AI news of the second week of October
October 11, 2023
이번주 AI 뉴스 📰
'AI의 대부' 제프리 힌튼, AI가 인류를 지배할 수 있다고 경고
인공지능의 두얼굴: 제프리 힌튼은 인공지능이 의료 등에서 큰 이점을 가져다주고 있지만, 동시에 위험성도 있다고 주장.
자율성의 위험: 힌튼은 AI 시스템이 자신을 수정할 수 있는 코드를 작성하는 등의 방법으로 통제를 벗어날 수 있다고 경고.
불확실한 미래: 힌튼은 AI의 미래가 불확실하며, 이에 대한 신중한 고민과 규제가 필요하다고 강조.
칩 제작 부족 상황에서 OpenAI, 자체 AI 칩 생산 고려?
자체 칩 생산의 필요성: OpenAI는 AI 모델을 실행하기 위한 칩 부족 문제에 직면해, 자체 AI 칩을 개발하거나 다른 회사를 인수할 계획을 세우고 있음.
현재의 의존성과 미래 전략: OpenAI는 현재 Nvidia의 GPU를 주로 사용하나, 이러한 의존성을 줄이기 위해 다양한 공급업체와 협력을 모색하고 있음.
투자와 리스크: OpenAI는 연구와 개발에 대량의 투자가 가능한 상황이지만, 자체 칩을 개발하는 과정에서 수백 백만 달러의 비용이 발생할 수 있음.
구글, 생성 AI를 활용한 'Bard와 함께하는 어시스턴트' 소개
디지털 어시스턴트의 새로운 가능성: Google은 생성 AI를 활용한 'Bard와 함께하는 어시스턴트'를 소개하여 사용자에게 더 직관적이고 개인화된 서비스를 제공한다.
다양한 상호작용 방식: 이 새로운 어시스턴트는 텍스트, 음성, 이미지를 통해 상호작용할 수 있으며, 사용자의 일상 업무를 더 편리하게 수행한다.
사용자 피드백과 개인정보 보호: 초기 테스터에게 먼저 제공될 예정이며, 사용자의 개인 정보 보호를 위해 개인 설정을 선택할 수 있다.
이번주 AI 논문 📝
IP-Adapter: 텍스트와 이미지 프롬프트를 위한 텍스트-이미지 확산 모델 어댑터
효율적인 이미지 프롬프트 어댑터: IP-Adapter는 미리 학습된 텍스트-이미지 확산 모델에 이미지 프롬프트 기능을 추가하는 경량 어댑터를 제시함.
분리된 크로스-어텐션 메커니즘: 텍스트 특징과 이미지 특징을 위한 크로스-어텐션 계층을 분리하여 성능을 향상시킴.
범용성과 성능: IP-Adapter는 다양한 커스텀 모델과 호환되며, 기존의 통제 도구를 사용한 생성에도 적용될 수 있음.
MAmmoTH: 하이브리드 지침 튜닝을 통한 수학 전문가 모델 구축
MAmmoTH의 특화된 학습: MAmmoTH는 다양한 수학 문제 해결을 위해 특별히 설계된 대규모 언어 모델이며, MathInstruct라는 데이터셋을 기반으로 학습함.
하이브리드 논리체계: Chain-of-Thought(CoT)와 Program-of-Thought(PoT) 논리체계를 결합하여 다양한 수학 문제에 대한 유연한 해결 능력을 제공함.
뛰어난 성능: MAmmoTH 시리즈는 수학 추론 데이터셋에서 평균 13~29%의 정확도 향상을 보이며, 특히 MAmmoTH-34B 모델은 GPT-4를 능가하는 성능을 보임.
로직을 통한 대규모 언어 모델의 Zero-Shot Chain-of-Thought 추론 능력 향상
추론 능력의 한계: 대규모 언어 모델은 다양한 분야에서 일반화 능력을 보이지만, 다단계 추론이 필요한 시나리오에서는 아직 부족함이 있음.
LogiCoT 프레임워크: 심볼릭 로직의 원칙을 활용하여 추론 과정을 검증하고 수정하는 신경-심볼릭 프레임워크인 LogiCoT을 제안함.
향상된 추론 패러다임: 다양한 도메인에서의 실험 평가를 통해 로직을 이용한 추론 능력 향상이 입증됨.
이번주 AI 프로덕트 📦
Instant NGP: 다중 해상도 해시 인코딩을 통한 즉시 신경 그래픽 원시체
즉시 훈련 가능: 단일 GPU에서 다양한 작업에 대한 신경 그래픽 원시체의 거의 즉시 훈련을 실현한다.
다양한 그래픽 작업 적용: 이미지 표현부터 3D 공간의 거리 함수, 볼륨 빛과 밀도 필드까지 다양한 그래픽 작업에 적용 가능하다.
효율과 품질: 즉시 훈련, 높은 품질, 그리고 단순함을 동시에 제공한다.
OpenVINO: AI 추론을 최적화하고 배포하기 위한 오픈소스 툴킷
다양한 AI 작업 최적화: 컴퓨터 비전, 음성 인식, 자연어 처리 등에서 딥러닝 성능을 향상시킴
주요 프레임워크 호환: TensorFlow, PyTorch 등 인기 있는 프레임워크로 훈련된 모델을 사용할 수 있음.
효율적인 배포: 인텔 플랫폼에서의 자원을 효율적으로 사용하면서 엣지부터 클라우드까지 다양하게 배포함.
By BetaAI
© 2023