 기록했습니다.

소비자 AI가 인기를 얻은 이유

의심할 여지 없이 “비즈니스용 AI” 분야에는 상당한 가치가 있습니다. 다른 많은 사용 사례 중에서 기업은 대규모 데이터 세트를 사용하고, AI 시스템이 패턴을 식별하도록 하고, 운영을 개선하고 수익을 높이는 예측을 할 수 있습니다. 그러나 기업을 위한 제품과 서비스는 소비자 제품과 동일한 네트워크 효과를 갖는 경향이 없습니다. 입소문과 소셜 공유로 인해 소비자 제품은 더 빠른 바이러스 확산으로 이익을 얻는 경우가 많습니다. 소비자 제품의 가치는 개인 네트워크에서 더 많은 사람들이 사용함에 따라 증가하여 개인적인 상호 작용과 경험 공유가 향상됩니다. 올해 후반에 GPT 스토어가 출시되면 이러한 네트워크 효과 요소가 펼쳐지는 것을 볼 수 있을 것입니다. 또한, 소비자 제품은 일반적으로 광범위하고 다양한 사용자 기반을 대상으로 하며, 때로는 산업별로 특화된 경향이 있고 새로운 기술로 전환하는 데 드는 비용이 너무 높기 때문에 채택 속도가 느린 엔터프라이즈 제품에 비해 더 강력한 네트워크 효과를 가져올 수 있습니다. 예를 들어, 기업에  새로운 기술을 구현하거나 운영할 인력이 없을 수도 있습니다 . 즉, chatGPT가 시장에 출시된 이후 AI의 급속한 확산을 주도한 원동력은 실제로 기업이 아닌 소비자였습니다. 전 세계의 소비자는 OpenAI와 ChatGPT가 이제 누구나 아는 이름이 된 이유이자 AI와 AI가 세상에 미치는 잠재적으로 긍정적이고 부정적인 영향이 저녁 식탁 대화의 일부인 이유입니다.

소비자 기술 트렌드를 활용하는 기업

AI 트렌드에 맞춰, Consumer AI를 실현하는 국내 대기업도 AI 가전 서비스에 박차를 가하고 있는데요. 지금부터 대표적인 AI 가전 트렌드를 활용하는 기업을 소개할게요! 

– LG전자 : 세탁건조가전, 세계 첫’UL 딥러닝 AI 검증’ 획득

LG전자는 지난 해 UP가전을 선포하여 개인에게 맞춘 제품을 출시하고 있는데요. UP가전은 구매하는 순간 구형이 되는 기존 가전의 한계를 넘어, 구매 후에도 새로운 기능과 성능을 추가로 제공해 고객에게 맞춰 계속 진화하는 가전을 의미합니다. 스마트폰이 업데이트를 통해 새로운 기능을 누릴 수 있게 해주는 것과 같아요. 이는 사용자가 보다 성능 좋고 편리한 가전을 사용하고, 인지 노동을 줄여주는데 기여할 것입니다. 또 에너지 절약, 친환경 관점에서 더욱 향상된 제품이 앞으로의 가전이 제시할 모습이라고 생각합니다.

– 삼성 : 비스포크 AI 패밀리허브 냉장고

비스포크 AI 패밀리허브 냉장고에는 카메라 센서에 기반한 AI 비전 기술이 집약돼 있다. 약 100만 장의 식품 사진을 학습한 AI가 냉장고 내부 카메라를 통해 입출고되는 식재료를 파악하고, 보관 기한 임박 시 알림을 주는 식이다. 로봇청소기 비스포크 AI 스팀은 170만개의 사물 데이터를 학습한 AI DNN 모델을 바탕으로 청소기가 다양한 사물을 자동 인식한다. 삼성이 올해 비스포크 AI 라인업에서 강조하는 기술은 카메라 센서를 통한 AI비전, 빅스비를 활용한 AI 보이스, 소비자 사용 패턴을 분석해 성능을 개선하는 AI 데이터까지 총 세 가지다. 이 같은 AI 기능을 탑재한 각 제품은 삼성전자의 스마트홈 플랫폼인 스마트싱스로 연결된다. 삼성전자가 매년 강조해 온 초연결 생태계인 셈. 다만 AI 기능을 더한 이번 라인업에서는 초연결이 한층 확장됐다. 가장 큰 특징 중 하나는 스크린 에브리웨어 전략이다. 각 제품에 탑재된 LCD 스크린이 연결된 모든 가전을 제어하는 인터페이스인 AI홈으로 작동해, 결국 스크린이 있는 어디서나 가전을 관리할 수 있게 된다.또한, 스마트싱스에 기반해 지속적인 소프트웨어 업그레이드로 새로운 기능을 항시 적용하는 스마트 포워드 서비스도 새롭게 도입 예정이다.

3. 인간과 AI의 연결에 있어 취해야 할 자세와 향후 방향성 :  소비자 중심 AI가 기술을 변화시키는 방법 + 강의 연결

소비자 중심 AI 분야의 발전과 혁신 덕분에 AI는 틈새 기술 분야에서 소비자 중심 현상으로 발전했습니다. AI를 오늘날의 수준으로 끌어올리는 데 기업과 기술자가 중요한 역할을 했지만 AI의 인기 상승을 진정으로 촉진한 것은 소비자, 더욱 구체적으로 말하면 ChatGPT 사용자에요 . AI가 폭넓게 매력을 느끼는 이유는 다양한 사용 사례, 사용자 친화적인 인터페이스, 일상 생활에 가져오는 효율성 때문입니다. 이것이 AI가 지난 2년 동안 끊임없는 논의 주제가 된 진짜 이유입니다. AI에 대한 변혁의 순간은 AI 플랫폼이 기술 지식이 없는 개인에게도 접근 가능해졌을 때 찾아왔습니다. 이러한 AI 기술의 민주화는 혁신의 물결을 촉발했습니다. 이전에는 많은 AI 제품과 서비스가 기술적으로 숙련된 사람들을 위해 설계되었지만, 접근성이 더 넓어지면서 상당 부분의 인구가 사용할 수 있는 AI 애플리케이션이 등장하고 있으며 이는 우리가 보고 있는 네트워크 효과를 강화할 뿐입니다. 이러한 변화로 인해 사람들은 다른 사람의 메시지를 채택하거나 AI를 일상 생활에 통합하는 새로운 방법을 모색하는 등 자신의 고유한 AI 사용 사례를 공유하고 삶과 업무의 다양한 측면에서 가치를 창출하게 되었습니다. 하지만 소비자가 있는 곳에는 수익을 창출하려는 기업도 있을 것입니다. 전자 제조업체는 소비자가 AI 사용에 관심을 갖는 방식을 보완하고 향상시키는 제품을 개발하여 대응해왔어요.

기본 기술이 계속 발전하고 AI 애플리케이션에 대한 소비자 수요에 대한 통찰력이 더욱 명확해짐에 따라 가전 서비스는 복합적인 측면에서 성장할 것입니다.업계는 이러한 변화하는 소비자 요구를 충족하는 제품과 서비스를 만드는 데 점점 더 중점을 두고 있으며, 이를 통해 AI는 기술적 유행일 뿐만 아니라 우리 일상 생활의 실용적이고 필수적인 부분으로 남아 있을 거에요. 그렇기에 지금부터 우리가 AI 가전 서비스 구현을 실현해봐야 하는 이유입니다.

글로벌 테크 기업이 눈에 불을 켜고 개발중인 AI 스마트/홈 가전 서비스, 왜? AI 프로덕트의 ‘사용자 경험 향상’ 즉, ‘인간과 AI의 연결’에 주목하기 때문입니다. 이미지 & 영상 데이터 전처리, GPT, CLIP, Video LLaMA 등 스마트 홈/가전 서비스 개발을 위해 필요한 실전 활용 인공지능 대표 기술 총집합! 컴퓨터비전 + LLM 멀티모달 중심 5가지 스마트 가전 AI 서비스, 여러분께 ‘최초’ 공개합니다. 인공지능 문화를 선도하는 CEO들이 주목하는 AI 스마트 가전 프로덕트 개발로, 제일 먼저 AI 트렌드를 이끌어보세요!

사실 최근의 수많은 모바일 앱들은, 웹뷰를 이용해 웹 페이지를 앱에 띄우는 방식도 함께 사용하고 있습니다.

그 이유는 바로 ‘생산성’ 때문인데요. 웹뷰를 활용해 하이브리드 앱 개발을하게 되면 기존 웹 기술을 활용하여 더욱 신속하게 앱을 개발할 수 있어 개발 효율성을 높이며, 업데이트를 직접 배포할 수 있어 빠른 가설 검증과 배포가 가능합니다. 그리고, 이런 하이브리드 앱 개발을 위해 가장 요구되며 대세로 떠오르고 있는 스택이 바로 ‘React Native’입니다.

☑️ 가격 : 230,000원

☑️ 판매처 : 로봇몰(링크) (*공식 이커머스 내 미판매 중)

☑️ 특징 

인공지능 NUGU가 탑재되어 다양한 모드로 학습 가능!

➡️ 셀프 코딩 모드: 알버트AI 앱 없이도 스스로 목표를 정하고 미션을 달성해 코딩에 대한 이해도를 높일 수 있어요.

➡️ NUGU 모드: 날씨/NUGU 백과/한영사전 등 NUGU 서비스는 물론, 음성으로 쉽게 알버트AI를 조종할 수 있어요.

➡️ 따라오기 모드: 손의 움직임을 따라 앞이나 뒤로 움직여요. 근접 센서를 활용한 따라오기 놀이를 즐길 수 있어요.

➡️ 알버트AI 앱 모드: 안드로이드 기기를 블루투스로 연결하여 조종하거나 알버트AI 앱을 이용하여 학습할 수 있어요.

② 뚜루뚜루

혹시 최근에 채용공고를 눈여겨 보신 적이 있으신가요? IT 기업의 PM/서비스 기획자 채용공고에서 많이 보셨을 AI PM/서비스 기획 직무! ‘일반 기획자인 나랑 AI는 먼 얘기 아닌가?’라고 생각하셨다면 주목해 주세요.

딥러닝의 역사적인 순간 10개 

1. 알렉스넷(AlexNet)의 등장(2012)

딥러닝 시대의 서막을 연 가장 중요한 사건이 바로 알렉스넷(AlexNet)의 등장입니다. 알렉스넷은 딥러닝 기반의 이미지 처리 아키텍처로, 이미지를 분석하고 분류하는 여러 계층과 데이터를 요약하고 추출하는 풀링 계층으로 구성되어 있습니다. 그래픽 처리 장치(GPU)를 계산과 훈련에 활용한 것이 특징입니다.

알렉스넷은 대규모 이미지 데이터베이스인 이미지넷 주최의 ‘ILSVRC’ 인식 대회에서 역대급 기록으로 우승했습니다. 이 대회에서 알렉스넷은 15.3%의 낮은 오류율로 우승하며, 이전 최고 기록과 10% 이상 격차를 보이며 압도적인 결과를 달성했습니다. 이때 알렉스넷의 등장을 두고 누군가는 이미지 인식, 컴퓨터 비전계의 ‘우사인 볼트’가 등장했다고 할 정도였는데요. 이 사건은 이미지 인식과 컴퓨터 비전 분야에서 딥러닝을 주요 기술로 자리매김하게 했습니다.

2. 생성적 적대 신경망(GANs) 발표(2014)

생성적 적대 신경망, 즉 GANs은 2014년에 미국의 엔지니어인 이언 굿펠로우(Ian Goodfellow)와 그의 동료들이 발표한 AI 알고리즘입니다. 데이터 분포를 파악하는 생성 모델과 훈련 데이터에서 샘플이 나올 확률을 추정하는 판별 모델로 구성돼 있습니다. 판별 모델이 진짜와 가짜를 더 이상 구분하지 못할 때까지 생성 모델이 학습을 거듭하면서 사실적인 이미지를 생성합니다.쉽게 말하면, 생성 모델과 판별 모델이 끊임없이 술래를 바꿔가며 ‘꼬리잡기’게임을 하면서 정확도를 높여간다고 생각하면 되는데요. 과거 엄청나게 인기를 끌었던 MBC의 ‘무한도전’의 ‘꼬리잡기’게임을 기억하면 쉬울 것 같습니다. 

GANs는 비지도 학습, 적대적 학습 분야에서 혁신을 이루었으며, 오늘날 게임, 영화, 그래픽 디자인, 패션, 의학 분야의 연구용 합성 데이터 생성에까지 널리 적용되고 있습니다.

3. 신경망 아키텍처 레즈넷(ResNet) 발표 (2015)

딥러닝 연구가 가속화되면서, 더 가벼운 알고리즘을 구현하는 방법이 학계의 주요 고민 중 하나로 자리 잡았습니다. 2015년, Microsoft에서 근무하던 연구원 Kaiming He는 레즈넷(ResNet)이라는 신경망 아키텍처를 발표하여 경량화 알고리즘의 발전에 큰 기여를 했습니다.

카드로 탑을 쌓는 것을 상상해 보세요. 지지대 없이 높이 쌓아 올릴수록 피라미드가 카드의 무게로 인해 무너질 가능성이 높아집니다. 이는 심층 신경망을 구축할 때 마주하는 가장 큰 문제와 유사합니다. 이럴 때 카드와 카드 사이에 지지대 역할을 하는 카드를 깔아 주면 무게가 분산되어 탑이 무너질 확률도 낮아집니다.

레즈넷은 심층 신경망에서 지지대 역할을 하며, 훈련 오류와 성능 저하 문제를 해결합니다. 심층 신경망에 레이어를 추가할수록 데이터에 오류가 발생하고, 이를 극복하기 위해 무게를 분산하고 일부 레이어를 건너뛰는 ‘지름길’을 마련하는 것입니다. 이러한 지름길은 성능 저하 없이 수백, 수천 개의 레이어를 포함하는 심층 신경망을 구축하는 데 도움이 됩니다. 데이터의 깊이가 깊어질수록 더 정확한 결과를 얻게 되므로, 레즈넷의 등장은 AI가 복잡한 작업을 더 정확하게 처리할 수 있는 방향으로 발전하는 데 중요한 계기가 되었습니다.